计量经济学实验论文设计.docx
- 文档编号:6365345
- 上传时间:2023-01-05
- 格式:DOCX
- 页数:19
- 大小:100.73KB
计量经济学实验论文设计.docx
《计量经济学实验论文设计.docx》由会员分享,可在线阅读,更多相关《计量经济学实验论文设计.docx(19页珍藏版)》请在冰豆网上搜索。
计量经济学实验论文设计
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
<0,则农业总产值与有效灌溉面积成负相关,若
=0,则农业总产值与有效灌溉面积无相关关系。
农业总产值与农业机械总动力和农用化肥施用折纯量之间的相关关系判断同有效灌溉面积。
随机扰动项
中代表对Y由影响但又未纳入模型的诸多因素的综合影响。
例如:
一些未被认识或尚不能肯定的一些未知因素,模型设定的误差以及变量的观测误差等等。
3.数据的来源
综合权衡数据可得性及其他相关因素的影响,本文将采用全国31个省2013年的截面数据对中国农业总产值及其影响因素进行了深入研究,农业总产值、有效灌溉面积、农业机械总动力、农用化肥施用折纯量等相关数据来源于国家统计局全国年度统计数据。
4.数据的收集及处理
为了研究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,本文选取了全国31个省2013年的面板数据作为样本。
其中,假设农业总产值(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,样本数据如下表所示:
表3—1中国31个省的农业总产值及其影响因素数据
obs
Y
X1
X2
X3
1
170.4100
153.0200
207.7200
12.78000
2
217.1600
308.8700
554.1800
24.34000
3
3473.270
4349.030
10762.72
331.0400
4
932.1400
1382.790
3183.300
121.0200
5
1328.070
2957.760
3430.570
202.4200
6
1673.860
1407.840
2631.980
151.7600
7
1261.680
1510.130
2730.040
216.7900
8
2856.340
5342.120
4849.280
244.9600
9
172.2800
184.0900
113.1700
10.78000
10
3167.780
3785.270
4405.620
326.8300
11
1336.790
1409.390
2462.200
92.43000
12
2003.260
4305.530
6140.280
338.4000
13
1376.290
1122.420
1336.760
120.5700
14
1072.800
1995.600
2014.130
141.5800
15
4509.880
4729.030
12739.83
472.6600
16
4202.300
4969.110
11149.96
696.3700
17
2678.080
2791.410
4081.050
351.9300
18
2726.750
3084.300
5433.990
248.1900
19
2444.700
1770.760
2564.890
243.9100
20
1868.300
1586.370
3382.980
255.7000
21
485.4000
260.9300
502.1000
47.57000
22
909.1800
675.1800
1198.880
96.64000
23
2903.480
2616.540
3953.090
251.1400
24
997.1200
926.9000
2240.800
97.42000
25
1639.400
1660.270
3070.330
219.0200
26
57.92000
239.2700
517.3000
5.700000
27
1714.790
1209.940
2452.720
241.7300
28
1104.470
1284.080
2418.460
94.71000
29
138.3500
186.9000
410.5800
9.800000
30
269.0000
498.5600
801.9800
40.44000
31
1806.110
4769.890
2165.860
203.2200
注:
资料来源:
国家统计局
Y:
农业总产值(单位:
亿元)
:
有效灌溉面积(单位:
千公顷)
:
农业机械总动力(单位:
万千瓦)
:
农用化肥施用折纯量(单位:
万吨)
5.变量间相关关系分析
(1)计算相关系数,如表3—2:
(2)表3—2中国农业总产值及其影响因素相关系数矩阵
Y
X1
X2
X3
Y
1.000000
0.854972
0.893869
0.919006
X1
0.854972
1.000000
0.804146
0.816556
X2
0.893869
0.804146
1.000000
0.877528
X3
0.919006
0.816556
0.877528
1.000000
从表2中看出,农业总产值(Y)与有效灌溉面积(
)的相关系数为0.854972,呈高度正相关,与农业机械总动力(
)相关系数为0.893869,呈高度正相关,与农用化肥施用折纯量(
)的相关系数为0.893869,呈高度正相关。
(3)绘图
图3—1Y与X1、X2、X3的线图
从图中可以看出,农业总产值及其影响因素的差异明显,其变动的方向基本相同,相互间可能具有一定的相关系。
图3—2Y与X1、X2、X3的散点图
从以上三个散点图中可以看出,大多数散点均匀分布在直线的两侧,说明农业总产值(Y)与有效灌溉面积(
)、农业机械总动力(
)、农用化肥施用折纯量(
)之间近似于线性关系。
6.模型的参数估计
Method:
LeastSquares
Date:
06/24/15Time:
21:
03
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
220.7614
124.4694
1.773619
0.0874
X1
0.175263
0.084105
2.083858
0.0468
X2
0.110792
0.052506
2.110101
0.0443
X3
3.724238
1.118091
3.330890
0.0025
R-squared
0.894734
Meandependentvar
1661.205
AdjustedR-squared
0.883038
S.D.dependentvar
1203.481
S.E.ofregression
411.5873
Akaikeinfocriterion
14.99783
Sumsquaredresid
4573910.
Schwarzcriterion
15.18286
Loglikelihood
-228.4664
Hannan-Quinncriter.
15.05815
F-statistic
76.49777
Durbin-Watsonstat
2.267030
Prob(F-statistic)
0.000000
F
图3—3Y与X1、X2、X3的回归分析结果
运用最小二乘估计法对模型进行估计,如图3—3,则回归结果为:
S.E(124.4694)(0.084105)(0.052506)(1.118091)
t(1.773619)(2.083858)(2.110101)(3.330890)
F=76.49777DW=2.267030n=31
该模型中,可决系数
=0.894734,修正可决系数
=0.883038,这说明模型对样本的拟合很好,参数t检验均显著,F检验也显著,解释变量参数估计检验通过,各变量参数均为正值,说明模型的多重共线性比较弱,不需要修正。
但由于各地区的环境存在着差异,农业总产值也不同,这种差异使得模型很容易产生异方差,从而影响模型的估计和应用。
为此,需对模型是否存在异方差进行检验。
7.模型的检验
(1)异方差
①异方差的检验
a.残差图形分析
图3—4E2与
(i=1,2,3)的散点图
从图中看出,残差平方E2随
的增加而增加,表明
可能存在异方差,但由于图形分析对异方差性的判断比较粗糙,仅靠图形判断很难确定是否存在异方差,因此是否确实存在异方差还应通过进一步的检验。
b.White检验
F-statistic
3.591375
Prob.F(9,21)
0.0075
Obs*R-squared
18.79124
Prob.Chi-Square(9)
0.0270
ScaledexplainedSS
14.94045
Prob.Chi-Square(9)
0.0926
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
06/24/15Time:
22:
40
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
22653.21
74650.51
0.303457
0.7645
X1
105.9626
229.3547
0.462003
0.6488
X1^2
-0.089549
0.037311
-2.400089
0.0257
X1*X2
0.035884
0.045393
0.790531
0.4381
X1*X3
1.595706
0.985716
1.618829
0.1204
X2
-78.72186
126.9909
-0.619902
0.5420
X2^2
-0.026370
0.013960
-1.888990
0.0728
X2*X3
0.670058
0.575600
1.164104
0.2574
X3
725.5308
1394.214
0.520387
0.6082
X3^2
-14.25891
7.219043
-1.975181
0.0615
R-squared
0.606169
Meandependentvar
147545.5
AdjustedR-squared
0.437384
S.D.dependentvar
217151.7
S.E.ofregression
162880.5
Akaikeinfocriterion
27.09512
Sumsquaredresid
5.57E+11
Schwarzcriterion
27.55769
Loglikelihood
-409.9743
Hannan-Quinncriter.
27.24591
F-statistic
3.591375
Durbin-Watsonstat
2.208639
Prob(F-statistic)
0.007539
图3—5white检验结果
从图中可以看出,
由White检验,在α=0.05下,查χ分布表,得临界值
,比较计算的
统计量与临界值,因为
>
,所以拒绝原假设,不拒绝备择假设,表明模型存在异方差。
②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,将权数取为w=1/ee^2,对模型进行参数估计,得到下图3—6,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:
LeastSquares
Date:
06/24/15Time:
23:
13
Sample:
131
Includedobservations:
31
Weightingseries:
1/EE^2
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
209.1896
3.596370
58.16689
0.0000
X1
0.157235
0.034641
4.539015
0.0001
X2
0.132225
0.010062
13.14117
0.0000
X3
3.550598
0.141710
25.05541
0.0000
WeightedStatistics
R-squared
0.999687
Meandependentvar
992.3950
AdjustedR-squared
0.999652
S.D.dependentvar
5188.937
S.E.ofregression
2.275971
Akaikeinfocriterion
4.602605
Sumsquaredresid
139.8612
Schwarzcriterion
4.787635
Loglikelihood
-67.34037
Hannan-Quinncriter.
4.662920
F-statistic
28734.73
Durbin-Watsonstat
1.806726
Prob(F-statistic)
0.000000
UnweightedStatistics
R-squared
0.893932
Meandependentvar
1661.205
AdjustedR-squared
0.882147
S.D.dependentvar
1203.481
S.E.ofregression
413.1517
Sumsquaredresid
4608747.
Durbin-Watsonstat
2.223261
图3—6用权数w的估计结果
(2)自相关
①自相关的检验
图3—7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3—8,
其p值为0,表明存在自相关。
Breusch-GodfreySerialCorrelationLMTest:
F-statistic
34.64575
Prob.F(2,25)
0.0000
Obs*R-squared
22.78081
Prob.Chi-Square
(2)
0.0000
TestEquation:
DependentVariable:
RESID
Method:
LeastSquares
Date:
06/25/15Time:
18:
04
Sample:
131
Includedobservations:
31
Presamplemissingvaluelaggedresidualssettozero.
Weightseries:
1/EE^2
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
72.61083
9.024447
8.046014
0.0000
X1
-0.163933
0.032609
-5.027235
0.0000
X2
0.024906
0.010444
2.384809
0.0250
X3
0.956530
0.139035
6.879776
0.0000
RESID(-1)
-0.068293
0.010052
-6.794224
0.0000
RESID(-2)
-0.112240
0.013571
-8.270310
0.0000
WeightedStatistics
R-squared
0.734865
Meandependentvar
0.323183
AdjustedR-squared
0.681838
S.D.dependentvar
2.134036
S.E.ofregression
1.217902
Akaikeinfocriterion
3.404122
Sumsquaredresid
37.08213
Schwarzcriterion
3.681668
Loglikelihood
-46.76389
Hannan-Quinncriter.
3.494595
F-statistic
13.85830
Durbin-Watsonstat
2.242564
Prob(F-statistic)
0.000002
图3—8BG检验结果
②自相关的修正
DependentVariable:
Y
Method:
LeastSquares
Date:
06/25/15Time:
22:
06
Sample(adjusted):
231
Includedobservations:
30afterad
- 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:
- 计量 经济学 实验 论文 设计