我国粮食产量的影响因素分析计量经济学模型Word下载.docx

我国粮食产量的影响因素分析计量经济学模型Word下载.docx

《我国粮食产量的影响因素分析计量经济学模型Word下载.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下载.docx（16页珍藏版）》请在冰豆网上搜索。

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年为一个周期对粮食产量产生影响，还需更多数据进一步验证。

四.预测:

已知:

2008

用得出的最优模型进行预测:

logy=—5.999638+0.323385log（x1）+1.290729log（X2）—0。

086754log（x3）

得yf=48790。

51误差为1013。

49万吨

由此可知模型预测较为准确。

五。

模型的确定与经济解释

1.模型的确定:

经过一系列的模型检验与设定，可以认为修正后的模型已无多重共线性,无异方差，无自相关，最终可将模型设定为:

logy=-5.999638+0。

323385log（x1）+1。

290729log（X2）—0。

978616DW=1.41F=320.3438

2.经济解释:

1）影响粮食生产（Y）的主要因素有：

农业化肥施用量（X1）、粮食播种面积（X2）、成灾面积（X3）。

农业化肥施用量每增加1万公顷，粮食产量增加约0.3万吨；

粮食播种面积每增加1千公顷，粮食产量增加约1。

29万吨；

成灾面积每增加1公顷，粮食产量减少约0。

87万吨。

2）农民对化肥的投入量,即模型中的化肥施用量，是影响粮食总产量增产的最显著因素，说明我国目前农业生产中，农民对农业的投入所产生的效益最大。

3）粮食作物耕种面积也是影响粮食总产量的重要因素之一，扩大粮食作物耕种面积无疑是可以使粮食增产的。

4）成灾面积对粮食产量也有显著影响，应加大防护措施，防止灾害发生。

5）农业劳动力因素被排除在模型之外，这有悖于我们先前所设想的，这变更加使得我们有必要对现阶段农村劳动力转移的意义进行考虑。

提高农民收入的主要途径，有可能正在朝着农村外转移，即是说农村劳动的转移才是现在或者将来的增加农民收入的主要办法。