影响我国农业总产值的因素.docx

影响我国农业总产值的因素.docx

《影响我国农业总产值的因素.docx》由会员分享，可在线阅读，更多相关《影响我国农业总产值的因素.docx（15页珍藏版）》请在冰豆网上搜索。

影响我国农业总产值的因素

影响我国农业总产值的因素

【内容摘要】本文根据我国农业的现状，并且从计量经济学的角度来检验哪些因素对于农业生产总值有显著的影响。

根据计量经济学原理，在模型中我引入了四个变量：

受灾面积，农业从业人员数，农业机械总动力以及农作物播种面积。

并收集了1980年至2009年三十年的全国的时间序列数据，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，近三十年来农业机械总动力和播种面积因素对于农业生产总值有显著的正面影响，而农业从业人员和受灾面积虽然与农业生产总值有负面的影响，但影响不显著。

【关键词】农业生产总值；受灾面积；农业从业人员；农业机械总动力；播种面积

一、引言

随著经济社会发展以及人口的增加，我国粮食等主要农产品的消费需求不断增加。

与此同时，随著工业化、城镇化的推进，用于农业生产的耕地资源和淡水资源逐步减少。

中国已是一个有着13亿人口的农业大国，农业生产在整个国民经济结构中占有举足轻重的地位，我国的农业发展也深受人口和经济发展的压力。

根据联合国粮农组织1989年生产年鉴，我国全年谷物总产3.65亿吨，位居世界第一，但是若按人口平均，则我国平均每人谷物产量327公斤，低于年度世界人均的358公斤水平，更是远远低于美国1146公斤的人均水平。

如果我国的农业不发展，则会使我国的农民和农村人口无法摆脱贫困，也将会严重的妨碍我国整个国民经济的发展。

那么，在如今我国农业落后的情况下，该如何才能更好的发展农业？

怎样发展才能更好的满足我国人口对于粮食的需求？

针对这些问题，本文收集了从1980年至2009年三十年的全国的时间顺序数据，并加以数据分析及比较数据分析，讨论影响农业总产出的主要因素是什么及这些因素的发展变化。

本文以下的章节的内容安排如下：

第二章为文献综述；第三章为数据统计分析；第四章为运用OLS估计方法对模型参数进行估计；第五章为相关建议。

二、文献综述

在阅读了很多与农业生产总值有关的其他论文之后，我发现可以把论文分成两类。

第一类是数据的收集是连续几年的全国各个省市、自治区的面板数据。

如李林所著的《中国农业发展》中，就是运用了2006年全国各个省市、自治区的面板数据作为例子介绍了2006年我国农业的总体情况。

又如刘进宝、张延君所著的《农业收入影响因素的计量经济分析》中，就是用了河南省各个地区几年的农业生产总值的数据做分析的。

再如方鸣所写的《影响我国农业产出绩效主要因素的实证分析》中，就利用了近几年的中国各个省市、自治区的面板数据做分析，从而得出重要的因素。

第二类论文是数据收集是全国的时间序列数据。

如贵州财经学院、数学与统计学院的印明辉所写的《我国农业生产总值预测模型的探讨》中，就是1995年到2007年全国的农业生产总值与农作物播种面积，农村居民家庭收入，农村固定资产投资，成灾面积，能源消费总量，农业从业人员，农业各税之间的关系。

又如天津财经大学的李实所写的《云南省农业生产总值影响因素实证分析》中，选取了1978年到2010年的云南省的农业生产总值进行分析，并且还预测了2011年云南省的农业总产值情况。

再如扈云所著的《农业占国内生产总值的比重》中，就利用连续的十年全国的农业生产总值的数据得出农业占了我国十分大的比重。

总而言之，这两类的论文从不同的角度和方法分析了影响我国农业生产总值的重要因素。

而本论文则是属于后者，数据收集了1980年至2009年三十年全国的时间序列数据。

虽然类型相同，但对于变量来说，我研究的是农业生产总值与受灾面积之间、农业从业人员数、农业机械总动力以及农作物播种面积的关系。

并结合了各种参考文献，从国家统计局及各大农业网站上收集了关于农业生产总值的真实的数据，用计量经济学的方法探讨农业生产总值的各种影响因素。

三、数据统计分析

（一）、关于农业生产总值

由上图可以看出，农业生产总值整体是随着时间的推移逐渐递增的。

从1980年开始到1987年都是平稳的上升，而1988年开始到1995年有一个显著的上升。

而之后的一直到2002年的几年都是呈现平稳的态势上升。

2002年后的农业生产总值开始有了一个大幅度的增长态势，直至2009年。

我想，2002是我国进入WTO的第一年，这对于农业也有着一个很大的冲击。

外来的农业竞争压力使得我国的农业有了一定的压力，使之迫切的增长起来。

而从1996年开始提出“三农”问题后，直至2001年底才正式确定落实，这一点也是从2002年后农业生产总值有了大幅度的提升的另一个原因。

（二）、影响农业生产总值的因素

1、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。

农业生产总值反映了一个国家或地区农业生产的总规模和总水平。

2、受灾面积：

因灾减产1成以上的农作物播种面积。

如果同一地块的当季农作物多次受灾，只计算其中受灾最重的一次。

下图为受灾面积与农业生产总值的关系

3、农村从业人员：

农村从业人员指乡村人口中16岁以上实际参加生产经营活动并取得实物或货币收人的人员，既包括劳动年龄内实际参加劳动人员，也包括超过劳动年龄但实际参加劳动的人员，但不包括户口在家的在外学生、现役军人和丧失劳动能力的人，也不包括待业人员和家务劳动者。

劳动者年龄为16岁以上。

下图为农业从业人员数与农业生产总值的变化

4、农业机械总动力：

指主要用于农、林、牧、渔业的各种动力机械的动力总和。

农业机械总动力包括耕作机械、排灌机械、收获机械、农用运输机械、植物保护机械、牧业机械、林业机械、渔业机械和其他农业机械〔内燃机按引擎马力折成瓦（特）计算、电动机按功率折成瓦特计算〕。

不包括专门用于乡、镇、村、组办工业、基本建设、非农业运输、科学试验和教学等非农业生产方面用的动力机械与作业机械。

这个指标的统计数据主要来源于农机部门。

下图为农业机械总动力与农业生产总值的关系

5、农作物播种面积：

指实际播种或移植有农作物的面积。

凡是实际种植有农作物的面积，不论种植在耕地上还是种植在非耕地上，均包括在农作物播种面积中。

在播种季节基本结束后，因遭灾而重新改种和补种的农作物面积，也包括在内。

目前，农作物播种面积主要包括粮食、棉花、油料、糖料、麻类、烟叶、蔬菜和瓜类、药材和其它农作物九大类。

下图为农作物播种面积与农业生产总产值的关系

（三）、数据的预处理

Y——农业生产总值

X1——受灾面积

X2——从业人员

X3——农业机械总动力

X4——农作物播种面积

（四）、各变量统计量信息

Y

X1

X2

X3

X4

均值

19869.26

47825.25

33885.70

41808.09

149911.5

中位数

18045.70

48644.50

34395.00

34960.30

149991.7

最大值

60361.01

55472.00

39098.00

87496.10

158639.3

最小值

1397.000

37106.26

28318.00

11749.90

135205.9

标准离差

17068.08

5069.155

3075.612

21324.05

5649.440

观测值

30

30

30

30

30

四、运用OLS估计方法对模型参数进行估计

（一）、检验方程中变量的多重共线性：

Y

X1

X2

X3

X4

Y

1.000000

-0.270289

0.000220

0.981994

0.778511

X1

-0.270289

1.000000

0.195660

-0.266104

-0.013953

X2

0.000220

0.195660

1.000000

0.085166

0.301057

X3

0.981994

-0.266104

0.085166

1.000000

0.767764

X4

0.778511

-0.013953

0.301057

0.767764

1.000000

由表格可以看出，X3、X4之间存在着多重共线性。

但他们之间的相关系数小于0.8，线性关系不是很显著，所以，最后决定予以保留其变量。

（二）、对方程建立一般的回归模型，即：

Y=C+

+

+

+

+

（三）、E-views回归数据：

DependentVariable:

Y

Method:

LeastSquares

Date:

12/28/11Time:

15:

39

Sample:

130

Includedobservations:

30

Y=C

（1）+C

（2）*X1+C（3）*X2+C（4）*X3+C（5）*X4

Coefficient

Std.Error

t-Statistic

Prob.

C

（1）

-45588.67

20384.94

-2.236390

0.0345

C

（2）

-0.032436

0.112421

-0.288526

0.7753

C（3）

-0.624335

0.183495

-3.402455

0.0023

C（4）

0.712406

0.041995

16.96392

0.0000

C（5）

0.389436

0.159018

2.449010

0.0217

R-squared

0.976950

Meandependentvar

19869.26

AdjustedR-squared

0.973262

S.D.dependentvar

17068.08

S.E.ofregression

2790.948

Akaikeinfocriterion

18.85716

Sumsquaredresid

1.95E+08

Schwarzcriterion

19.09070

Loglikelihood

-277.8574

F-statistic

264.8963

Durbin-Watsonstat

0.453737

Prob（F-statistic）

0.000000

将回归结果整理如下：

Y=-45588.67-0.032436*X1-0.624335*X2+0.712406*X3+0.389436*X4

（20384.94）（0.112421）（0.183495）（0.041995）（0.159018）

t=（-2.236390）（-0.288526）（-3.402455）（16.96392）（2.449010）

=0.976950F=264.8963

分析：

=0.976950，表明方程拟合度好，F=264.8963，表明方程总体是显著的。

（四）、对模型的变量取对数：

根据生产函数的定义：

Q=A

，所以对于

——从业人员数取对数，即：

Y=C+

+

+

+

+

DependentVariable:

Y

Method:

LeastSquares

Date:

12/28/11Time:

15:

58

Sample:

130

Includedobservations:

30

Y=C

（1）+C

（2）*X1+C（3）*LOG（X2）+C（4）*X3+C（5）*X4

Coefficient

Std.Error

t-Statistic

Prob.

C

（1）

153962.3

59805.87

2.574368

0.0164

C

（2）

-0.033103

0.112064

-0.295396

0.7701

C（3）

-21112.84

6149.664

-3.433169

0.0021

C（4）

0.714406

0.041771

17.10277

0.0000

C（5）

0.385296

0.158080

2.437354

0.0222

R-squared

0.977081

Meandependentvar

19869.26

AdjustedR-squared

0.973414

S.D.dependentvar

17068.08

S.E.ofregression

2782.973

Akaikeinfocriterion

18.85144

Sumsquaredresid

1.94E+08

Schwarzcriterion

19.08497

Loglikelihood

-277.7716

F-statistic

266.4527

Durbin-Watsonstat

0.453358

Prob（F-statistic）

0.000000

将回归结果整理如下：

Y=153962.3-0.033103*X1-21112.84*logX2+0.714406*X3+0.385296*X4

（59805.87）（0.112064）（6149.664）（0.041771）（0.158080）

t=（2.574368）（-0.295396）（-3.433169）（17.10277）（2.437354）

=0.977081F=266.4527

分析：

=0.977081，表明方程拟合度好，F=266.4527，表明方程总体是显著的。

（五）、两个模型的比较

模型1

模型2

系数

T值

系数

T值

C

（1）

-45588.67

-2.23639

153962.3

2.574368

C

（2）

-0.032436

-0.288526

-0.033103

-0.295396

C（3）

-0.624335

-3.402455

-21112.84

-3.433169

C（4）

0.712406

16.96392

0.714406

17.10277

C（5）

0.389436

2.44901

0.385296

2.437354

R-squared

0.97695

0.977081

F-statistic

264.8963

266.4527

Durbin-Watsonstat

0.453737

0.453358

Prob（F-statistic）

0.000000

0.000000

观测值

30

30

对于上表中的比较数据可以看出，对农业从业人数取对数并没有影响各个变量前的系数的符号，只是稍微影响了系数的大小，而t值的大小也没有什么很大的改变。

模型2的R平方比模型1的略大，F也略大，不过可以看出，无论是对于哪个模型来说，方程的拟合度都是很好的，总体也都是十分显著的，所以都是比较理性的模型。

在此基础上，我选取模型2作为最终的模型。

（六）、异方差检验

用white检验：

WhiteHeteroskedasticityTest:

F-statistic

0.928203

Probability

0.513956

Obs*R-squared

7.836899

Probability

0.449563

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

12/28/11Time:

16:

09

Sample:

130

Includedobservations:

30

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-1.28E+09

1.07E+09

-1.197269

0.2445

X1

4421.409

5900.462

0.749333

0.4620

X1^2

-0.046602

0.063532

-0.733520

0.4714

X2

23564.40

35257.81

0.668346

0.5112

X2^2

-0.340365

0.496300

-0.685805

0.5003

X3

-95.10139

1746.240

-0.054461

0.9571

X3^2

0.001168

0.016488

0.070818

0.9442

X4

10165.48

15109.49

0.672788

0.5084

X4^2

-0.033178

0.051973

-0.638382

0.5301

R-squared

0.261230

Meandependentvar

6454115.

AdjustedR-squared

-0.020206

S.D.dependentvar

7869161.

S.E.ofregression

7948267.

Akaikeinfocriterion

34.85813

Sumsquaredresid

1.33E+15

Schwarzcriterion

35.27849

Loglikelihood

-513.8720

F-statistic

0.928203

Durbin-Watsonstat

1.450153

Prob（F-statistic）

0.513956

由表中数据得到：

Obs*R-squared=7.836899，查分布表

=9.49，因此Obs*R-squared=7.836899＜

=9.49，不存在异方差。

所以综上，回归方程为：

Y=153962.3-0.033103*X1-21112.84*logX2+0.714406*X3+0.385296*X4

（59805.87）（0.112064）（6149.664）（0.041771）（0.158080）

t=（2.574368）（-0.295396）（-3.433169）（17.10277）（2.437354）

=0.977081F=266.4527

（七）、总结：

（1）、当其他因素不变时，受灾面积每增加一千公顷，农业生产总值就平均减少0.033103亿元。

（2）、当其他因素不变时，从业人员每增加十万人，农业生产总值就平均减少21112.84亿元。

（3）、当其他因素不变时，农业机械总动力每增加一万千瓦，农业生产总值就平均增加0.714406亿元。

（4）、当其他因素不变时，农作物播种面积每增加一千公顷，农业生产总值就平均增加0.385296亿元。

（八）、结论：

从上述的回归方程的分析中可以看出，与农业生产总值有着显著关系的是农业机械总动力，这就说明了中国农业机械化的发展。

表明了中国最近几年对于农业机械的不断发展与创新。

这大大提高了我国的农业生产总值。

而且从改革开放以来，我国不断的吸收外国的新鲜技术以及新机器，这也使得我国农业机械化有了一个很好的发展。

其次，对于我国农业生产总值另一显著关系的是农作物的播种面积，这一点是毋庸置疑的，农作物播种面积越大，则农业生产总值也越多；而对于农业受灾面积来说，农业生产总值与农业受灾面积呈现出反向的关系。

这一点也是与经济意义相符合的。

虽然在回归方程中受灾面积不是那么显著，这也许是因为我国可以很好的控制住受灾的面积，使之不会大规模的破坏农作物，影响收成。

但是可以确定的是，如果农作物播种面积更广，农业受灾面积更少，那么，农业生产总值也会有所提高。

最后是关于农业从业人员的分析。

这一点是应着重说明的。

由回归方程可以看出，农业从业人员越少，反而农业生产总值越多。

我认为，这其中有两点的原因。

其一，我国农业劳动力过剩有。

正因为如此，再多的农业从业人员，我国的农业生产总值也不会有多大的增加。

这一点也大大制约了我国农业的发展。

其二，我国的农业机械总动力的发展程度大大高于了农业从业人员减少的程度。

我国从改革开放以来，农业机械总动力的发展得到了大大的提高，所以农业从业人员的人数再也不是提高我国农业生产总值的一个必要因素了。

近年来，我国农业从业人数慢慢的减少，逐渐从农村转移到了城市工作。

但新技术的提高却还是使我国农业生产总值提高，所以这使得我国农业从业人员数与农业生产总值形成了负相关的原因。

总的来说解决农业劳动力过剩的问题，使流入城市工作的农村从业人员适应城市的节奏和生活，对于我国来说是刻不容缓的。

其次，还有别的因素影响着农业生产总值，比如耕地面积、政府对于农业的财政支出、化肥的施用量等。

因为有这些因素的存在，所以使上述的回归方程的拟合度为97.7081%，而不是100%。

五、相关建议

1、继续大力发展我国的农业机械，使农业机械总动力增加。

应该多多培养和发展那些农业机械的研发人员，创新出更加高效率的农业机械。

或者也可以吸收国外的先进技术来帮助提高我国的农业机械总动力。

相同的也应该发展相关的技术，如种质的资源创新、杂交技术的发展等，使我国的农产品在品质和数量上在全世界更具有竞争力。

2、解决我国农业劳动力过剩的问题。

据调查，今年的大城市的用工荒极为严重。

而农业劳动力却过剩。

所以政府应该想办法使得过剩的农业劳动力转向大城市的用工荒的岗位。

不过由于我国户籍制度的原因，使得我国劳动力流通十分困难，而有些农业劳动力是因为觉得大城市的用工条件过低而不愿意去，有些公司企业则是无法负担聘请更高的劳动力，所以这就使得供需之间无法达到一个平衡。

那么政府则可以出台一些政策使得企业的负担减轻，也让过剩的农业劳动力满意用工条件，而转向那些用工荒的岗位。

3、提高农民组织化程度，并提高农民的总体素质。

在现代化的生产中，信息和知识对于农业生产总值来说显得更为重要。

如何防止农业的受灾，如何合理的施肥，如何防止害虫等，这些对于农业都是十分重要的。

所以要把农民组织起来，产生规模经济效应，并且要教授农民这些基本的常识，学会用电脑，这样就能大大的提高农民的整体素质，使得他们更加了解现代化的技术以及人们的需求。

让我国的农业产品能够保质保量，满足我国13亿人口的需求，也可以抵抗外来的竞争压力，甚至是出口到国外。

4、财政补贴。

政府除了在技术上、人员上对于农民的帮助之外，也可以对他们有些财政上的补贴。

如减少税收，菜价上的补贴，或者是政府直接批发购买农民的产出，解决其出售的渠道问题，也帮助农民解决价格上的打压。

这样便能提高农民的积极性，使农业生产总值能够提高。

【参考文献】

1、《中国统计年鉴》

2、[美]杰弗里·M·伍德里奇，著《计量经济学导论》

3、[中]杨戈，著《走向现代农业——农业现代化与创新》

4、[中]李林，著《中国农业发展》

5、[中]漆莉莉，著《国内生产总值预测模型与经济分析》

6、[中]扈云，著《农业占国内生产总值的比重》

7、[中]印明辉，著《我国农业生产总值预测模型的探讨》

8、[中]李实，著《云南省农业生产总值影响因素实证分析》

9、[中]李国祥，著《影响农业农村经济形势的主要外部因素》

10、[中]方鸣，著《影响我国农业产出绩效主要因素的实证分析》

11、[中]刘进宝、张延君，著《农业收入影响因素的计量经济分析》

附件：

时间　

农业生产总值（亿元）

受灾面积（千公顷）

从业人员（万人）

农业机械总动力（万千瓦）

农作物播种面积（千公顷）

1980

1397

50807

28318