计量经济学实验论文.docx

1、计量经济学实验论文 中国农业总产值及其影响因素的分析 摘 要: 本文根据我国农业的现状，从计量经济学的角度来检验哪些因素对于农业总产值有显著的影响。根据计量经济学原理，本文在模型中引入了三个变量：有效灌溉面积、农业机械总动力、农用化肥施用折纯量，并收集了中国31个省2003年的各项指标数据，利用E-views软件对其计量模型进行了参数估计和检验，最后对所得的分析结果进行了经济意义的分析，并提出了一些相应的政策意见。研究发现，农用化肥施用折纯量因素对于农业生产总值有显著的正面影响，而有效灌溉面积、农业机械总动力对农业生产总值的影响不显著。关键词：农业总产值；有效灌溉面积；农业机械总动力；农用化肥

2、施用折纯量一、引言 我国是传统的农业大国，农业自古以来就是我国的支柱产业，是我国国民经济的基础。我国的经济结构能否顺利调整，国民经济能否发展得更快、更好，在很大程度上取决于农业基础是否稳固。只有加强农业基础，确保农产品供给，才能顺利推进我国的工业和城镇的快速发展；只有加强农业基础建设，使农业发展、农民富裕、农村稳定，才能保持整个社会的长期稳定与可持续发展。但我国是一个生产力比较落后的国家，只有研究农业总产值主要受哪些因素影响，才能投入相应的对策，将基础产业发展上去。选此模型的目的就在于分析决定农业生产总值的主要影响因素以及其影响程度，从而对生产提出一些建设性意见。2、文献综述农业是我国国民经济

3、的基础，直接影响到我国的粮食安全。学术界历来重视对三农问题的研究，并取得了一定的成果。如：林毅夫（1994）、黄少安（2005）等，从制度经济学角度研究了我国农业问题，他们认为农村的经济体制改革对我国农业总产出的增加起到了至关重要的作用。郝利等（2010）运用柯布道格拉斯生产函数，建立了农业科技进步贡献率测算模型，对北京市1990-2007年农业科技进步贡献率进行测算，得出的结论是北京市1990-2007年农业科技进步贡献率为78.32%。 在农业总产出方面的研究，也有很多学者运用计量经济学方法进行了分析。董梅生（2009）利用偏最小二乘回归分析方法对我国农业的投入产出进行了分析，认为我国农业

4、产出主要受家庭经营费用支出、国家国家财政支农支出和化肥投入量的影响，受播种面积的影响不大；农林牧渔业从业人员数越多，农业产出反而越小。廖翼等（2011）利用时间序列数据建立多元线性回归模型，对1986-2008年洞庭湖区农业总产值进行了分析，结果表明：农业机械总动力、机耕面积和化肥施用量每增加1%，农业总产值将分别上升1.17%、0.83和0.40%，农作物播种面积对湖区农业生产的影响不显著。漆文萍（2005）采用多元回归方法，对江西省农业生产总值的影响因素进行分析，得出结论：1970-1998年间，江西农业生产中的科技含量偏低，农作物的播种面积对农业总产值的影响最为显著，化肥施用量其次，而政

5、府对农业生产和事业财政支持的影响最小。 从上述学者的研究来看，不同时期、不同地区以及不同角度下，农业生产总值的影响因素不尽相同，例如，在董梅生的研究中农业总产出受播种面积影响不大，而在漆文萍的研究中，农作物播种面积是影响农业总产出的最显著的变量。同时，在廖翼等人的研究中，农作物的播种面积却对洞庭湖区农业总产出的影响并不显著。因此，在本文的分析中，将多个变量引入模型，并通过各种检验方法研究农业总产值的影响因素。三、实证过程及分析1.理论依据 本文研究的是全国农业总产值与有效灌溉面积、农业机械总动力、农用化肥施用折纯量之间的关系，所以寻找了与农业有关的各种真实指标数据，用计量经济学的方法探讨农业生

6、产总值的各种影响因素。2.建立模型 根据以上的理论分析，运用计量经济学的方法，以农业总产值（Y）为被解释变量，有效灌溉面积()、农业机械总动力()、农用化肥施用折纯量()、为解释变量，建立如下回归模型： （试1） 试1中，是第i年的农业总产值，是第i年的有效灌溉面积，是第i年的农业机械总动力，是第i年的农用化肥施用折纯量，为模型随机误差项。通过自变量系数、，可以判断农业总产值与有效灌溉面积、农业机械总动力和农用化肥施用折纯量之间的线性关系。若0,则农业总产值与有效灌溉面积成正相关，若，所以拒绝原假设，不拒绝备择假设，表明模型存在异方差。异方差的修正运用加权最小二乘法对模型的异方差进行修正，将权

7、数取为w=1/ee2,对模型进行参数估计，得到下图36，从图中知，运用加权最小二乘法消除了异方差后，参数t检验均显著，F检验也显著。Method: Least SquaresDate: 06/24/15 Time: 23:13Sample: 1 31Included observations: 31Weighting series: 1/EE2VariableCoefficientStd. Errort-StatisticProb.C209.18963.59637058.166890.0000X10.1572350.0346414.5390150.0001X20.1322250.0100621

8、3.141170.0000X33.5505980.14171025.055410.0000Weighted StatisticsR-squared0.999687Mean dependent var992.3950Adjusted R-squared0.999652S.D. dependent var5188.937S.E. of regression2.275971Akaike info criterion4.602605Sum squared resid139.8612Schwarz criterion4.787635Log likelihood-67.34037Hannan-Quinn

9、criter.4.662920F-statistic28734.73Durbin-Watson stat1.806726Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.893932Mean dependent var1661.205Adjusted R-squared0.882147S.D. dependent var1203.481S.E. of regression413.1517Sum squared resid4608747.Durbin-Watson stat2.223261图36 用权数w的估计结果（2）自相关自相关

10、的检验图37 残差图 图中，残差的变动连续为正和连续为负，表明残差项可能存在着一阶正自相关。由于图形分析比较粗糙，故用BG检验作自相关检验。如下图38，,其p值为0,表明存在自相关。Breusch-Godfrey Serial Correlation LM Test:F-statistic34.64575Prob. F(2,25)0.0000Obs*R-squared22.78081Prob. Chi-Square(2)0.0000Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 06/25/15 Time: 1

11、8:04Sample: 1 31Included observations: 31Presample missing value lagged residuals set to zero.Weight series: 1/EE2VariableCoefficientStd. Errort-StatisticProb.C72.610839.0244478.0460140.0000X1-0.1639330.032609-5.0272350.0000X20.0249060.0104442.3848090.0250X30.9565300.1390356.8797760.0000RESID(-1)-0.

12、0682930.010052-6.7942240.0000RESID(-2)-0.1122400.013571-8.2703100.0000Weighted StatisticsR-squared0.734865Mean dependent var0.323183Adjusted R-squared0.681838S.D. dependent var2.134036S.E. of regression1.217902Akaike info criterion3.404122Sum squared resid37.08213Schwarz criterion3.681668Log likelihood-46.76389Hannan-Quinn criter.3.494595F-statistic13.85830Durbin-Watson stat2.242564Prob(F-statistic)0.000002图38 BG检验结果自相关的修正Dependent Variable: YMethod: Least SquaresDate: 06/25/15 Time: 22:06Sample (adjusted): 2 31Included observations: 30 after adjustmentsConvergence achieved after 12