关于农业总产值影响因素的计量经济学模型研究

关于农业总产值影响因素的

计量经济学模型研究

【摘要】本文针对当前非常热门的“三农”中的农业问题，从影响农业总产值的几个因素入手，通过建立多元线性回归模型，引入有效灌溉面积，农作物播种总面积、化肥施用量、农业机械机械总动力、受灾面积五个变量，分析各个因素对农业总产值的不同程度的影响，利用EVIEWS软件对计量模型进行了经济意义检验，统计意义检验和计量经济意义检验。通过各种检验对模型进行修正和优化，找出对农业总产值影响较大的因素，便于对农业总产值进行预测，提出提高农业总产值的方法。

【关键词】农业总产值 影响因素 多元线性回归回归

一、经济理论的阐述及问题的提出

近几年来，党中央、国务院以科学发展观统领全局，按照统筹发展的要求，采取了一系列惠农的政策，农业已经有了进一步的发展，对保持整个国民经济平稳较快发展起到了重要的支撑作用。但是，我们仍清楚地看到，我国农业、农村发展水平仍然较低，仍处于十分艰难的爬坡阶段。新生物技术（新农业技术）尚未得到广泛的应用；农业基础建设仍然很脆弱；农村社会主义改革滞后；农产品的价格太低，它在市场上与工业产品的交换并不等价；农民收入仍然比较低：城乡居民收入差距扩大的矛盾依然突出，文盲半文盲充斥整个农村。

党的十六大提出全面建设小康社会的奋斗目标，催人奋进，令人鼓舞。由于我国目前达到的小康水平低而且也不全面，而全面建设小康社会，重点在农村，难点也在农村，因此，要全面建设小康社会，就必须把工作的重点放在农村，把工作的着力点放在解决农业、农村和农民的问题上。正如中共中央总书记胡锦涛所说：“要更加关注农村，关心农民，支持农业”，“把解决‘三农’问题作为全党工作的重中之重，放在更加突出的位置”。

农业问题是“三农”问题中很重要的一个方面，关乎国民经济的命脉。中国已“入世”，作为立国之本的农业，由于历史和现实原因自身存在很多问题，所以有提出研究的必要。

农业问题中如何提高农业总产值是非常重要的一个方面，而影响农业总产值的因素又是多方面的，从这个问题的经济意义理解，我们选取农业有效灌溉面积，农作物种植总、、化肥施用量、农业机械总动力、受灾面积五个因素进行研究，以建立一个合适的模型找出对农业总产值影响较大的因素。

二、样本数据的选取以及理论模型的设计

选取有效灌溉面积、农作物播种总面积、化肥施用量、农业机械机械总动力、受

灾面积五个因素作为解释变量，将“农业产总值”设为被解释变量，建立如下多元线性回归模型：

Y=β0 +β1 X1+β2 X2+β3 X3 +β4X4+β5 X5 +u Y—农业总产值 X1—有效灌溉面积 X2—农作物播种总面积 X3—化肥施用量

X4—农业机械总动力 X5—受灾面积 U—随机干扰项 β1、、β2、、β3 、β4 、β5-----待估参数

此模型选取1990—2009年的时间序列数据进行分析，具体数据如下： y x1 x2 x3 x4 x5 受灾面面农业总产有效灌溉面农作物总播种面化肥施用农业机械总动积（千公年份 值（亿元） 积（千公顷） 积（千公顷） 量（万吨） 力（万千瓦） 顷）1990 7662 47403 148362 2590 28708 384741991 8157 47822 149586 2805 29389 554721992 9085 48590 149007 2930 30308 513321993 10996 48728 147741 3152 31817 488271994 15751 48759 148241 3318 33803 550461995 20341 49281 149879 3594 36118 458241996 22354 50381 152381 3828 38547 469911997 23788 51239 153969 3981 42016 534271998 24542 52296 155706 4084 45208 501451999 24519 53158 156373 4124 48996 499802000 24916 53820 156300 4146 52574 546882001 26180 54249 155708 4254 55172 522152002 27391 54355 154636 4339 57930 469462003 29692 54014 152415 4412 60387 545062004 36239 54478 153553 4637 64028 371062005 39451 55029 155488 4766 68398 388182006 40811 55750 152149 4928 72522 410912007 48893 56518 153464 5108 76590 489922008 58002 58472 156266 5239 82190 399902009 60361 59261 158639 5404 87496 47214资料来源：《国家统计年鉴 2010》 三、模型参数的估计

运用最小二乘法对模型参数进行估计，利用计量经济学软件Eviews得到如下结果： Dependent Variable: Y Method: Least Squares Date: 12/10/11 Time: 19:16 Sample: 1990 2009 Included observations: 20 Variable C X1 X2 X3 X4 X5 R-squared Coefficient 26199.32 -2.739880 0.447378 7.760853 0.922057 -0.043444 Std. Error 66008.33 2.801401 0.761754 4.817702 0.451488 0.175470 t-Statistic 0.396909 -0.978039 0.587300 1.610903 2.042263 -0.247588 Prob. 0.6974 0.3447 0.5664 0.1295 0.0604 0.8080 27956.55 15389.17 19.52275 19.82147 62.32396 0.000000 0.957005 Mean dependent var 0.941650 S.D. dependent var 3717.376 Akaike info criterion 1.93E+08 Schwarz criterion -189.2275 F-statistic 0.467535 Prob(F-statistic) Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

于是我们得到回归方程为： ?Y?26199.32?2.740*X1?0.447*X2?7.761*X3?0.922*X4?0.043*X5

t=（0.396909） （-0.978039） （0.5873） （1.610903）（2.042263） （-0.247588）

R2=0.957005 F=62.32396

四、模型的检验

（一）.经济意义检验

由上述回归结果可以看到有效灌溉面积、受灾面积与农业总产值呈负相关，农作物种植总面积、化肥施用量、农业机械总动力与农业总产值呈正相关。农作物种植总面积、化肥施用量、农业机械总动力与农业总产值呈正相关与现实经济意义相符。有效灌溉面积与农业总产值呈负相关与现实经济不符，但是可能是由于存在多重共线性引起的。

（二）.统计检验 1.拟合优度检验

从估计的结果可以看出，可决系数R2=0.957005，调整后的可决系数为0.941650，两者的值都接近1，表明模型的拟合度较好。 2.方程的显著性检验

从得到的结果看，F统计量=62.32396，在5%的显著性水平下，查F分布表，得到临界值F0.05（5，14）=2.96，显然有F> F0.05（5，25），表明模型的线性关系在95%的置信水平下显著成立。

3.变量的显著性检验

在5%的显著性水平下，查t分布表，得到临界值?0.025（14）?2.145，从表中的得到的数据可以看到X5通过变量显著性检验，说明受灾面积对农业总产值的影响显著。而其他因素未通过变量的显著性检验可能是因为模型存在多重共线性。有待计量经济意义的检验。 （三）.计量经济学检验 1.多重共线性检验

由上面对变量的显著性检验可以知道模型可能存在着多重共线性，下面我们具体来分析： ① X1、X2、X3、X4、X5的相关系数如下表所示：

X1 X2 X3 X4 X5

X1 1 0.827081 0.974966 0.982690 -0.29434 X2 0.827081 1 0.791119 0.731576 -0.088586 X3 0.974966 0.791119 1 0.967367 -0.311306 X4 0.982690 0.731576 0.967367 1 -0.377037 X5 -0.294342 -0.088586 -0.311306 -0.377037 1 从表中数据可以看到X1 、X2 、X3、 X4间存在比较高的相关性。 ②分别作Y与X1、X2、X3、X4、X5间的回归： Y与X1 ?? = -191141.8 + 4.159*X1

（-11.702） （13.442）

R2= 0.909 F=180.6798 D.W.=0.353086 Y与X2 ??= -493487.2 + 3.408X2

（-4.154） （4.391）

R2= 0.517 F=19.278 D.W.=0.239497 Y与X3 ?? =-45518.48 + 18.00*X3

（-8.787） （14.454）

R2= 0.921 F=208.92 D.W.=0.3067 Y与X4 ?? = -13981.99 +0.805*X4

（-5.635） （17.895）

R2= 0.9468 F=320.25 D.W.=0.440291 Y与X5 ?? = 76109.69 - 1.0062*X5

（2.814） （-1.793）

R2= 0.151603 F=3.2165 D.W.=0.3126

可以看到，农业机械总动力影响最大，因此选其为初始的回归模型。 ③ 逐步回归

将其他解释变量分别导入初始回归模型，寻找最佳回归方程。

Dependent Variable: Y Method: Least Squares Date: 12/10/11 Time: 21:29 Sample: 1990 2009 Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob. C -4.093150 56552.00 -7.24E-05 0.9999 X1 -0.325305 1.314788 -0.247420 0.8075 X4

0.865437

0.249350

3.470771

0.0029 R-squared 0.946975 Mean dependent var 27956.55 Adjusted R-squared 0.940737 S.D. dependent var 15389.17 S.E. of regression 3746.333 Akaike info criterion 19.43242 Sum squared resid 2.39E+08 Schwarz criterion 19.58178 Log likelihood -191.3242 F-statistic 151.8028 Durbin-Watson stat

0.448242 Prob(F-statistic)

0.000000

引入X1之后，模型的拟合优度反而略有下降，且未能通过t检验，同时参数符号与经济意义不符。去掉x1。

Dependent Variable: Y Method: Least Squares Date: 12/10/11 Time: 21:56 Sample: 1990 2009 Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob. C -24847.66 56915.19 -0.436573 0.6679 X2 0.074249 0.388533 0.191102 0.8507 X4

0.795331

0.067806

11.72956

0.0000 R-squared 0.946898 Mean dependent var 27956.55 Adjusted R-squared 0.940651 S.D. dependent var 15389.17 S.E. of regression 3749.047 Akaike info criterion 19.43387 Sum squared resid 2.39E+08 Schwarz criterion 19.58323 Log likelihood

-191.3387 F-statistic

151.5708

Durbin-Watson stat

Dependent Variable: Y Method: Least Squares

0.429117 Prob(F-statistic)

0.000000

引入X2后，拟合优度略有下降，且未通过t检验，去掉X2.

Std. Error 7708.991 3.935449 0.173518

t-Statistic -3.099412 1.354493 3.327911

Coefficient -23893.33 5.330536 0.577451

Prob. 0.0065 0.1933 0.0040 27956.55 15389.17 19.33353 19.48289 168.4656 0.000000

Date: 12/10/11 Time: 22:00 Sample: 1990 2009 Included observations: 20

Variable C X3 X4

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Dependent Variable: Y Method: Least Squares Date: 12/10/11 Time: 22:04 Sample: 1990 2009 Included observations: 20

Variable C X4 X5

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient -10313.04 0.796633 -0.067765

Std. Error 8780.531 0.049687 0.155246

0.951968 Mean dependent var 0.946317 S.D. dependent var 3565.599 Akaike info criterion 2.16E+08 Schwarz criterion -190.3353 F-statistic 0.433203 Prob(F-statistic)

引入X3后，拟合优度提高，且参数符号合理，但未通过t检验，去掉X3。

t-Statistic -1.174535 16.03317 -0.436501

Prob. 0.2564 0.0000 0.6680 27956.55 15389.17 19.42487 19.57423 153.0179 0.000000

0.947374 Mean dependent var 0.941183 S.D. dependent var 3732.215 Akaike info criterion 2.37E+08 Schwarz criterion -191.2487 F-statistic 0.411813 Prob(F-statistic)

引入X5后，拟合优度略有提高，且参数符号合理，但未通过t检验，去掉X5。 于是最终的拟合结果如下： ?? = -13981.99 +0.805*X4

2.异方差检验（采用WHITE检验）

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/10/11 Time: 23:45 Sample: 1992 2009 Included observations: 18

Variable C X4 X4^2

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient 127716.6 -49.15061 0.001903

Std. Error 13668404 508.7041 0.004406

t-Statistic 0.009344 -0.096619 0.431906

Prob. 0.9927 0.9243 0.6720 3699048. 5761871. 33.91894 34.06734 2.918264 0.085015

2

（2）=5.99 0.05

0.280110 Mean dependent var 0.184125 S.D. dependent var 5204456. Akaike info criterion 4.06E+14 Schwarz criterion -302.2705 F-statistic 2.160419 Prob(F-statistic)

由表中数据得到： n*R2 = 5.6022查分布表得χ。而n*R2<

χ20.05（2） , 因此，接受同方差性的原假设，所以模型中随机干扰项没有出现异方差性。

3.序列相关性相关检验与修正

⑴序列相关性检验

根据上表中估计的结果，D.W=0.440291，在给定显著性水平为5%，n=20, k=2时，查Durbin-Waston表得下限临界值dL=1.20，上限临界值du=1.41,可见此模型存在正自相关性。

下面在对模型进行序列相关性的拉格朗日乘数检验。含1阶滞后残差项的辅助回归为：

~~?? =-675.664+0.016*X4+0.806???1

(-0.417) (0.543) (5.043) R2= 0.599365

于是LM=19*0.599365=11.388 ，该值大于显著性水平为5%，自由度为1的χ分布的临界值χ20.05 (1)=3.84,由此判断此模型存在1阶序列相关。

含2阶滞后残差项的辅助回归为： ~~?? =498.435-0.011*X4+1.218???1-0.624???2

2

(0.332) (-0.386) (5.593)(-2.471) R2= 0.710038

于是LM=18*0.710038=12.78 ，该值大于显著性水平为5%，自由度为2的χ2分布的临界值χ20.05 (2)=5.99,由此判断此模型存在2阶序列相关。

含3阶滞后残差项的辅助回归为： ~~??=345.142-0.008*X4+1.321???1-0.864???2+0.211???3 (0.224) (-0.260) (4.914) (-1.966) (0.674) R2= 0.718580

于是LM=17*0.718580=12.87，该值大于显著性水平为5%，自由度为3的x^2分布的临界值x^2(0.05)(3)=7.81,由此判断此模型仍存在阶序列相关。但参数未通过5%的显著性检验。表明并不存在3阶序列相关。

⑵序列相关的修正

在Eviews软件包下，2阶广义差分的估计结果为 ??= -11700.62 +0.762*X4 +1.224AR(1)-0.639AR(2) (-2.757) (10.016) (5.288) (-2.367)

R= 0.981538 R2= 0.977582 D.W.=1.768

2

经拉格朗日检验，模型干扰项已不存在序列相关项。

五、对模型的经济解释及总结

从以上模型经分析可得出：

1.经过对模型的分析得到的方程可以看出农业机械总动力是影响农业总产值的最主要的因素，说明在我国的目前农业生产中，农业机械总动力的增加对农业总产值的增加最大。

3.出乎我们的意料的是，有效灌溉面积与农业总产值之间没有很强的相关性，这说明有效灌溉面积对农业总产值的影响并不明显。

4.农作物总播种面积、化肥施用量与农业总产值也没有很强的正相关性，这可能与我们国家的农业技术水平较低，单位面积产量比较低有关。

5.最后，我们应该看到，选取的模型其实也是存在问题的，比如有效灌溉面积与农作物播种总面积，受灾面积应该是会产生多重共线性的，因为三者者可能会呈现某种共同的增加或减少趋势，播种面积大有效灌溉面积，受灾面面积可能就会大，反之，则然。

六、对提高农业总产值提出的建议

1.由于机械化水平对农业生产总值的影响比较大，所以我国要加快提高农业机械化水平，把主要农产品生产过程机械化和产业化经营有机结合起来，对农业

机械化进行结构性调整因地制宜，有重点的推进地区农业机械化，加大政府投资力度，推行农用机械下乡和购买补助政策，。

2.国家必须提高对农业科技投入，提高化肥的营养成分，从而提高对农作物增产的作用率，提高单位面积产量。

3.要提高农业总产值不能单纯依靠增加农作物的播种面积，增加农作物的播种面积必须是在提高农业技术水平，提高单位面积产量为前提。

七、个人报告总结

这次写计量经济学的期末报告，我遇到了很多问题，但也收获了很多，在这个过程中遇到的最大的问题就是实验数据的收集，另一个问题就是建立合适的模型，这篇论文中的模型是我换的第二个模型，因为前面两个模型都是因为模型中变量或数据选取不合理，在经过一系列的检验之后把所有的自变量都剔除了，导致分析无法进行下去，只能选择换经济模型。

当然，自己也有很多的收获，现在，我已经很熟悉eviews的基本操作了，而在写论文之前，自己对eviews的操作十分生涩。

另外在查找数据过程中，学会了很多的处理数据的方法。

最重要的是，通过写这篇论文，学会了用计量经济学知识和eviews软件对经济问题进行计量经济学的定量分析，收获很大。

参考文献

《计量经济学》（第二版） 李子奈 潘文卿 高等教育出版社 国家统计年鉴数据库

本文来源：https://www.bwwdw.com/article/379t.html