搜索
中国粮食产量的多因素分析院系：商学院班级：财务管理0901班姓名：杨肖红学号：2009314030317中国粮食产量的多因素分析摘要：近几年中国农业方面的发展受到越来越多因素的影响，各种农作物的产量随之产生显著变化。本文利用以粮食播种面积以及谷物单位面积产量作为变量因素，对粮食的总产量进行分析，并进一步建立计量经济学模型显示数据化分析结果。关键字：粮食产量，模型分析，计量经济学Abstract:inrecentyears,thedevelopmentofChina'sagricultureareaffectedbymoreandmorefactors,allkindsofcropscausedsignificantchanges.Thispaperusestothegrainsowingareaandgrainyieldperunitareaasvariables,andtheoutputofgrain,andfurtheranalyzestheeconometricsmodelshowsthatestablishadigitalanalysisresults.Keyword:foodoutput,modelanalysis,econometrics一、问题的提出粮食产量水平是一个关系到国民经济发展的重要战略问题。粮食关系着国计民生的大问题，是一个具有时间和空间永恒性的问题，保证国家粮食安全是一项长期的、须臾不可放松的历史重。新中国成立以来，尤其是改革开放的三十年来，我国粮食产量得到大幅度提高。近几年来，特别是2007年，粮食再次成为全世界关注的焦点和热点。在粮食生产、供求关系等方面，国内外变化相差甚远。特别是粮食价格走势方面，国内粮食价格保持基本平稳，国际却大幅上涨。历史再次雄辩地证明：保障我国粮食安全必须立足国内生产。1、近年来世界粮食生产增长乏力的大格局在上世纪90年代中期全球高粮价的刺激下，世界粮食生产跨上了一个新台阶，由90年代前期的18.5亿吨左右增长到中后期的20亿吨以上。进入新世纪以来，在农业科技进步的推动下，世界粮食单产水平不断提高。但另一方面，世界粮食的增长速度并不能适应快速增长的人口。很多地区如众多的非洲国家，人民在饱受饥饿的煎熬，粮食增长人中而道远。2、近年来世界粮食需求增长加快的现实状况与生产相比，自上世纪90年代中期以来世界粮食需求增长一直比较快，1995-1996年度只有19亿吨，2007-2008年度将达到23.3亿吨，增长了22.6%。特别是近几年来，受石油连续涨价引起的生物质能源发展速度加快，对玉米、大豆等粮食品种的需求更为迅猛，世界粮食需求增长明显加快。2004-2005年度至2007-2008年度，年均增长达到2.2%，远远高于前四年度1.3%的增长速度。3、近年来世界粮食供求已进入比较紧张的阶段近几年来一方面世界粮食需求加快增长，另一方面世界粮食生产增长乏力，近年来世界粮食供求已进入一个比较紧张的历史阶段。自1999-2000年度以来的9年里，只有2004-2005年度当期生产大于需求，其余年度都是产不足需，需要动用库存来弥补越来越快的世界粮食消费增长，连年的挖库存行为已经使得世界粮食期末库存量由2000-2001年度的5.72亿吨下降到2007-2008年度的3.7亿吨；库存消费比也出现大幅度下降，由2000-2001年度的28.2%下降到2007-2008年度的15.8%吨，已明显低于FAO确定的粮食安全警戒线。二、模型设定（一）模型的建立——计量经济学模型本文采用的是计量经济学里古典回归中的多元回归分析的方法。根据现代回归分析的定义，回归分析是关于研究因变量和多个自变量或解释变量之间依赖关系的分析。1.以下是多元回归方法的阐述和基本假设:2.建立线性回归模型通过对数据观察，根据搜集到的2000年至2010年的统计数据，可以看出，粮食总产量(y)与粮食作物播种面积(x1)呈线性相关关系，与谷物单位面积产量本文研究中，由于针对每一年的数据进行分析，个体之间相互独立；对于每一个个体i而言，对于每一个因变量Y、自变量Xi和随机误差项ui均随机，且成正态分布；同时自变量X是给定的，因而X是非随机的；因此古典回归的前6项假设前提都满足。对于误差项采用DW检验时，相应的DW=2.059244≈2，说明误差项不存在自相关。(x2)呈线性相关，与有效灌溉面积（x3）呈线性关系。为分析粮食总产量、粮食作物播种面与谷物单位面积产量以及有效灌溉面积之间的关系，可初步建立线性回归模型：Y=β0+β1X1+β2X2+β3+uiβ0:表示在没有任何影响条件下谷物的总产量，β1：表示粮食作物播种面积对粮食总产量的影响，β2：表示谷物单位播种面积对粮食总产量的影响，β3：表示有效灌溉面积对粮食总产量的影响，ui为随机扰动项。三、相关数据的搜集为了分析各因素对谷物的影响，选择以“粮食总产量”为被解释变量（Y）、粮食作物播种面积、谷物单位面积产量、有效灌溉面积”为解释变量分别为（X1，X2，X3）。以下表1为2000-2010年粮食总产量的相关数据。表12000-2010年粮食总产量及其影响因素的数据分析表年份粮食总产量Y(万吨)粮食作物播种面积X1（千公顷）谷物单位面积产量X2（公斤/公顷）有效灌溉面积X3（千公顷）200050838.6113161494553158.4200146217.5108463475353820.3200245263.7106080480054249.4200345705.8103891488554354.9200443069.599410487354014.2200546946.9101606518754478.4200648402.2104278522555029.3200749804.2104958531055750.5200850160.3105638532056518.3200952870.9106793554858471.7201053082.1108986544759261.4资料来源：中华人民共和国统计局所以Eviews3.0利用的数据为表2数据：表2Eviews3.0利用数据obsX1X2X3Y2000113161.04945.00053158.4050838.602001108463.04753.00053820.3046217.502002106080.04800.00054249.4045263.702003103891.04885.00054354.9045705.80200499410.004873.00054014.2043069.502005101606.05187.00054478.4046946.902006104278.05225.00055029.3048402.202007104958.05310.00055750.5049804.202008105638.05320.00056518.3050160.302009106793.05548.00058471.7052870.902010108986.05447.00059261.4053082.103、参数估计利用Eviews软件，做Y对X1、X2、X3做回归，回归结果如图1：图1函数模型的参数估计结果DependentVariable:YMethod:LeastSquaresDate:11/23/11Time:19:05Sample:20002010Includedobservations:11VariableCoefficientStd.Errort-StatisticProb.X10.5091240.02253322.594180.0000X29.4327520.59530415.845270.0000X3-0.0393340.084451-0.4657570.6555C-51538.493196.387-16.123980.0000R-squared0.995493Meandependentvar48396.52AdjustedR-squared0.993561S.D.dependentvar3245.184S.E.ofregression260.3953Akaikeinfocriterion14.23757Sumsquaredresid474639.9Schwarzcriterion14.38226Loglikelihood-74.30661F-statistic515.3823Durbin-Watsonstat2.120298Prob(F-statistic)0.000000由计算机所做出的回归分析结果可得：Y=-51538.49+0.509124X1+9.432752X2-0.039334X3t(β0)=-16.12398t(β1)=22.59418t(β2)=15.84527t(β3)=-0.465757R-squared=0.995493F=515.3823n=11四、模型检验（一）经济意义的检验模型估计结果说明：在假定其他变量不变的情况下，粮食作物播种面积增加一单位，平均说来粮食总产量增加0.509124个单位；在假定其他变量不变的情况下，谷物单位面积产量增加一单位，平均说来粮食总产量增加9.432752个单位;在假定其他变量不变的情况下，有效灌溉面积增加一单位，平均来说粮食总产量减少0.039334个单位。由此可知，粮食作物面积的增加与谷物单位面积的增加会是粮食总产量呈上升趋势，而有效面积增加却导致粮食总产量的减少，这与经济常识不相符。（二）统计意义的检验1、拟合优度检验样本决定系数R^2的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R^2的值越接近0，说明回归直线对观测值的拟合程度越差。由图1参数估计结果可得，样本决定系数R^2=0.995493＞0.8，可见其拟合优度不错。检验系数值说明所建模型整体上对样本数据拟合较好，及三个解释变量对被解释变量“粮食总产量”做出来了相应的了解。2、t检验对回归系数的t检验：分别针对H0：βi=(1,2，3),给定显著性水平α=0.05n-2=9时，查t分布表，得到tα/2（n－k）＝1.796。由回归结果得知，与β1，β2，β3对应t统计量分别为t(β1)=22.59418,t(β2)=15.84527，t(β3)=-0.465757大于tα/2（n－k）＝1.796，t检验显著。3、F检验针对H0：β1=β2=β3=0，给定显著性水平α=0.05，在F分布表中查出自由度K-1=3和n-k=7的临界值Fα（3,7）=8.45由表中得到F=515.3823Fα（2,8）=8.45，所以应拒绝原假设，说明回归方程显著，即“粮食作物的播种面积，谷物单位产量,有效灌溉面积”等变量联合起来确实对“粮食总产量”有显著影响。（三）计量经济学的检验1、多重共线性检验很显然，粮食作物的播种面积(x1)和谷物单位产量（x2）没有线性关系如图2所示：图2x1与x2的散点图46004800500052005400560095000100000105000110000115000X1X2由统计意义检验可知，该模型可决定系数很高，F检验值也很大。当显著性水平α=0.05时，X1X2的系数t检验均显著，但X3检验值与总产量与经济意义相反，表明存在共线性问题。对多重共线性的修正：(1)对Y与X2做回归，结果如下:Y=-357.5610+9.526848X2(-0.030602)(4.178124)R-squared=0.959822F=17.45672DependentVariable:YMethod:LeastSquaresDate:11/23/11Time:20:05Sample:20002010Includedobservations:11VariableCoefficientStd.Errort-StatisticProb.X29.5268482.2801744.1781240.0024C-357.561011684.39-0.0