我国粮食产量的影响因素分析计量经济学模型Word文档格式.docx
《我国粮食产量的影响因素分析计量经济学模型Word文档格式.docx》由会员分享,可在线阅读,更多相关《我国粮食产量的影响因素分析计量经济学模型Word文档格式.docx(16页珍藏版)》请在冰豆网上搜索。
112884
15264
19497
30868
1985
37911
1776
108845
22705
20913
31130
1986
39151
1931
110933
23656
22950
31254
1987
40208
1999
111268
20393
24836
31663
1988
39408
2142
110123
23945
26575
32249
1989
40755
2357
112205
24449
28067
33225
1990
44624
2590
113466
17819
28708
38914
1991
43529
2806
112314
27814
29389
39098
1992
44264
2930
110560
25895
30308
38699
1993
45649
3152
110509
23133
31817
37680
1994
44510
3318
109544
31383
33802
36628
1995
46662
3594
110060
22267
36118
35530
1996
50454
3828
112548
21233
38547
34820
1997
49417
3981
112912
30309
42016
34840
1998
51230
4084
113787
25181
45208
35177
50839
4124
113161
26731
48996
35768
2000
46218
4146
108463
34374
52574
36043
2001
45264
4254
106080
31793
55172
36513
2002
45706
4339
103891
27319
57930
36870
2003
43070
4412
99410
32516
60387
36546
2004
46947
4637
101606
16297
64028
35269
2005
48402
4766
104278
19966
68398
33970
2006
49804
4928
104958
24632
72522
32561
2007
50160
5108
105638
25064
76590
31444
注:
这里由于没有从事粮食生产的农业劳动数据,用第一产业劳动力替代。
资料来源:
《中国统计年鉴》(1995,2008)。
研究假设:
农业化肥施用量(x1)与粮食产量正相关
粮食播种面积(x2)与粮食产量正相关
成灾面积(x3)与粮食产量负相关
农业机械总动力(x4)与粮食产量正相关
农业劳动力(x5)与粮食产量正相关
三、模型的估计、检验、确认
1。
画散点图
由于点较分散,将他们取对数,使其更集中。
设A1=log
(1)A2=log
(2)A3=log(3)A4=log(4)A5=log(5)Z=log(y),做散点图如左侧。
由图可以看出,log(y)和log(x1),log(x4)有较为明显的线性关系,建立多元回归模型.
2。
用OLS估计模型:
LogY=b0+b1log(x1)+b2log(x2)+b3log(x3)+b4log(x4)+b5log(x5)
Logy=-4。
173+0。
381log(x1)+1。
222log(x2)—0。
081log(x3)—log(x4)—0.101log(x5)
从模型可以看出,x1,x2,x3均通过了显著性检验,且估计量的系数符合经济含义,x4和x5未通过显著性检验,且系数为负,不符合经济含义.模型整体R^2为0.981587,F-statistic为202。
6826〉2。
74(0。
05水平下的F统计量值),DW=1。
79,可以看出模型整体较优,但个别解释变量没有通过显著性检验,具有多重共线性。
由于我们更关心多重共线性的程度,所以运用KLEIN判别法:
图中可以看出log(x4)和log(x1)存在高度相关性,但并没有超过R^2,不是有害的。
3。
运用逐步回归法克服多重共线性:
用每个x对y进行简单回归,按R^2排序:
1 Log(y)=8.902+0.224log(x1)
T=0。
0000.000
R^2=0.1101DW=0。
939
2 Log(y)=15。
1574—0。
3834log(x2)
01740。
4595
R^2=0。
02DW=0。
33
3 Log(y)=9.619+0。
108log(x3)
T=0.00000.2177
0652DW=0。
597
4 Log(y)=8。
9490+0.16697log(x4)
T=0.0000。
0000
602DW=0.62
5 Log(y)=5.6007+0488731log(x5)
03190.0485
158DW=0。
32
排序后:
R1^2=77%R4^2=60。
2%R5^2=15。
8%R3^2=6.5%R2^2=2。
4%
由此可见,粮食生产受农业化肥施用量的影响最大,与经验相符合,选
Log(y)=8.092+0.224log(x1)为初始回归模型,依次引入Log(x4)log(x5)log(x3)log(x2)进行回归,寻找最佳回归方程(见下表)(Y=log(y))
表2逐步回归结果
如表中所示:
Log(x4)因为经济含义不符合,剔除
Log(x5)未通过显著性检验,剔除
Log(x3)未通过显著性检验,剔除
Log(x2)通过显著性检验,经济意义符合,R^2=0.94,均优于前面的,AIC,SC都有所降低,故保留。
Log(y)=-6.2856+0。
2978log(x1)+1.2586log(x2)
R^2=0.9452F+statistic=189.9002DW=1.59
由上表可以看出,该方程为最优模型:
各解释变量均通过显著性检验,
R^2较优,F检验通过,变量的系数均符合经济含义,已剔除多重共线性。
4。
受线性约束回归的F检验Wald检验:
通过此方法进一步验证是否应剔除解释变量log(x3)Log(x4)和log(x5):
可以看出,F检验和Wald检验的伴生概率都〈0.05,说明原假设不成立,约束条件b3=b4=b5=0不成立,进一步检验b3=0是否成立。
可以看出,F检验和Wald检验的伴生概率都<
0.05,说明原假设不成立,约束条件b3=0不成立,不应剔除解释变量log(x3),在此基础上检验是否应剔除log(x4)和log(x5)。
可以看出,F检验和Wald检验的伴生概率都>
0。
05,说明原假设成立,约束条件成立,b4=b5=0,可以剔除log(x4)和log(x5)。
结合以上分析,在之前得出的模型中加入解释变量Log(X3),建立多元回归模型:
由模型可知,所有解释变量均通过显著性检验,系数符号符合经济含义,R^2=0.978616,高于前面得出的模型,所以该模型为最优模型。
由下图可知,真实值和估计值拟合的很好。
最优模型为:
logy=—5。
999638+0。
323385log(x1)+1.290729log(X2)—0.086754log(x3)
R^2=0.978616DW=1。
41F=320.3438
5。
异方差检验:
怀特检验:
Obs*R—squared的伴生概率为0.2128,说明原假设成立,模型不存在异方差性。
6。
自相关性检验:
已知DW=1。
413,dl=1。
12du=1。
66,落在不确定区域,无法判断。
LM法检验自相关性:
据检验结果可知,obs*R-squared的伴生概率〉0.05,接受原假设,该模型不存在自相关性.
7、格兰杰(Granger)因果检验:
运用该检验可以判断两个变量在时间上的先导-滞后关系,由于该因果关系与哲学意义上的因果关系还是有区别的,如果可以证明“x是y的格兰杰原因”,只是表明“x中包含了预测y的有效信息"
。
检验结果见下表:
表3格兰杰因果检验结果分析
F检验(prob)
格兰杰因果检验
滞后1期
滞后2期
滞后4期
滞后6期
log(x1)不是log(y)的格兰杰原因
0515
0.0048
0298
0.1133
log(x2)不是log(y)的格兰杰原因
0.1822
0516
2057
1628
log(x3)不是log(y)的格兰杰原因
0.2834
0.3193
0534
1342
log(x4)不是log(y)的格兰杰原因
2175
0.4332
2807
0.0342
log(x5)不是log(y)的格兰杰原因
7023
3401
0.2609
0004
以上结果显示:
在滞后2期和滞后期为4的时候,log(x1)是log(y)的格兰杰原因。
在滞后期为6的时候,log(4)和log(5)是log(y)的格兰杰原因。
其余的不论在滞后几期都不是log(y)的格兰杰原因。
以上结果说明:
农业化肥的施用量包含了较多的对粮食产量的有效预测信息,但是在不同的年份,其影响是不确定的.在滞后期为6的这一年,农业机械总动力(X4)、农业劳动力(X5)对粮食产量有显著影响,这两个因素有可能是以6年为一个周