最新计量经济学论文中国粮食总产量多因素分析.docx
《最新计量经济学论文中国粮食总产量多因素分析.docx》由会员分享,可在线阅读,更多相关《最新计量经济学论文中国粮食总产量多因素分析.docx(22页珍藏版)》请在冰豆网上搜索。
最新计量经济学论文中国粮食总产量多因素分析
中国粮食总产量多因素分析
专业年级:
13金融
(2)班学号:
201312030140姓名:
谢昊
摘要:
本文选取1990年到2013年的相关数据,应用计量经济学所学知识对根据经济理论选取的影响我国粮食产量的各因素进行分析、检验,并对其影响程度的大小进行定量分析,进一步明确和完善相关的经济学知识。
关键词:
粮食产量粮食播种面积农用机械总动力有效灌溉面积农业化肥使用量
1、文献综述
农业作为我国最基础的产业,农产品的每年的产量直接关系着我们的民生,故而粮食的产量一直是我们最关心的。
影响因素的分析
首先,粮食作为农作物,其产量肯定会受到农用化肥施用量条件的影响
其次,我认为粮食的播种面积对于粮食产量也有一些影响
最后,农业机械总动力也是影响粮食产量的一大重要因素
二、数据收集与模型的建立
(一)数据收集
1983年—2009年中国粮食生产与相关投入的资料(表1)
年份
粮食总产量Y
粮食耕种面积(x1)
农用化肥施用量(x2)
农业机械总动力(x3)
1990
44624
113466
2590.3
28708
1991
43529
112314
2805.1
29389
1992
44264
110560
2930.2
30308
1993
45649
110509
3151.9
31817
1994
44510
109544
3317.9
33802
1995
46662
110060
3593.7
36118
1996
50454
112548
3827.9
38547
1997
49417
112912
3980.7
42016
1998
51230
113787
4083.7
45208
1999
50839
113161
4124.3
48996
2000
46218
108463
4146.4
52574
2001
45264
106080
4253.8
55172
2002
45706
103891
4339.4
57930
2003
43070
99410
4411.6
60387
2004
46947
101606
4636.6
64028
2005
48402
104278
4766.2
68398
2006
49804
104958
4927.7
72522
2007
50160
105638
5107.8
76590
2008
52871
106793
5239
82190
2009
A.循环体中的LOOP和EXIT语句的位置是固定的53082
108986
5404.4
87496
INPUT"请输入n的值:
"TON2010
settalkon54648
109876
13、VLAN(虚拟局域网)是一种将局域网从__逻辑上划分网段,而不是从__物理上划分网段,从而实现虚拟工作组的新兴数据交换技术。
5561.7
92780
C.在调用过程文件中的过程之前不必打开过程文件2011
57121
110573
5704.2
97735
2012
58958
111205
2.如果要在屏幕上直接看到查询结果,“查询去向”应该选择________。
5838.8
4.下列关于数据库系统的叙述中,正确的是________。
102560
10.类具有________、________和________的特征,这就大大加强了代码的可重用性。
2013
ENDDO60194
111956
5911.9
returnm103907
(二)模型设计
为了具体分析各要素对我国粮食产量影响的大小,我们可以用粮食总产量(y)作为衡量,代表粮食发展;用粮食耕种面积(x1)、农用化肥施用量(x2)以及农业机械总动力(x3)。
运用这些数据进行回归分析。
采用的模型如下:
y=β1+β2x1+β3x2+β4x3+ui
其中,y代表粮食总产量,x1代表粮食耕种面积,x2代表农用化肥施用量,x3代表农业机械总动力,ui代表随机扰动项。
我们通过对该模型的回归分析,得出各个变量与我国粮食产量的变动关系。
三、模型估计和检验
(一)模型初始估计(表二)
DependentVariable:
Y
Method:
LeastSquares
Date:
12/21/15Time:
16:
27
Sample:
19902013
Includedobservations:
24
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-44644.14
6601.867
-6.762350
0.0000
X1
0.684116
0.053113
12.88043
0.0000
X2
4.042971
0.974751
4.147697
0.0005
X3
0.031032
0.038352
0.809131
0.4280
R-squared
0.966281
Meandependentvar
49317.62
AdjustedR-squared
0.961223
S.D.dependentvar
4867.060
S.E.ofregression
958.4155
Akaikeinfocriterion
16.71945
Sumsquaredresid
18371206
Schwarzcriterion
16.91579
Loglikelihood
-196.6334
F-statistic
191.0450
Durbin-Watsonstat
1.534928
Prob(F-statistic)
0.000000
回归函数为:
(6601.867)(0.053113)(0.974751)(0.038352)
T=(-6.762350)(12.88043)(4.147697)(0.809131)
(2)多重共线性检验
相关系数矩阵(表三)
X1
X2
X3
X1
1
-0.267566314901
-0.23239867238
X2
-0.267566314901
1
0.977074961235
X3
-0.23239867238
0.977074961235
1
根据多重共线性检验,解释变量之间可能存在着线性相关。
为了进一步了解多重共线性的性质,我们可以做辅助回归。
(表四)
被解释变量
可决系数R2的值
方差扩大因子
X1
0.09019
1.09913
X2
0.956409
22.9405
X3
0.955583
22.6398
由上表可以得知,辅助回归的可决系数很高,经验表明,方差扩大因子>=10时,通常说明该解释变量与其余解释变量之间有严重的多重共线性,这里的x2、x3的方差扩大因子远大于10,表明存在严重的多重共线性问题。
为了进一步筛选并剔除引起多重共线性分变量,需要采用逐步回归的方法。
分别作Y对X1、X2、X3的一元回归,意愿回归结果如下表
(表五)
变量
X1
X2
X3
参数估计值
0.369628
4.071071
0.162556
t统计量
1.472800
6.754246
6.867695
R2
0.089748
0.674652
0.681921
0.048373
0.659863
0.667463
(表六)
X1
X2
X3
X1、X3
0.641034(9.246298)
0.186325
(16.84505)
0.937277
X2、X3
1.587586
(0.558181)
0.100949
(0.893659)
0.686571
通过采用剔除变量法,多重共线性的修正结果如下:
剔除X2。
(表七)
DependentVariable:
Y
Method:
LeastSquares
Date:
12/25/15Time:
10:
06
Sample:
19902013
Includedobservations:
24
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-31636.64
7732.436
-4.091419
0.0005
X1
0.641034
0.069329
9.246298
0.0000
X3
0.186325
0.011061
16.84505
0.0000
R-squared
0.937277
Meandependentvar
49317.62
AdjustedR-squared
0.931303
S.D.dependentvar
4867.060
S.E.ofregression
1275.661
Akaikeinfocriterion
17.25679
Sumsquaredresid
34173555
Schwarzcriterion
17.40404
Loglikelihood
-204.0814
F-statistic
156.9019
Durbin-Watsonstat
1.001388
Prob(F-statistic)
0.000000
修正后方程为
(7732.436)(0.069329)(0.011061)
T=(-4.091419)(9.246298)(16.84505)
(三)异方差检验
(表八)
ARCHTest:
F-statistic
0.037667
Probability
0.847978
Obs*R-squared
0.041181
Probability
0.839189
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
12/24/15Time:
18:
58
Sample(adjusted):
19912013
Includedobservations:
23afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1280357.
504218.4
2.539291
0.0191
RESID^2(-1)
0.041531
0.213987
0.194081
0.8480
R-squared
0.001790
Meandependentvar
1341173.
AdjustedR-squared
-0.045743
S.D.dependentvar
1852594.
S.E.ofregression
1894492.
Akaikeinfocriterion
31.82974
Sumsquaredresid
7.54E+13
Schwarzcriterion