陈贵年度论文01.docx
- 文档编号:3462723
- 上传时间:2022-11-23
- 格式:DOCX
- 页数:21
- 大小:163.18KB
陈贵年度论文01.docx
《陈贵年度论文01.docx》由会员分享,可在线阅读,更多相关《陈贵年度论文01.docx(21页珍藏版)》请在冰豆网上搜索。
陈贵年度论文01
毕业论文(设计)
论文(设计)题目:
广西农林牧渔总产值分析
系别:
物理与电子工程系
专业:
物理学
学号:
2010105101
姓名:
陈贵
指导教师:
彭金松教授
时间:
2014年6月
河池学院
毕业论文(设计)开题报告
系别:
物理与电子工程系专业:
物理学
学号
2010105101
姓名
陈贵
论文(设计)题目
广西农林牧渔业总产值指标分析
命题来源
□教师命题√学生自主命题□教师课题
选题意义
在中国,农业是安于天下,稳民心的基础性和战略性的产业,保持农业和农村良好性发展,是保持经济又好又快的发展和社会长期稳定的重要意义,随着国家对三农问题的越来越重视,在新中国成立60年来,中国农业在不断探索和制度创新中快速发展,并带动中国农村发生了历史性巨变.我国农业综合生产能力大幅度提高,农业经济实力不断增强,突出特征是国家粮食安全得到了有力的保障,副食品生产和供应丰富多样,农业经济呈现出勃勃生机.农业经济快速发展的同时,农业生产结构逐步优化,实现了由单一以种植业为主的传统农业向农林牧渔业全面发展的现代农业转变.国民经济从农业支持工业过渡到工业反哺农业、城市带动农村发展的新阶段,工农关系实现历史性的转变,标志着中国传统农业经济时代的结束,崭新的现代农业时代到来.农林牧渔业总产值指以货币表现的农、林、牧、渔业全部产品的总量,它反映一定时期内农业生产总规模和总成果.农林牧渔业总产值在国内总产值中占有重要地位,其发展对我国国民经济稳定快速发展有着深远的意义.农林牧渔业总产值指数在实际生活中受农业、林业、畜牧业及渔业等因素的影响.
研究综述
伴随着经济的快速发展和国民经济的需要,国家领导人对三农问题越来越重视了,而在《广西壮族自治区国民经济和社会发展第十一个五年规划纲要》明确指出:
“加快农业结构调整,发展优势特色农林牧渔产品,推进农业优势产业发展,大力发展农产品加工业,建立健全农业服务体系,提高农业服务保障能力”.
刘光辉以林牧渔总产值为因变量,以农林牧渔基本建设、农用化肥使用量来研究农业、林业、牧业、渔业的经济发展与农林牧渔总产值的关系.研究表明农业、林业、牧业、渔业与农林牧渔总产值存在线性关系.
西方经济学家把农业进步对农林牧渔总产值的研究有定向转向了定量,提出新古典经济理论,创建了一系列经济增长模型,并用这些理论和模型对一些国家的农林牧渔进行实证研究,认为农业进步对农林牧渔总产值有显著性影响.根据研究表明,他们建议调动农民的积极性,来增加农业生产,农业生产的提高在一定的程度上会增加农林牧渔总产值.
李冠霖(2002)研究指出,农农林牧渔总产值的发展关键在于农林业的发展,提高农林也的发展有两条路径:
增加农林业的资金的投入.或者增加农林业生产性的投入,他指出前者研究多而后者研究的较少.李冠霖通过比较我国农林牧渔总产值,发现我国农林牧渔总产值难以提高的一个原因在于生产性服务较低.农林业生产的社会程度和专业化程度可以从农林业对生产性服务业的消耗量上反映,因此,要加快农林业生产性服务的发展.
研究的目标和主要内容
研究目标:
对中国现在正处于社会主义初期阶段,提高农林牧渔业总产值对国民经济有着重要意义.国民经济在一定的水平上影响的人民的生活水平,而人民的水平在一定程度在代表着社会的发展力和社会的稳定性,在这种情况下,我们应该采取一定的措施来发展农林牧渔业,现在选着以广西的农林牧渔业总产值来为例,研究农林牧渔业总产值与农业、林业、牧业、渔业等因素的关系,从而提出合理的建议,来发展国民经济.
主要内容:
本文先简要叙述做好对农林牧渔总产值的分析,对制定农林牧渔策略和发展广西经济有重要的现实意义;然后给出多元回归模型建模过程的逻辑框图,再用文字对多元回归模型的建模过程进行分析叙述,最后以1990-2011年广西农林牧渔为例,通过收集、整理、统计和分析数据得出农林牧渔的理论回归模型的数学形式,然后设定理论模型并用Eviews对理论模型进行分析,通过对模型的参数进行估计和检验,最终得出回归模型.从而研究出农业、林业、牧业、农业对农林牧渔总产值的影响.
拟采用的研究方法
研究方法:
①文献资料法 ②讨论交流法
网络搜索法
回归分析法
教师指导法
研究步骤:
收集文献资料
拟定论文题目
填写开题报告
拟定论文提纲
撰写论文初稿
审批修改论文初稿
输入并定稿打印
参考文献目录
[1]王振龙,胡永宏,应用时间序列分析[M],北京:
科学出版社,2007:
93-96
[2]阮桂海.SPSS实用教程[M].电子工业出版社,2000:
181-190
[3]尹海洁溜耳.会统计软件SPSS15.0FORWINDOWS简明教程[M].社会科学文献出版社2008.12:
133-135
[4]朱建平.应用多元统计分析[M].科学出版社2009:
197-199
[5]徐国祥.统计预测和决策[M].上海财经大学出版社2011:
43-56
[6]广西统计局.广西统计[CN].广西统计出版社2012
[7]庞皓.计量经济学.北京:
科学出版社,2007:
72-103
指导教师意见
选题符合统计学专业的要求,难易适中,同意开题.
签名:
年月日
教研室主任意见
同意开题.
签名:
年月日
目录
[摘要]1
[关键词]1
引言1
1研究目的及方法2
1.1研究目的2
1.2研究方法2
2模型的准备2
3多元线性回归模型的概念及基本假设3
3.1多元线性回归模型的概念3
3.2.1随机扰动项的数学期望为零4
3.2.2随机扰动项
的方差相等4
3.2.3随机扰动项
和解释变量
不相关4
3.2.4解释变量之间不存在多重共线性4
3.2.5随机扰动项
为服从正态分布的随机向量4
4模型的估计和调整4
5回归模型检验7
5.1White检验7
5.3D.W检验9
5.4L.M检验9
6结论和建议10
6.1结论10
6.2建议11
参考文献12
Abstract13
Keywords13
致谢14
广西农林牧渔业总产值分析
10物本陈贵指导教师:
彭金松
[摘要]广西农林牧渔业作为广西的第一产业在整个国民经济运行中起着重要的作用,一方面它为其他行业提供赖以生存的物质基础,另一方面它也能很好地解决劳动力就业等社会问题,运用计量经济学方法建立方程模型,通过Eviews软件进行数据处理,研究农业、林业、牧业及渔业对农林牧渔业总产值的影响.
本文通过计量经济学可以得到,在假定其他条件不变的情况下,当农林牧渔业总产值增加1亿元,农业产值就会增加0.483589亿元,在假定其他条件不变的情况下,当农林牧渔业总产值增加1亿元,林业产值就会增加0.074052亿元,在假定其他条件不变的情况下,当农林牧渔业总产值增加1,牧业产值就会增加0.40753亿元,在假定其他条件不变的情况下,当农林牧渔业总产值增加1亿元,林业产值就会增加0.048346亿元,也就是农林牧渔业总产值受农业、牧业最显著,通过以广西省为例的分析可知,我国还需要大力发展农产业,以提高农林牧渔业总产值,促进农村经济的发展,力求为我国经济建设做出更大贡献.
[关键词]农林牧渔业;总产值指标;多元线性回归模型
引言
在中国,农业是安于天下,稳民心的基础性和战略性的产业,保持农业和农村良好性发展,是保持经济又好又快的发展和社会长期稳定的重要意义,随着国家对三农问题的越来越重视,在新中国成立60年来,中国农业在不断探索和制度创新中快速发展,并带动中国农村发生了历史性巨变.我国农业综合生产能力大幅度提高,农业经济实力不断增强,突出特征是国家粮食安全得到了有力的保障,副食品生产和供应丰富多样,农业经济呈现出勃勃生机.农业经济快速发展的同时,农业生产结构逐步优化,实现了由单一以种植业为主的传统农业向农林牧渔业全面发展的现代农业转变.国民经济从农业支持工业过渡到工业反哺农业、城市带动农村发展的新阶段,工农关系实现历史性的转变,标志着中国传统农业经济时代的结束,崭新的现代农业时代到来.农林牧渔业总产值指以货币表现的农、林、牧、渔业全部产品的总量,它反映一定时期内农业生产总规模和总成果.农林牧渔业总产值在国内总产值中占有重要地位,其发展对我国国民经济稳定快速发展有着深远的意义.农林牧渔业总产值在实际生活中受农业、林业、畜牧业及渔业等因素的影响.
1研究目的及方法
1.1研究目的
对中国现在正处于社会主义初期阶段,提高农林牧渔业总产值对国民经济有着重要意义.国民经济在一定的水平上影响的人民的生活水平,而人民的水平在一定程度在代表着社会的发展力,在这种情况下,我们应该采取一定的措施来发展农林牧渔业,现在选着以广西的农林牧渔业总产值来为例,研究农林牧渔业总产值与农业、林业、牧业、渔业等因素的关系,从而提出合理的建议,来发展国民经济.
1.2研究方法
社会的经济是复杂的,通常一种经济现象总是和多种现象相联系,一种社会经济与多种现象相联系的最简单形式,是一种解释变量与多种解释的现象关系.而在大多数多元线性回归在经过参数估计和模型检验后,应该对回归分析结果做出分析判断,如果某个变量对被解释的影响不显著,则在模型当中剔除该解释变量,此时应该重建多元回归模型.在本文中,我选着多元回归模型对农林牧渔总产值进行分析,然后给出多元回归模型建模过程的逻辑框图,再用文字对多元回归模型的建模过程进行分析叙述,最后以1990-2011年广西农林牧渔总产值为例,通过收集、整理、统计和分析数据得出农林牧渔的理论回归模型的数学形式,然后设定理论模型并用Eviews对理论模型进行分析通过模型分析之后,在选着图示检验法、DW检验法、L.M检验法等多种检验法来检验相关性.
2模型的准备
根据各经济学理论和日常生活经验,一个省的农林牧渔总产值对经济有着重要的影响,农林牧渔业总产值指数受往年来农业、林业、畜牧业和渔业指数等因素的影响,选取其中几个影响较大、具有代表性的因素作为模型的解释变量.其中,X1表示农业,X2表示林业,X3表示牧业,X4表示渔业,Y表示农林牧渔业总产值.在实际理论中,这几个变量间关系确定为是不变弹性的,而弹性是相对变动的比值。
其中我们也就可以建立对数模型,通过其弹性变化解释相对变动影响状况.
本文选择广西农林牧渔业总产值、农业、渔业、牧业及林业(各数据以亿元为单位)数据进行系统分析.
表一主要1990年到2011年农林牧渔业总产值(亿元)
年份
农林牧渔总产值Y
农业产值X1
林业产值X2
牧业产值X3
渔业产值X4
1990
252.22
149.69
18.05
75.50
8.98
1991
278.15
164.73
20.87
81.99
10.56
1992
333.12
188.65
26.77
100.71
16.99
1993
378.62
214.24
27.47
114.15
22.76
1994
516.46
283.71
31.78
164.02
36.95
1995
698.28
384.17
32.56
225.57
55.98
1996
821.55
450.52
38.14
263.80
69.09
1997
882.60
482.48
38.64
280.67
80.81
1998
865.90
476.24
37.75
263.96
87.95
1999
844.78
454.85
37.48
261.87
90.58
2000
828.97
418.83
38.76
275.33
96.05
2001
872.90
439.93
39.44
292.34
101.19
2002
916.50
465.47
39.81
306.50
104.72
2003
1030.89
500.82
53.80
342.83
115.53
2004
1294.53
623.09
58.07
460.68
133.78
2005
1448.37
711.89
61.68
511.60
143.61
2006
1622.22
807.90
79.75
540.17
135.40
2007
2026.22
970.55
99.78
710.17
178.32
2008
2389.79
1106.74
124.26
871.66
206.98
2009
2380.51
1134.98
132.27
812.46
216.95
2010
2720.99
1339.58
173.47
870.73
247.16
2011
3323.37
1602.48
217.41
1096.58
303.11
数据来源:
广西2012年统计年鉴
3多元线性回归模型的概念及基本假设
3.1多元线性回归模型的概念
多元线性回归模型是用两个或两个以上的解释变量来解释因变量的一种模型.设为Y因变量,
为k个用来说明Y的被称为解释变量的不同变量,其中X1恒等于1,则式
,(i=1,2…..n)称为多元线性回归模型.其中,
(i=1,2…..n)为随即扰动项,参数
称为回归系数.若令Y
则
(1)式可用矩阵形式表示为:
(2)式.
3.2多元线性回归模型的基本假设
3.2.1随机扰动项的数学期望为零
即
这意味着
为线性回归模型
(2)的总体回归函数.
3.2.2随机扰动项
的方差相等
即
,也称为同方差性.
3.2.3随机扰动项
和解释变量
不相关
数学表达式为:
.
3.2.4解释变量之间不存在多重共线性
所谓多重共线性是指解释变量之间存在完全或近似完全的线性相关
.
3.2.5随机扰动项
为服从正态分布的随机向量
4模型的估计和调整
经分析,影响农林牧渔业总产值指标的主要因素有农业指标、渔业指标、牧业及林业指标等.为了确定影响因素与其之间的数量关系,我设定回归方程,并进行拟定优化.分析此回归方程模型时,设定的模型为
其中Y是农林牧渔业总产值,作为因变量;X1是农业产值,
为影响系数,X2是林业产值,
为影响系数,X3是牧业产值,
为影响系数,X4是渔业产值,
为影响系数.
回归模型解释变量的系数比较小.考虑到农林牧渔业总产值指与农业产值、林业产值、牧业产值、渔业产值差距太大,在实际经济理论中,这几个变量间关系确定为是不变弹性的,而弹性是相对变动的比值.
图1农林牧渔总产值及相关数据图形
在表中可以看出Y、X1、X3、X4都是逐年,但增长速率有所变动,因此建立对数模型,通过其弹性变化解释相对变动影响状况.改变模型的形式.对方程两边去对数可得
表3广西农林牧渔总产值的回归结果
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1.018577
0.054644
18.64033
0.0000
LNX1
0.483589
0.026702
18.11028
0.0000
LNX2
0.074052
0.011104
6.668918
0.0000
LNX3
0.407503
0.023298
17.49127
0.0000
LNX4
0.048346
0.008633
5.600392
0.0000
R-squared
0.999931
Meandependentvar
6.862176
AdjustedR-squared
0.999915
S.D.dependentvar
0.732381
S.E.ofregression
0.006755
Akaikeinfocriterion
-6.960470
Sumsquaredresid
0.000776
Schwarzcriterion
-6.712506
Loglikelihood
81.56517
Hannan-Quinncriter.
-6.902057
F-statistic
61716.98
Durbin-Watsonstat
1.164619
Prob(F-statistic)
0.000000
由参数估计可知回归方程为:
(1)经济意义上的检验,系数符号均符合经济意义,农业、林业、畜牧业、渔业均对农林牧渔业总产值指数产生影响.当农林牧渔总产值增加1亿元时,农业、林业、牧业、渔业分别增加0.483589亿元、0.0774052亿元、0.407503亿元、0.048346亿元.
(2)拟合优度,在表3可知:
,这说明模型的拟合度很好
(3)F检验,
,在
的显著性水平下,F统计量的临界值为
F>F0.05(4,17),表明模型的线性关系显著成立,即自变量与因变量之间存在着影响联系.即农业产值、林业产值、牧业产值、渔业产值对农林牧渔业总产值有显著性影响.
(4)T检验:
由表数据可得,所以ln(X1)、ln(X3)、ln(X2)、ln(X4)的t统计量分别为
,在
的显著性水平下,t统计量的临界值为
,ln(X1)、ln(X3)、ln(X2)、ln(X4)的t统计量均大于临界值,也就是说,在其他解释变量不变的情况下,解释变量农业产值、林业产值、牧业产值、渔业产值分别对农林牧渔业总产值有显著性影响.
5回归模型检验
通过最小二乘法拟定了多元线性回归模型,我们需要运用模型进行实际意义的分析.就需要我们再对模型进行一系列相关的检验,模型只有通过检验,才能确定自己的实际意义.通常回归模型需要满足以下条件:
(1)线性性,即因变量的数学期望和未知参数之间有线性关系
;
(2)同方差性,即误差项
,
;
(3)正态性,在某些情况下要求
~
.
5.1White检验
通过怀特检验法对原始模型进行普通最小二乘法回归得到
表4White检验的结果
Coefficient
Std.Error
t-Statistic
Prob.
C
0.008986
0.005872
1.530144
0.1542
LNX1^2
-0.021724
0.023515
-0.923837
0.3754
LNX1*LNX2
-0.011595
0.020973
-0.552883
0.5914
LNX1*LNX3
0.074943
0.073144
1.024592
0.3276
LNX1*LNX4
-0.026553
0.027796
-0.955281
0.3600
LNX2^2
-0.010205
0.007465
-1.367059
0.1989
LNX2*LNX3
0.023640
0.030766
0.768368
0.4584
LNX2*LNX4
0.004131
0.011094
0.372381
0.7167
LNX3^2
-0.063028
0.061169
-1.030390
0.3250
LNX3*LNX4
0.036383
0.042252
0.861079
0.4076
LNX4^2
-0.006310
0.006723
-0.938566
0.3681
R-squared
0.471005
Meandependentvar
0.000756
AdjustedR-squared
-0.009899
S.D.dependentvar
0.000998
S.E.ofregression
0.001003
Akaikeinfocriterion
-10.66459
Sumsquaredresid
1.11E-05
Schwarzcriterion
-10.11907
Loglikelihood
128.3105
Hannan-Quinncriter.
-10.53608
F-statistic
0.979416
Durbin-Watsonstat
2.364899
Prob(F-statistic)
0.509147
从表可得到R2=0.722951,nR2=22*0.722951=15.904922,该值大于5%显著水平下、自由度为13的χ2分布的相应临界值χ2(0.05)=22.3621,因此,拒绝异方差的原假设,认为不存在异方差.该模型符合上述条件,即说明其他因素的影响对农林牧渔业总产值指数并没有更大的刺激作用,从而更加肯定了农业,林业、渔业这三个影响因素的显著影响.
模型设计时,将对被解释变量有影响的因素并入到随机误差项之中,如果这些被遗漏的解释变量的作用成为误差项的主要成分,他们会产生出系统性的、一贯性的作用,从而造成随机误差项前后期之间存在相关性.
序列相关性指对于不同的样本值,随机干扰之间不再是完全相互独立的,而是存在某种相关性.又称自相关(autocorrelation),是指总体回归模型的随机误差项之间存在相关关系.
在回归模型的古典假定中是假设随机误差项是无自相关的,即在不同观测点之间是不相关的.如果该假定不能满足,就称与存在自相关,即不同观测点上的误差项彼此相关.而当存在自相关时,如果忽视自相关问题,依然用满足古典假定的OLS法去估计参数及其方差,会低估真实的方差更会低估参数估计值的方差。
从而使得出来的结论的说服力下降。
自相关的程度可用自相关系数去表示,根据自相关系数的符号可以判断自相关的状态,如果<0,则ut与ut-1为负相关;如果>0,则ut与ut-1为正关;如果=0,则ut与ut-1不相关.
5.2图示检验法
图示检验法是一种直观的诊断方法,它是对给定的回归模型直接用普通最小二乘法估计其参数,求出残差项
,以残差
可以作为μt的估计,在描述
的散点图,根据
散点图来判断的相关性.残差
的散点图通常有两种绘制方式.
(1)绘制
和
的散点图
(2)按照时间顺序绘制回归残差项
的图形.
图2E(-1)对E的散点图
由图判断,不能确定随机干扰项是否存在序列相关性.因此我们利用D.W检验法判断其是否存在一阶序列相关.
5.3D.W检验
图3广西农林牧渔总产值的残差图
从图3中,残差的变动有系统模式,变化的比较频繁,故不能确定是否存在一阶序列相关性.在模型中t统计量和F统计量的结论很难有说服力。
表5广西农林牧渔总产值的对数回归结果
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1.018577
0.054644
18.64033
0.0000
L
- 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:
- 年度 论文 01