计量经济学论文资料.doc

《计量经济学论文资料.doc》由会员分享，可在线阅读，更多相关《计量经济学论文资料.doc（16页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、.中国粮食总产量多因素分析 专业年级： 13 金融（2 ）班 学号： 201312030140 姓名： 谢昊 摘要：本文选取 1990 年到 2013 年的相关数据，应用计量经济学所学知识对根据经济理论选取的影响我国粮食产量的各因素进行分析、检验，并对其影响程度的大小进行定量分析，进一步明确和完善相关的经济学知识。关键词：粮食产量 粮食播种面积 农用机械总动力 有效灌溉面积 农业化肥使用量1、文献综述农业作为我国最基础的产业，农产品的每年的产量直接关系着我们的民生，故而粮食的产量一直是我们最关心的。影响因素的分析首先，粮食作为农作物，其产量肯定会受到农用化肥施用量条件的影响其次，我认为粮食的播

2、种面积对于粮食产量也有一些影响最后，农业机械总动力也是影响粮食产量的一大重要因素二、数据收集与模型的建立（一）数据收集 1983年2009年中国粮食生产与相关投入的资料（表1）年份粮食总产量 Y粮食耕种面积(x1)农用化肥施用量(x2)农业机械总动力(x3)1990 44624 113466 2590.3 287081991 43529 112314 2805.1 293891992 44264 110560 2930.2 30308.1993 45649 110509 3151.9 318171994 44510 109544 3317.9 338021995 46662 110060 35

3、93.7 361181996 50454 112548 3827.9 385471997 49417 112912 3980.7 420161998 51230 113787 4083.7 452081999 50839 113161 4124.3 489962000 46218 108463 4146.4 525742001 45264 106080 4253.8 551722002 45706 103891 4339.4 579302003 43070 99410 4411.6 603872004 46947 101606 4636.6 640282005 48402 104278 476

4、6.2 683982006 49804 104958 4927.7 725222007 50160 105638 5107.8 765902008 52871 106793 5239 821902009 53082 108986 5404.4 874962010 54648 109876 5561.7 927802011 57121 110573 5704.2 977352012 58958 111205 5838.8 1025602013 60194 111956 5911.9 103907（二）模型设计为了具体分析各要素对我国粮食产量影响的大小，我们可以用粮食总产量（y）作为衡量，代表粮食

5、发展；用粮食耕种面积 （x1）、农用化肥施用量(x2)以及农业机械总动力（x3）。运用这些数据进行回归分析。采用的模型如下：y= 1+ 2x1+ 3x2+ 4x3+ui其中，y 代表粮食总产量，x1 代表粮食耕种面积，x2 代表农用化肥施用量，x3 代表农业机械总动力，u i代表随机扰动项。我们.通过对该模型的回归分析，得出各个变量与我国粮食产量的变动关系。三、模型估计和检验（一）模型初始估计（表二）Dependent Variable: YMethod: Least SquaresDate: 12/21/15 Time: 16:27Sample: 1990 2013Included obse

6、rvations: 24Variable CoefficientStd. Error t-Statistic Prob. C -44644.14 6601.867 -6.762350 0.0000X1 0.684116 0.053113 12.88043 0.0000X2 4.042971 0.974751 4.147697 0.0005X3 0.031032 0.038352 0.809131 0.4280R-squared 0.966281 Mean dependent var 49317.62Adjusted R-squared 0.961223 S.D. dependent var 4

7、867.060S.E. of regression 958.4155 Akaike info criterion 16.71945Sum squared resid 18371206 Schwarz criterion 16.91579Log likelihood -196.6334 F-statistic 191.0450Durbin-Watson stat 1.534928 Prob(F-statistic) 0.000000回归函数为： 12346.10846X.097.01iY X（6601.867） （0.053113） （0.974751） （0.038352）T=（-6.7623

8、50） （12.88043 ） （4.147697） （0.809131 ）2.9R2.3R F=.45（2）多重共线性检验相关系数矩阵（表三）X1 X2 X3X1 1 -0.267566314901 -0.23239867238X2 -0.267566314901 1 0.977074961235X3 -0.23239867238 0.977074961235 1.根据多重共线性检验，解释变量之间可能存在着线性相关。为了进一步了解多重共线性的性质，我们可以做辅助回归。（表四）被解释变量 可决系数 R2 的值 方差扩大因子X1 0.09019 1.09913X2 0.956409 22.940

9、5X3 0.955583 22.6398由上表可以得知，辅助回归的可决系数很高，经验表明，方差扩大因子 =10 时，通常说明该解释变量与其余解释变量之间有严重jVIF的多重共线性，这里的 x2、x3 的方差扩大因子远大于 10，表明存在严重的多重共线性问题。为了进一步筛选并剔除引起多重共线性分变量，需要采用逐步回归的方法。分别作 Y 对 X1、X2、X3 的一元回归，意愿回归结果如下表（表五）变量 X1 X2 X3参数估计值 0.369628 4.071071 0.162556t 统计量 1.472800 6.754246 6.867695R2 0.089748 0.674652 0.6819

10、210.048373 0.659863 0.667463(表六)X1 X2 X3 2RX1、X3 0.641034（9.246298）0.186325（16.84505） 0.937277X2、X3 1.587586(0.558181)0.100949（0.893659） 0.686571.通过采用剔除变量法，多重共线性的修正结果如下：剔除 X2。（表七）Dependent Variable: YMethod: Least SquaresDate: 12/25/15 Time: 10:06Sample: 1990 2013Included observations: 24Variable Co

11、efficientStd. Error t-Statistic Prob. C -31636.64 7732.436 -4.091419 0.0005X1 0.641034 0.069329 9.246298 0.0000X3 0.186325 0.011061 16.84505 0.0000R-squared 0.937277 Mean dependent var 49317.62Adjusted R-squared 0.931303 S.D. dependent var 4867.060S.E. of regression 1275.661 Akaike info criterion 17

12、.25679Sum squared resid 34173555 Schwarz criterion 17.40404Log likelihood -204.0814 F-statistic 156.9019Durbin-Watson stat 1.001388 Prob(F-statistic) 0.000000修正后方程为 12316.4030.865iYX(7732.436) (0.069329) (0.011061)T= (-4.091419) (9.246298) (16.84505)2.97R 2.9R .91F（三）异方差检验（表八）ARCH Test:F-statistic 0

13、.037667 Probability 0.847978Obs*R-squared 0.041181 Probability 0.839189Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/24/15 Time: 18:58Sample(adjusted): 1991 2013Included observations: 23 after adjusting endpointsVariable CoefficientStd. Error t-Statistic Prob. .C 1280357. 504

14、218.4 2.539291 0.0191RESID2(-1) 0.041531 0.213987 0.194081 0.8480R-squared 0.001790 Mean dependent var 1341173.Adjusted R-squared -0.045743 S.D. dependent var 1852594.S.E. of regression 1894492. Akaike info criterion 31.82974Sum squared resid 7.54E+13 Schwarz criterion 31.92848Log likelihood -364.04

15、20 F-statistic 0.037667Durbin-Watson stat 1.986528 Prob(F-statistic) 0.847978由上表可以得知，（n-p） =0.041181，给定显著性水平为 0.05，2R查 分布表得临界值 （p）=5.9915（n-p） ,则接受原假设，2 2R表明模型中的随机误差项不存在异方差。（四）自相关检验（表九）Dependent Variable: YMethod: Least SquaresDate: 12/25/15 Time: 10:06Sample: 1990 2013Included observations: 24Varia

16、ble CoefficientStd. Error t-Statistic Prob. C -31636.64 7732.436 -4.091419 0.0005X1 0.641034 0.069329 9.246298 0.0000X3 0.186325 0.011061 16.84505 0.0000R-squared 0.937277 Mean dependent var 49317.62Adjusted R-squared 0.931303 S.D. dependent var 4867.060S.E. of regression 1275.661 Akaike info criter

17、ion 17.25679Sum squared resid 34173555 Schwarz criterion 17.40404Log likelihood -204.0814 F-statistic 156.9019Durbin-Watson stat 1.001388 Prob(F-statistic) 0.00000012316.4030.865iYX(7732.436) (0.069329) (0.011061)T= (-4.091419) (9.246298) (16.84505)2.97R 2.9R .91F查 DW 表可知，dl=1.188，du=1.546,模型中 DW （20） ，所以拒绝 H0：0.25 0.25t=0，因为 t（ ） （20） ，所以拒绝 H0： =0，因120.25 2为 t（ ） （20 ） ,所以接受 H0 ： =0。对斜率系数的显10.5 1著性表明，解释变量 “粮食耕种面积”和“农用化肥施用量”对被解释变量“粮食总产量”有显著影响。四、结论分析和政策建议（一）主要结论1）从模型可以看出农民对化肥的投入量，即模型中的化肥施用量，是影响粮食总产量增产的最显著因素，说明我国目前农业生产中，农民对农业的投入所产生的效益最大。