我国影响粮食产量的可量化因素实证分析.docx
- 文档编号:2998427
- 上传时间:2022-11-17
- 格式:DOCX
- 页数:23
- 大小:123.09KB
我国影响粮食产量的可量化因素实证分析.docx
《我国影响粮食产量的可量化因素实证分析.docx》由会员分享,可在线阅读,更多相关《我国影响粮食产量的可量化因素实证分析.docx(23页珍藏版)》请在冰豆网上搜索。
我国影响粮食产量的可量化因素实证分析
学校代码专业代码
计量经济学实验报告
报告题目
:
我国影响粮食产量的可量化因素实证分析
姓名
:
学号
:
班级
:
专业
:
学院
:
指导教师
:
完成时间
:
我国影响粮食产量的可量化因素实证分析
摘要:
粮食是人类生存之本,经济发展之基。
本文采用回归分析的方法对1985年-2014年影响我国粮食产量变化的主要可量化因素进行分析,建立了以粮食产量为因变量,以粮食作物播种面积、农用化肥施用量、有效灌溉面积、农业机械总动力、受灾面积、农产品生产价格指数六项因素为自变量的多元线性回归模型,并检验模型的正确性做出相关修正。
在此基础上对提高粮食产量,促进农业发展提出可供参考的建议。
关键词:
粮食产量可量化因素回归分析
一、引言
粮食安全、能源安全和金融安全并称为世界经济三大安全。
而作为拥有十四亿人口的人口大国,粮食问题也一直是政府和社会各界所关心的战略问题。
粮食作为人类生存最基本的消费品,而一个国家的粮食问题关系到本国国民经济的运行。
在研究粮食问题时,本国的粮食生产安全是至关重要的。
建国以来,我国粮食产量多次波动,一方面制约了宏观经济的发展,另一方面给粮食生产者和消费者的生活带来极大的不利影响。
通过查看近30年的数据可以发现,我国粮食产量在总趋势上呈上升趋势。
而本文则希望通过分析六项可量化因素,研究各项因素对粮食产量增加的影响程度,并对进一步提高我国粮食产量做出建议。
二、理论模型构建
为了研究我国粮食年总产量,选择“粮食产量”作为被解释变量。
根据对影响我国粮食产量的主要因素粮食作物播种面积、农用化肥施用量、有效灌溉面积、农业机械总动力、受灾面积、农产品生产价格指数6项可量化因素作为解释变量。
由此,建立计量经济模型如下:
三、描述性分析
(一)总量分析
为了得出影响我国粮食产量的因素,我从粮食作物播种面积、农用化肥施用量、有效灌溉面积、农业机械总动力、受灾面积、农产品生产价格指数等方面进行考虑。
设我国粮食产量为被解释变量Y,粮食作物播种面积、农用化肥施用量、有效灌溉面积、农业机械总动力、受灾面积、农产品生产价格指数为解释变量X1、X2、X3、X4、X5、X6。
具体如下:
表格1影响粮食产量的各因素
变量
指标
X1
粮食作物播种面积(千公顷)
X2
农用化肥施用量(万吨)
X3
有效灌溉面积(千公顷)
X4
农业机械总动力(万千瓦)
X5
受灾面积(千公顷)
X6
为农产品生产价格指数(上年=100)
四、模型估计及检验
(一)、数据说明
表格2粮食产量及相关因素1985年至2014年数据
指标
粮食产量(万吨)
粮食作物播种面积(千公顷)
农用化肥施用折纯量(万吨)
有效灌溉面积(千公顷)
农业机械总动力(万千瓦)
受灾面积(千公顷)
农产品生产价格指数(上年=100)
1985年
37910.8
108845.13
1775.8
44035.9
20912.5
44365
108.6
1986年
39151.2
110932.6
1930.6
44225.8
22950
47135
106.4
1987年
40297.7
111267.77
1999.3
44403
24836
42086
112
1988年
39408.1
110122.6
2141.5
44375.91
26575
50874
123
1989年
40754.9
112204.67
2357.1
44917.2
28067
46991
115
1990年
44624.3
113465.87
2590.3
47403.1
28707.7
38474
97.4
1991年
43529.3
112313.6
2805.1
47822.1
29388.6
55472
98
1992年
44265.8
110559.7
2930.2
48590.1
30308.4
51333
103.4
1993年
45648.8
110508.7
3151.9
48727.9
31816.6
48829
113.4
1994年
44510.1
109543.7
3317.9
48759.1
33802.5
55043
139.9
1995年
46661.8
110060.4
3593.7
49281.2
36118.1
45821
119.9
1996年
50453.5
112547.92
3827.9
50381
38546.9
46989
104.2
1997年
49417.1
112912.1
3980.7
51239
42015.6
53427
95.5
1998年
51229.53
113787.4
4084
52296
45207.7
50145
92
1999年
50838.58
113160.98
4124.3
53158
48996.12
49981
87.8
2000年
46217.52
108462.54
4146.41
53820.33
52573.61
54688
96.4
2001年
45263.67
106080.03
4253.76
54249.39
55172.1
52215
103.1
2002年
45705.75
103890.83
4339.39
54355
57929.85
46946
99.7
2003年
43069.53
99410.37
4411.6
54014
60386.54
54506
104.4
2004年
46946.95
101606.03
4636.6
54478
64027.91
37106
113.1
2005年
48402.19
104278.38
4766.22
55029.34
68397.85
38818
101.4
2006年
49804.23
104958
4927.69
55750.5
72522.12
41091
101.2
2007年
50160.28
105638.36
5107.83
56518.34
76589.56
48992
118.5
2008年
52870.92
106792.65
5239.02
58471.68
82190.41
39990
114.1
2009年
53082.08
108985.75
5404.4
59261.4
87496.1
47214
97.6
2010年
54647.71
109876.09
5561.68
60347.7
92780.48
37426
110.9
2011年
57120.85
110573.02
5704.24
61681.56
97734.66
32471
116.5
2012年
58957.97
111204.59
5838.85
62490.52
102558.96
24962
102.7
2013年
60193.84
111955.56
5911.86
63473.3
103906.75
31350
103.2
2014年
60702.61
112722.58
5995.94
64539.53
108056.58
24891
99.8
注:
数据来源于《中国统计年鉴1985-2014》
将以上数据进行分析处理,得到以下图形:
图表1变量的线性相关图
注:
由于X2数值过小,将万吨改为千吨。
由于X6数值过小,将数值扩大100倍便于观察。
通过上图可以看出,解释变量X2,X3,X4与被解释变量呈正线性相关,解释变量X5与被解释变量呈负相关,解释变量X1,X6几乎围绕某一数值波动,难以判断与被解释变量存在何种线性关系。
(二)、模型估计
1.模型的回归估计
根据初步设定的模型对粮食产量(Y)、粮食作物播种面积(X1)、农用化肥施用量(X2)、有效灌溉面积(X3)、农业机械总动力(X4)、受灾面积(X5)以及农产品生产价格指数(X6)经行回归分析。
表格3模型估计结果
被解释变量:
粮食产量Y
样本个数30个
系数估计值
标准误
Z值
P值
常数项C
-42419.85
8226.38
-5.16
0.00
粮食作物播种面积X1
0.62
0.04
15.77
0.00
农用化肥施用量X2
4.98
0.63
7.97
0.00
有效灌溉面积X3
0.22
0.21
1.06
0.30
农业机械总动力X4
-0.08
0.03
-2.56
0.02
受灾面积X5
-0.13
0.02
-5.33
0.00
农产品生产价格指数X6
11.17
13.01
0.86
0.40
F=441.2269,P=0.000000
根据结果可以发现X3,X6对解释变量的影响不显著,故剔除该两变量重新经行回归分析。
表格4剔除变量后的估计结果
被解释变量:
粮食产量Y
样本个数30个
系数估计值
标准误
Z值
P值
常数项C
-34390.38
4369.97
-7.87
0.00
粮食作物播种面积X1
0.63
0.03
18.21
0.00
农用化肥施用量X2
5.46
0.00
0.39
14.11
农业机械总动力X4
-0.06
0.02
-2.64
0.01
受灾面积X5
-0.13
0.02
-5.35
0.00
F=679.2364,P=0.000000
(4369.97)(0.03)(0.39)(0.02)(0.02)
(-7.87)(18.21)(14.11)(-2.64)(-5.35)
F=679.2364D.W.=1.642405
.多重共线性检验
通过EViews软件得到各解释变量的相关系数矩阵如下:
表格5变量之间的相关系数矩阵
变量
粮食作物播种面积
农用化肥施用量
农业机械总动力
受灾面积
粮食作物播种面积X1
1
-0.24
-0.20
-0.09
农用化肥施用量X2
-0.242682
1.00
0.96
-0.54
农业机械总动力X4
-0.20102
0.96
1.00
-0.68
受灾面积X5
-0.094785
-0.54
-0.68
1.00
由相关系数矩阵可以看出,解释变量存在着一定的多重共线性。
为了进一步了解多重共线性的性质,作辅助回归,并计算各解释变量之间的方差扩大因子。
表格6方差扩大因子计算结果
被解释变量
可决系数
值
方差扩大因子
粮食作物播种面积X1
0.141251
1.02
农用化肥施用量X2
0.944153
9.21
农业机械总动力X4
0.958577
12.33
受灾面积X5
0.660917
1.78
X4的方差扩大因子大于10,存在严重的多重共线性.故采用逐步回归的方法,解决多重共线性问题。
分别作Y对X1、X2、X4、X5的一元回归结果如下:
表格7一元回归结果
变量
参
- 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:
- 我国 影响 粮食产量 量化 因素 实证 分析