农业产值影响因素分析.docx
- 文档编号:25174222
- 上传时间:2023-06-05
- 格式:DOCX
- 页数:15
- 大小:23.40KB
农业产值影响因素分析.docx
《农业产值影响因素分析.docx》由会员分享,可在线阅读,更多相关《农业产值影响因素分析.docx(15页珍藏版)》请在冰豆网上搜索。
农业产值影响因素分析
农业产值影响因素分析
【摘要L本文通过对影响农业生产的因素分析,旨在得出影响农业生产的主要因素,并在此基础上结合我国实际探讨我国农业生产发展中存在的问题。
关键词:
农业产值影响因素模型检验
在西方经济学理论中,很大一部分内容涉及农业发展问题,重农学派把农业的发展作为其理论研究的基本出发点和归宿。
该学派的主要代表人物法国著名经济学家魁奈曾把农业看作是唯一具有生产价值的部门,并以著名的《经济表》分析作为纯产品的农产品在社会各生产部门间的流动和交换。
古典学派的伟大经济学家亚当・斯密,在其不朽的经典著作《国富论》中以相当的篇幅论述了农业的发展问题。
发展经济学家之所以重视农业发展问题,一是因为如果农业本身不发展,农民和农村人口便无法摆脱贫困;二是因为农业的不发展将严重的妨碍整个国民经济的发展。
换言之,在经济发展屮,农业和农村经济的发展起着举足轻重的作用,农业的发展将对整个国民经济的发展作出巨大贡献。
美国著名经济学家库兹涅茨把农业对发展屮国家经济发展的贡献概括为以下几个方面:
1.农业的增长依赖于农业的发展;2.在经济发展的初期,农业和农业人口作为工业品的市场的作用举足轻重;3.随着经济的发展,农业在经济构成屮的比例下降,农业部门构成其他部门的投资的主要来源;4.通过出口农产品和进行替代进口农产品的生产,国内农业可以为平衡国际收支起到重要作用;5.农业和农村经济的发展还将提高农民的收入,改善乡村居民的福利
我国作为传统农业大国,农业产值对社会经济生活各方面有着重要影响。
对于农业产值的分析有着现实的意义,我们选取了以下因素进行分析:
a农作物播种面积。
土地是农业生产的基础,我国作为一个发展中国家,农业生产力落后,大部分地区仍采用传统的耕作方式,在这种情况下,农业产值很大程度上受到农作物播种面积的影响。
b农业机械总动力。
农业的发展贯穿着农业技术的创新和进步,农业技术在农业生产中的应用可以提高土地通常对一定数量的资本和劳动的报酬率。
农业科技的创新与进步不断加速,主要是农业生产手段的改善(农业机械的普及与大量应用)。
c受灾面积。
从农业生产的发展的条件来看,容易受自然条件的影响而使其产出出现大幅波动。
d化肥施用量。
从生产实践来看,通过使用化肥、农药,有效的控制杂草和病虫害,加上管理用水可以普遍提高农业产量。
e支援农业生产支出和各项农业事业费。
农业生产具有特殊性,容易形成丰年产品过剩,影响农民的利益和以后年度农业生产的发展;也可能因灾年造成农产品供给不足,影响人民生活和生产的需要,甚至引起社会生活不稳定。
加上农业部门本身很难单独战胜自然条件的影响,如果没有政府的扶持难以确保整个农业生产的稳定,也难以保证全社会对农产品的需要。
这里我们采用计量经济学方法设定模型,对上述问题进行分析。
(-)建立模型(数据详见附表一)
农业总产值(亿元)一一V
农作物播种面积(千公顷)一一X1
农业机械总动力(亿瓦特)一一X2
受灾面积(万公顷)一一x3
化肥施用量(折纯)(万吨)——x4
支援农业生产支出和各项农业事业费(亿元)一一x5
设定模型的函数形式为:
Y=a+卩、X\+J32X2+"3X3+卩g+05%5+U
假定条件:
1、假定土地间不存在级差,产出只与面积大小有关,而忽略肥沃程度、地形等因素
2、化肥施用积极有效且无差异
3、支援农业生产支出和各项农业事业费全部投入农业生产,未被挪用、占用、滥用。
(二)模型的参数估计、检验及修正
1•模型的参数估计及其经济意义、统计推断的检验
利用EVIEWS软件,用OLS方法估计得:
(见附表二)
Y=-768.7345-0.056844*Xl+0.138000*X2-0.867809*X3+6.078066*X4-5.195073*X5
(32260.95)(0.256631)(0.257850)(0.639340)(1.304628)(8.832377)
(=0023829)(-0.221500)(0.535194)(-1.357351)(4.658849)(-0.588185)
R=0.965928尺=0.950441F=62.36928DW=0.820355
可见,xl,x2,x3,x5的t值都不显著,且xl和x5的系数也不符合经济意义。
因为从经济意义上讲,农业产值应随着农作物播种面积和支援农业生产支出和各项农业事业费的增长而提高。
另外,修正可决系数为0.950441,F值为62.36928,较大,说明各个解释变量对模型整体拟合较好。
故我们对上述模型进行计量经济学的检验,并进行修正,看是否能使模型方程得到改进。
2.计量经济学检验
(1)多重共线性检验
用EVIEWS软件,得相关系数矩阵表:
Xl
X2
X3
X4
X5
Xl
1
0.859626
0.36006
0.919083
0.802588
X2
0.8596256
1
0.379955
0.924389
0.989453
X3
0.3600605
0.379955
1
0.418289
0.352909
X4
0.9190832
0.924389
0.418289
1
0.90734
X5
0.8025884
0.989453
0.352909
0.90734
1
由上表可以看出,解释变量xl与x2,xl与x4,xl与x5,x2与
x4,x2与x5,x4与x5之间的相关系数都较大,可见存在严重的多重共线性。
在经济意义上,农作物播种面积,农业机械总动力,化肥施用量,支援农业生产支出和各项农业事业费都和农业生产密切相关,这使得他们之间的相关性很强。
我们利用逐步回归法(变量剔除法)对多重共线性进行修正
(见附表三、四、五人
首先,由于x5不符合经济意义且对y影响较大(系数-5.195073较大),先将其剔除,得到如下方程:
(参见附表三)
Y=-14070.39+0.057817*Xl-0.009795*X2-0.75568*X3+5.672190*X4
(22311.66)(0.162294)(0.056269)(0.593394)(1.076603)
t=(-0.628938)(0.356250)(-0.174076)(-1.273488)(5.268601)
R=0.964856R=0.953142F=82・36423DW=0.696455
由上方程可以看出x2的t值很小且不符合经济意义,将其剔除,得到方程如2(参见附表四)
Y=-13763.42+0.055964*Xl-0・754143*X3+5.548894*X4
(21454.15)(0.155788)(0.570770)(0.779976)
t=(-0.641527)(0.359232)(-1.321272)(7.114185)
2—2
R=0.964768R=0.956637F=118.6600DW=0.691652
方程中xl的t值小,对y的影响不显著,将其剔除,得如下方程:
(参见附表五)
Y=-6112.318-0.768110*X3+5.802991*X4
(2497.748)(0.551447)(0.318304)
t=(-2.446936)(-1382898)(18.230992)
R=0.964418尺=0.959335F=189.7286DW=0.686663
此时,修正可决系数开始下降,且F值也有了一定的增加,故不在删除变量,选择此模型为修正后的模型。
可见,农业生产总值随受灾面积的增加而减少,随着化肥施用量的增加而增加,与经济意义相符。
但是x3的t值(-1.382898)不是很显著。
(2)异方差检验(ARCH检验)(具体数据见附表六)
由拟合的数据可知,(n-p)新=1.192787 (3)自相关检验 由附表五可知: d=0.686663,在显著水平Q=0.05下,查表n=17,k'=2时,dL=1.015,dU=1.536,由于d=0.686663 用对数线性回归进行修正(参见附表七) LY=-6.171722・0.321884*LX3+2.217263*LX4 (2.150854)(0.280452)(0.106972) t=(-2.869429)(-1.147733)(20.74754) 新=0.973180尺2=o969349F=254.0023DW=0.710457 用迭代法进行修正得如下方程: (参见附表八) LY=-9.079497・0.108141*LX3+2.345581*LX4 (3.487206)(0.158202)(0.369920) t=(・2.603659)(-0.683560)(6.340779) 新=0.983198尺2=o978997F=234.0607DW=1.301634在显著水平&=0.05下,查表n=16,k,=2时,dL=0.982,dU=1.539,虽然DW值有明显提高,但由于d=1.301634 (3)模型的分析 我们进行了一系列检验和修正后的最终结果如下: LY=-9.079497・0.108141*LX3+2.345581*LX4 (3.487206)(0.158202)(0.369920) t=(・2.603659)(-0.683560)(6.340779) 新=0.983198R=0.978997F=234.0607DW=1.301634我们得出的经济模型的拟合程度较好(护=0.978997),总体影响显著(F=234.0607),但在其他变量不变的条件下LX3的影响不是很显著(t=・0.683560),LX4在其他变量不变的条件下影响显著(t=6.340779) (4)总结: 我们的模型建立不成功,从现实来看,化肥施用量和受灾面积并不是影响农业产值最主要的因素,而播种面积、机械总动力这些在实际影响中较为重要的因素却在检验和修正过程中被舍弃,究其原因我们认为存在以下可能: 首先,在建模时由于我们认识上的局限可能造成变量选择不当; 其次,可能存在模型设定误差; 第三,设定的假定条件不合理。 随着土地的重复使用,其边际报酬率会递减;支援农业生产支出和各项农业事业费在现实屮可能未全部投入农业生产中; 第四,农业机械利用率不高,绝大多数仍采用传统的耕种方式,所以造成该因素影响不显著; 最后,由于可能存在统计数据不准确,而导致了我们赖以进行参数估计的数字基础不具备可靠性。 参考文献: 《中国统计年鉴》 国家计委、国家统计局、国家信息中心(中经网数据中心 整理) 《走向现代农业一一农业现代化与创新》中国经济出版社杨戈著 《财政学》西南财经大学出版社王国清程谦主编 附表附表一 XI X2 X3 X4 X5 年份 农业总产值 (亿元) 农作物福种面积 (琢J 农业机械总动力 (烦劇 賀灾面积 (万公顷) 化肥施用量 (折纯) 〔万吨) 支援农业生产支岀和各项农业事业费 (亿元) 1987 3160.5 144957 24836 4208.6 1999.3 134.16 1988 3666.9 144866 26575 50S7.4 2141.5 158.74 1989 4100.6 146554 28067 4699.1 2357.1 197.12 1990 4954.3 148363 28707.7 3847.4 2590.3 221.8 1991 5146.4 149586 29388.6 5547.2 2805.1 243.55 1992 5528 149008 30302.4 5133.3 2930.2 269.04 1993 6605.1 147741 31816.6 4882.9 3151.9 32342 1994 9169.2 148241 33802.5 5504.3 3317.9 399.7 1995 11834.6 149879 36118.1 4582.1 3593.7 430.2 1996 13539.8 152381 32546.9 4692.9 3827.9 510.07 1997 13852.5 153969 42015.6 5342.9 3980.7 560.77 1998 14241.9 155706 45207.7 5014.5 4083.7 626.02 1999 14106.2 156373 48996.1 4998.1 4124.3 677.46 2000 13873.6 156300 52573.6 5468.8 4146.4 766.9 2001 14462.8 155708 55172.1 5221.5 4253.8 917.96 2002 14931.5 154636 57929.9 4711.9 4339.4 1102.7 2003 14870.1 152415 60386.5 5450.6 4411.6 1125.8 注: 化肥施用昱按有效成份100%计算。 支援农业生产支出和各项农业事业费2000年及以前数据为财政决算数,2001年全国数拯为预算执行 数。 附表二 DependentVariable: Y Method: LeastSquares Date: 11/24/04Time: 10: 34 Sample: 19872003 Includedobservations: 17 Variable Coefficient Std.Error t-Statistic Prob. -768.7345 32260.95 -0.023829 0.9314 -0.056844 0.256631 -0.221500 0.8288 0.138000 0.257850 0.535194 0.6032 -0.867809 0.639340 -1.357351 0.2019 6.078066 1.304628 4.658849 0.0007 -5.195073 8.832377 -0.5S8185 0.5683 squared 0.965928 Meandependentvar 9891.412 AdjustedR-squared 0.950441 S.D.dependentvar 4683.244 S.E.ofregression 1042.579 Akaikeinfocriterion 17.00735 Sumsquaredresid 11956671 Schwarzcriterion 17.30142 Loglikelihood -138.5624 F-statistic 62.35928 Durbin-Watsonstat 0.820355 Prob(F-statistic) 0.000000 附表三 DependentVariable: YMethod: LeastSquaresDate: 11Z24/D4Time: 14: 38 Sample: 19872003 Ineludedobservations: 17 Variable Coefficient Std.Error t-Statistic Prob. -14070.39 22371.66 -0.628938 0.5412 0.057817 0.162294 0.356250 0.7278 -0.009795 0.0562S9 -0.174076 0.8647 -0.755680 0.593394 -1.273488 0.2270 5.672190 1.076603 5.268601 0.0002 squared 0.964856 Meandependentvar 9891.412 Adjustedsquared 0.953142 S.D.dependentvar 4683.244 S.E.ofregression 1013.769 Akaikeinfocriterion 16.92067 Sumsquaredresid 12332721 Schwarzcriterion 17.16573 Loglikelihood -138.8257 F-statistic 82.36423 Durbin-Watsonstat 0.696455 Prob(F-statistic) 0.000000 附表四 DependentVariable: YMethod: LeastSquaresDate: 11/2W4Time: 14149 Sample: 19872003 Includedobservations: 17 Variable Coefficient Std.Error t-Statistic Prob. C -13763.42 21454.15 ・0.641527 0.5323 X1 0.055964 0.155788 0.359232 0.7252 X3 -0.754143 0.570770 -1.321272 0.2092 X4 5.548894 0.779976 7.114185 0.0000 R-squared 0.964768 Meandependentvar 9891.412 Adjustedsquared 0.956637 S.D.dependentvar 4683.244 S.E.ofregression 975.2264 Akaikeinfocriterion 16.80554 Sumsquaredresid 12363864 Schwarzcriterion 17.00159 Loglikelihood -138.8471 F-slatistic 118.6600 Durbin-Wstscmstat 0.691652 Prob(F-statistic) 0.000000 附表五 DependentVariable: Y Method: LeastSquaresDate: 11/24/D4Time: 10: 53 Sample: 19872003 Includedobservations: 17 Variable Coefficient Std.Error t-Statistic Prob. C -6112.318 2497.948 -2.446936 0.0282 X3 -0.768110 0.551447 -1.392898 0.1854 X4 5.802991 0.318304 18.23099 0.0000 R-squared 0.964418 Meandependentvar 9891.412 AdjustedR-squared 0.959335 S.D.dependentvar 4683.244 S.E.ofregression 944.4044 Akaikeinfocriterion 16.69777 Sumsquaredresid 12486596 Schwarzcriterion 16.84481 Loglikelihood -138.9311 F-statistic 1897286 Durbin-Watsonstat 0.686663 Prob(F-statistic) 0.000000 附表六 ARCHTest: F-statistic 0.310447Probability 0.817478 Obs^R-squared 1.192787Probability 0754735 TestEquatiorr DependentVariable: RESIDA2 Method: LeastSquares Date: 11/24AJ4Time: 11: 23 Sample(adjusted): 19902003 Includedobservations: 14afteradjustingendpoints Variable Coefficient Std.Error t-Statistic Prob. C 475793.4 467830.5 1.017021 0.3331 RESID^2(-1) 0.269000 0.305216 0.881344 0.3988 RESIDA2(-2) ■0.085292 0.301335 -0.283047 0.7829 RESIDA2(-3) 0.141033 0.306522 0.460108 0.6553 R-squared 0.085199 Meandependentvar 718736.9 AdjustedR-squared -0.189241 S.D.dependentvar 922148.7 S.匚.ofregression 1005625. Akaikeinfocriterion 30.71507 Sumsquaredresid 1.01E+13 Schwarzcriterion 30.89766 Loglikelihood •211.0055 F-statistic 0.310447 DurbirkWatsonstat 1.860636 Prob(F-statistic) 0.817478 附表七 DependentVariable: LYMethod: LeastSquaresDate: 11/24/04Time: 12: 29 Sample: 19872003 Includedobservations: 17 Variable Coefficient Std.Error t-Statistic Prob. C -6.171722 2.150854 -2.8694
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 农业 产值 影响 因素 分析
![提示](https://static.bdocx.com/images/bang_tan.gif)