我国粮食产量的影响因素分析计量经济学模型
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素作者：耿心雨来源：《智富时代》2019年第08期【摘要】农业是一个国家经济发展的基础，而粮食作为人类生存发展的必需品，维系着社会的稳定和经济的发展。
中国人口基数大，增长快，保障粮食安全对促进社会和谐具有重要意义。
目前，随着我国农业技术的进步以及各项惠农政策的出台，农业现代化水平逐步提高，粮食产量呈上涨趋势。
本文主要选取我国2000-2015年的数据，借助线性回归方法建立了影响粮食产量的计量经济模型，并借助E-views软件对模型进行相关的OLS等分析，提出了进一步促进粮食产量增加的相关建议。
【关键词】粮食产量、农药使用量、粮食作物播种面积、农业机械总动力、回归分析一、引言21世纪以来，我国的粮食产量总体上还是呈现不断上涨的趋势，而保障粮食安全作为改善民生的关键，一直备受人们关注。
影响粮食产量的因素众多，为了能够进一步提高其产量，必须要对其中几个关键因素进行分析，并且找出影响程度最大的因素，再根据相应的结果为我国粮食产量的增产提出可行建议。
二、模型的初步设定（一）变量的选取影响粮食产量的因素有很多，本文主要选取：农药使用量、粮食作物播种面积、农业机械总动力这三个因素进行分析。
同时通过国家统计局官网2000年—2015年的15组数据来说明这些因素是如何影响粮食产量的。
（二）数据来源模型数据主要摘自中国国家统计局公布的《中国统计年鉴》，信息真实可靠。
1、变量的选择假设粮食产量与农药使用量、粮食作物播种面积和农业机械总动力之间存在线性关系，其中Y表示粮食产量，X1表示农药使用量，X2表示粮食作物播种面积，X3表示农业机械总动力。
样本时间是从2000年—2015年，样本大小：n=152、计量经济模型的确定建立粮食产量与农药使用量、粮食作物播种面积和农业机械总动力的一个三元线性回归模型：Y=β0+β1X1+β2X2+β3X3+μ其中，β0、β1、β2、β3是待定参数，μ是扰动项。
浅析我国粮食产量的影响因素——基于计量经济模型的分析
理论研讨
浅析我 国粮 食产量 的影 响 因素
— —
基 于计量 经济模 型的分析
杨 玲 玲
（ 郑州大学商学院）
摘 要：本 文利 用 １ ９ ７ ８ －２ ｏ ｏ ６ 年我 国粮 食产量及相关统计 数据 ，
开始 的完全人 力与畜 力的耕作方 式到现 在完全机械化 ，我 国粮食 生
去掉解释变量 ｘ ３ 做Ｏ Ｌ Ｓ 回归得 ： ＝ ０ ． ８ ３ ３ ７ 去掉解释变量 ） （ ４ 做Ｏ Ｌ Ｓ 回归得 ： 瓦 ＝ ０ ． ９ ３ ０ ５
产方式有 了质 的飞跃 。因此考 虑农 业机械 总动力也是影响我 国粮食 生 产 的一个 主要 因素。
由分析可知 ， 化肥施用量对我 国粮食产量 的影响很大 ， 且与经验符
在任何一个经济领域 ，任何经济活动都是在市场规 律的作用下运
３ ． 化 肥 施 用 量
根据 ＯＬ Ｓ 回归得出 的结果可知 可 ｎ ａ ｘ ， ， ， Ｉ ２ ） ＝ ＝ ｏ ． ９ ４ １ ６ ， 且与 锄 ． ９ ４ ５ ９ 很接近 ，说明原模型中去掉 ｘ ２ 后相关程度没有发生明显
的变化 ， 因此 ｘ 可能是引起 多重共线性产生 的变量 。 ２ ． 多重共线 ｝ 生的处理 （ 逐步 回归分析法 ）
２ ． 农 业 机 械 总动 力
１ 多 重共线性 的检验 （ 利 用不包含 某一个解 释变量 的样本 决定 系
数检验 ） 去掉解释变量 ｘ 做Ｏ Ｌ Ｓ 回归得 ： ， 。 ＝ ０ ． ９ １ ５ ９
从改革开放到现在 ， 我 国的粮食生产方式 有了突飞猛进 的发展 ， 从
影响我国粮食产量因素的计量分析
Ｆ ｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ＝ ３ ０ ０ ． ２ ３ ３ 。从式 ２模 型的计算结果 看 ， 模型 的拟合优度很好 ， 对于给定 的显 著性 水平 ０ ｌ ＝ Ｏ ． ０ ５ ， 有 Ｆ ｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ＝ ３ ０ ０ ． ２ ３ ３ ＞ Ｆ ０ ． ０ ５ （ ６ ， １ ４ ） ＝ ２ ． ８ ５ ，因此总体回归方程是显著 的 ，即粮食产量与粮食作物播种面积 、 农业 机械总动力 、化肥施 用量、有效灌溉面积 、 成灾面积 、 农业劳动力之间存在显著 的相关 关 系。模型中各个影响 因素的 ｔ 统计量 ，对 于给定 的显著 性水平 ｏ ｌ ＝ ０ ． ０ ５。 有 ｔ ０ ． ０ ５ ／ ２ ， １ ９ ＝ ２ ． ０ ９ 。因此上述 ６个指标均通过 ｔ 检验 ， 对粮食产量有显著 的影响 。可 以认为该模 型是合理的 ， 所建立的改进 的柯布—道格拉斯模型是可接受的。
不仅 取决 于农业 生产要素 的投入 和农 业科 技的发展水平 ， 而且受到政策、 自 然环境等 诸多 因素的影响 ， 它是诸多 因素综合作用 的 结果 。 然而， 我国粮食生产 面临着人均产量
对式 １ 两边取对数 ， 转换 为多元线性 回 归方程 ：
ｌ ｎ Ｙ＝ｌ ｎ Ａ＋ ｌ ｌ ｎ Ｓ ＋ ２ ｌ ｎ Ｋ＋旺 ３ ｌ ｎ Ｈ＋Ｏ 【 ４ ｌ ｎ Ｇ＋ Ｏ
力素质和劳动力产出效率 。 ５ ．结 束语 加大对农业的投人（ 人力 、 物力 、 财力） ， 增加耕地有效灌溉面积 、 提高农业现代化水 平 、改善农业基础设施 、提高劳动力素质、 规范粮食市场 ， 对增加粮食产量有着重要的 作用 。 因此 ，根据我 国粮食生产的特点 ，应
影响粮食产量的因素分析
计量经济学论文影响粮食产量的因素分析影响粮食产量的因素分析我国土地资源稀缺，人口多而粮食需求量大，因此粮食产量的稳定增长，直接影响着人民生活和社会的稳定与发展。
本文严格按照计量经济分析方法,以1996-2021年中国粮食产量及其重要因素的时间序列数据为样本,对影响中国粮食生产的多种因素进行了分析。
一、模型的建立以Y i=粮食产量、X1=粮食播种面积、X2=农用化肥施用量、X3=农用机械总动力、X4=农、林、牧、渔业劳动力、X5=耕地灌溉面积，设定Y i=c+β1X1i+β2X2i+β3X3i+β4X4i+β5X5i+u i理论模型。
由经济规律知β1、β2、β3、β4、β5都应大于零。
三、模型的参数估计利用Eviews8得到结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/01/17 Time: 20:10Sample: 1996 2021Included observations: 20Variable Coefficient Std. Error t-Statistic Prob.C -66773.87 37106.01 -1.799543 0.0935X1 0.790068 0.119139 6.631499 0.0000X2 1.768843 8.059923 0.219462 0.8295X3 -0.028692 0.338671 -0.084720 0.9337X4 -0.087017 0.051349 -1.694614 0.1123X5 0.477765 0.663745 0.719802 0.4835R-squared 0.976250 Mean dependent var 51861.43 Adjusted R-squared 0.967768 S.D. dependent var 5548.066 S.E. of regression 996.0571 Akaike info criterion 16.88881 Sum squared resid 13889816 Schwarz criterion 17.18753 Log likelihood -162.8881 Hannan-Quinn criter. 16.94712 F-statistic 115.0958 Durbin-Watson stat 1.811852 Prob(F-statistic) 0.000000由此数据看出，可决系数和修正可决系数为0.976250和0.967768，F的检验值为115.0958，明显显著，拟合效果还可以。
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素一、概述粮食产量作为国家经济安全和社会稳定的重要基础，历来受到广泛关注。
中国作为世界上人口最多的国家，粮食产量的稳定与增长对于保障国家粮食安全、促进经济社会持续健康发展具有重大意义。
随着全球气候变化、土地资源紧张、农业生产技术革新等多重因素的影响，我国粮食产量面临着诸多不确定性。
深入分析影响我国粮食产量的因素，对于制定科学合理的农业政策、提高粮食生产效率和保障国家粮食安全具有重要的理论价值和现实意义。
本文旨在运用计量经济学的方法，系统分析我国粮食产量的影响因素。
通过对国内外相关文献的梳理和评价，明确粮食产量影响因素的研究现状和不足。
结合我国粮食生产的实际情况，选取适当的计量经济学模型，如多元线性回归模型、面板数据模型等，对影响粮食产量的因素进行定量分析和检验。
在此基础上，深入探讨各因素对粮食产量的具体影响程度和方向，揭示各因素之间的内在联系和作用机制。
根据分析结果，提出针对性的政策建议，为我国粮食生产的可持续发展和国家粮食安全的保障提供科学依据。
通过本文的研究，期望能够为我国粮食生产领域的决策提供有益参考，同时也为计量经济学在农业经济领域的应用拓展新的思路和方法。
简述粮食产量对国家经济和社会发展的重要性粮食产量对一个国家经济和社会发展的重要性不言而喻。
粮食是人类生存的基础，是满足人民基本生活需求的必需品。
粮食产量的稳定增长是保障国家粮食安全、维护社会稳定的重要前提。
只有粮食供应充足，人民才能安居乐业，社会才能和谐稳定。
粮食产业是国民经济的重要组成部分。
粮食的种植、加工、储运、销售等环节涉及众多行业和领域，对经济增长和就业有着直接的拉动作用。
粮食产量的增加不仅意味着农业生产水平的提升，也为工业和服务业的发展提供了有力支撑。
粮食产量还是国家宏观调控的重要工具。
政府通过调整粮食生产政策、价格等手段，可以影响市场供求关系，进而调控经济运行。
在面临经济危机或通货膨胀等复杂经济环境时，粮食产量的稳定对于稳定物价、保障民生、维护国家经济安全具有重要意义。
基于计量经济学分析我国粮食产量的影响因素
四是促进农业生产机械化，提高农业生产效率。
参考文献：
[1]焦宇航.影响我国粮食产量因素的计量分析[J].魅力中国,2014(4):303.
DOI：10.16675/14- 1065/f.2019.04.013
/ 理论探索 /
· 31 ·
基于计量经济学分析我国粮食产量的影响因素
□ 刘嘉欢，高 明
（河北农业大学 河北 沧州 061100）
摘 要：粮食问题关系民生，是各国普遍关注的问题。中国人口基数大、增长速度快，保障粮食安全对促进社会和谐
最小二乘估计结果显示，可决系数调整后的 R2=0.979 235，表明粮食产量变化的 97.92％可以由
选取的 6 个因素共同变化来解释，模型拟合程度较 好。5％的显著性水平下，F=236.784 5＞2.51，通过 F 检验，方程整体显著程度好。
但是从斜率项 t 检验值来看，X3、X5、X6 的 t 检验 值小于临界值，3 个因素对被解释变量影响不显著。
操作 Eviews6.0 软件制作各解释变量间的相关系 数表，初步判断出 X1 和 X5、X3 和 X6 之间存在较大相 关性，判断模型存在多重共线性。通过逐步回归进一 步检验与修正，逐步回归中，剔除了解释变量 X5、X6， 解决了多重共线性问题，修正后回归结果为： Y 0.060 206X2+
0.080 092X3+0.835 401X4 t=(0.256 543) (17.922 93) (- 3.601 084)
(2.246 206) (2.055 802) R2=0.983 234 AdjustedR2=0.980 654 F=381.183 9 3. 2. 3 计量经济学检验
我国粮食产量的影响因素分析
我国粮食产量的影响因素分析摘要：本文针对我国是一个农业大国的基本国情，选取我国1978-2011年的相关数据，对我国粮食产量的影响因素的分析、检验，并对各因素的影响程度的大小进行比较，最终建立合适的回归模型，对其做统计和经济意义上的分析，并根据结果提出建议。
关键词：农业粮食产量有效灌溉面积受灾面积一、问题的提出我国是传统意义上的农业大国，农业生产一直在我国经济发展中占据着重要的地位。
建国后，在经历人民公社运动、大跃进以及文革的浩劫后，农业发展严重滞后，无法满足人民的需要。
1978年改革开放也首先在农村地区开展，实行家庭生产承包责任制，农业有了快速的发展。
随着科技的不断进步，粮食产量也不断上升。
可是农村人口和耕地面积的不断减少也制约着粮食产量的进一步增加。
到底是哪些因素制约着粮食产量呢？针对这个问题，本文选取了我国1978年到2011年的相关数据，通过建立回归模型，对各种影响因素进行分析。
并且在通过分析知道影响粮食产量的因素后，提出了提高粮食产量的有效途径。
二、数据收集本文选取了1978年至2011年的34组数据，从数据个数来看完全满足多元回归模型的设定需要。
选取1978年以后的数据主要是因为1978年之前，由于人民公社化运动期间农业数据的浮夸形象，以及文革期间农业生产的停滞等非正常社会现象会影响模型的分析，故从1978年我国改革开放之后开始选取数据。
1978年-2011年我国粮食生产与相关投入的数据表年份粮食产量(万吨) 农业机械总动力(万千瓦)有效灌溉面积(千公顷)农用化肥施用折纯量(万吨)粮食作物播种面积(千公顷)受灾面积(千公顷)Y X1 X2 X3 X4 X5 1978 30476.50 11749.90 44965.00 884.00 120587.20 50807 1979 33211.50 13379.50 45003.13 1086.30 119262.70 39367 1980 32055.50 14745.75 44888.07 1269.40 117234.27 50025 1981 32502.00 15680.10 44573.80 1334.90 114957.67 39786 1982 35450.00 16614.21 44176.87 1513.40 113462.40 33133 1983 38727.50 18021.90 44644.07 1659.80 114047.20 347131984 40730.50 19497.22 44453.00 1739.80 112883.93 31887 1985 37910.80 20912.55 44035.93 1775.80 108845.13 44365 1986 39151.20 22950.00 44225.80 1930.60 110932.60 471351987 40297.70 24836.0044403.00 1999.30 111267.77420861988 39408.10 26575.00 44375.91 2141.50 110122.60 50874 1989 40754.90 28067.00 44917.20 2357.10 112204.67 46991 1990 44624.30 28707.70 47403.07 2590.30 113465.87 38474 1991 43529.30 29388.60 47822.07 2805.10 112313.60 55472 1992 44265.80 30308.40 48590.10 2930.20 110559.70 51332 1993 45648.80 31816.60 48727.90 3151.80 110508.70 48827 1994 44510.10 33802.50 48759.10 3317.90 109543.70 55046 1995 46661.80 36118.05 49281.60 3593.70 110060.40 45824 1996 50453.50 38546.90 50381.60 3827.90 112547.92 46991 1997 49417.10 42015.60 51238.50 3980.70 112912.10 53427 1998 51229.53 45207.71 52295.60 4083.69 113787.40 50145 1999 50838.58 48996.12 53158.41 4124.32 113160.98 49980 2000 46217.52 52573.61 53820.33 4146.41 108462.54 54688 2001 45263.67 55172.10 54249.39 4253.76 106080.03 52215 2002 45705.75 57929.85 54354.85 4339.39 103890.83 46946 2003 43069.53 60386.54 54014.23 4411.56 99410.37 54506 2004 46946.95 64027.91 54478.42 4636.58 101606.03 37106 2005 48402.19 68397.85 55029.34 4766.22 104278.38 38818 2006 49804.23 72522.12 55750.50 4927.69 104957.70 41091 2007 50160.28 76589.56 56518.34 5107.83 105638.36 48992 2008 52870.92 82190.41 58471.68 5239.02 106792.65 39990 2009 53082.08 87496.10 59261.45 5404.35 108985.75 47214 2010 54647.71 92780.48 60347.70 5561.68 109876.09 37426 2011 57120.85 97734.66 61681.56 5704.24 110573.02 32471三、模型设定1、分别做被解释变量（Y）与解释变量（X1、X2、X3、X4、X5）的散点图，结果如下:由散点图可知，解释变量与别解释变量间的线性关系并不明确，故对原方程两边同时取对数，建立新的回归方程3、为了方便计算，对变量进行重新定义，在eviews对话框中输入genr y=log(y)genr x1=log(x1)genr x2=log(x2)genr x3=log(x3)genr x4=log(x4)genr x5=log(x5)建立新的回归模型，结果如下图由上图可知新的多元回归模型为54321128441.0461565.1401626.0603457.0078124.0408078.2X X X X X Y -++-+-=四、模型的检验与调整（一）经济意义检验由经济分析可知，粮食产量（Y ）与农业机械总动力（X1）、有效灌溉面积（X2）、农用化肥施用折纯量（X3）、粮食作物播种面积（X4）应成正相关关系，与受灾面积（X5）应成负相关关系。
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素
我国粮食产量的影响因素是一个复杂的系统工程，涉及到农业生产、自然环境、农村社会经济等多个方面。
在基于计量经济学的分析中，我们可以通过建立经济模型来研究这些影响因素，并利用数据进行实证分析。
农业生产技术是影响粮食产量的关键因素之一。
农业生产技术在很大程度上决定了农作物的种植质量和产量水平。
农业机械化水平、化肥、农药使用量、新品种引进等都会对粮食产量产生重要影响。
通过计量经济学模型，我们可以分析和估计这些因素对粮食产量的影响程度，从而为粮食生产提供技术指导。
自然环境因素也是影响粮食产量的重要因素。
自然灾害、气候变化、土地质量等都会对农作物种植和生长产生直接的影响。
利用计量经济学方法，我们可以建立模型，估计这些因素对粮食产量的影响强度，从而提供应对自然环境风险的政策建议。
在进行基于计量经济学的分析时，我们可以选取适当的数据集来进行实证研究。
根据研究的问题，我们可以选择跨区域和跨时间的数据，建立时间序列或者面板数据模型。
通过进行回归分析，我们可以估计各个因素对粮食产量的影响效应，并进行显著性检验和灵敏度分析，以评估模型的可靠性和稳定性。
通过基于计量经济学的分析，我们可以深入了解我国粮食产量的影响因素，并为粮食生产和农业政策提供科学的决策依据。
还可以为其他国家和地区的粮食生产问题提供经验借鉴和政策参考。
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素粮食是人类最基本的生活物资之一，对于维持社会稳定和经济发展具有重要意义。
了解粮食产量的影响因素对于制定合理的农业政策和保障粮食供应具有重要意义。
本文将基于计量经济学方法对我国粮食产量的影响因素进行分析。
粮食产量受到土地面积和土地质量的影响。
土地面积是农业生产的基础，农业生产的扩大需要有足够的土地面积。
土地质量包括土壤肥力和灌溉条件等，对于粮食产量的影响非常显著。
通过收集我国各省份的土地面积和土地质量等相关数据，并运用计量经济学方法进行实证分析，可以得出土地面积和土地质量对粮食产量的正面影响。
农业生产技术的进步对粮食产量也起到重要作用。
农业技术包括种植方式、施肥技术、植物保护技术等，这些技术的不断进步和应用对提高粮食产量具有重要意义。
通过收集我国农业技术进步情况和粮食产量数据，可以运用计量经济学方法探讨农业技术进步对粮食产量的影响。
气候因素是粮食产量的重要影响因素。
气候变化对农作物的生长和发育有直接影响，特别是降水和温度等气候因素对粮食产量的影响最为显著。
通过收集气象数据和粮食产量数据，可以进行计量经济学分析，探讨气候因素对粮食产量的影响。
政府政策也对粮食产量产生重要影响。
政府通过提供农业补贴、推动农业产业化等措施，可以促进粮食产量的增加。
通过收集相关政府政策数据和粮食产量数据，可以运用计量经济学方法进行实证分析，研究政府政策对粮食产量的影响。
通过计量经济学方法对我国粮食产量的影响因素进行分析，可以为制定合理的农业政策和促进粮食产量的增长提供有力支持。
需注意本文所提到的分析方法和数据收集都需要更为详细和全面的考虑，以确保分析结果的准确性和可靠性。
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素粮食产量是一个国家农业生产的核心指标，影响着粮食供应和国家经济发展。
研究粮食产量的影响因素对于指导农业生产和制定农业政策具有重要意义。
本文基于计量经济学方法，分析了我国粮食产量的影响因素，并提出了相应的政策建议。
粮食产量受到农业生产投入的影响。
农业生产投入包括农地面积、劳动力投入、农业机械使用情况、化肥使用量等。
通过计量模型的分析，我们可以得出这些投入因素对粮食产量的弹性。
研究表明，农地面积对粮食产量的影响较大，农地面积每增加1%，粮食产量可提高0.5%左右。
在政策制定过程中，应注重优化土地资源配置，提高土地利用率，增加农地面积。
气候条件是影响粮食产量的重要因素。
气候因素包括降水量、温度、光照等。
研究发现，气候因素对于不同作物的影响程度有所不同。
大豆对温度和光照的要求较高，而水稻对降水量和温度的要求较高。
在粮食生产管理中，应根据作物的生长特点，合理调控气候条件，以提高粮食产量。
农业技术进步对粮食产量也具有重要影响。
农业技术进步包括播种时期、种植方式改进、农药使用等。
研究表明，农业技术进步可以提高粮食产量，特别是在作物抗病虫害、耐旱等方面的技术进步。
在政策制定中，应加大对农业科技的投入，推动农业技术的创新，提高粮食产量。
市场需求和价格也会影响粮食产量。
市场需求和价格对农民种植意愿和农作物选择有重要影响。
研究发现，粮食价格的上涨可以刺激农民增加种植面积和改变种植结构，进而提高粮食产量。
在市场监管中，应合理调控粮食价格，提高粮食生产者的收益，从而促进粮食产量的增加。
我国粮食产量的影响因素包括农业生产投入、气候条件、农业技术进步和市场需求和价格等。
在制定粮食生产政策时，应重视这些因素的相互作用，通过合理调控政策，提高粮食产量，以满足人民的粮食需求，促进农业可持续发展。
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素引言作为世界上最大的粮食生产国之一，中国的粮食产量直接关系到国家粮食安全和农业经济发展。
分析和探讨我国粮食产量的影响因素对于优化农业生产、保障粮食安全具有重要意义。
计量经济学方法是研究经济问题和解决实际问题的重要工具，可以通过建立数学经济模型来分析不同因素对粮食产量的影响程度，并为政府制定农业政策提供科学依据。
本文旨在通过计量经济学分析探讨我国粮食产量的影响因素，为政府农业政策的制定提供参考依据。
一、数据来源和变量选择本研究选取了1990年至2019年的我国粮食产量和一系列可能影响粮食产量的经济、气候和政策等因素作为研究对象。
具体而言，本文选取的变量包括粮食种植面积、化肥使用量、农村劳动力人口、粮食价格、气温、降水量、国家粮食政策等。
这些变量既包括了农业生产的内生因素，也包括了外生因素的影响，具有广泛的代表性。
二、模型建立在数据准备好之后，本文利用计量经济学中的多元线性回归模型对粮食产量的影响因素进行分析。
多元线性回归模型可以较好地剖析多个变量对一个因变量的影响，通过对系数的估计和显著性检验可以得出不同因素对粮食产量的影响程度。
多元线性回归模型的基本形式为：Y= β0+ β1X1+ β2X2+ β3X3+ ...+ βnXn+ ε。
Y为粮食产量，X1至Xn为影响因素，β0为截距项，β1至βn为各自变量的回归系数，ε为误差项。
本文将采用逐步回归法，根据变量的显著性逐步筛选出最终的影响因素。
三、计量分析结果在进行计量分析之后，得到了如下的回归结果：Y= β0+ β1X1+ β2X2+ β3X3+ β4X4+ β5X5+ β6X6+ β7X7+ β8X8+ ε。
Y为粮食产量，X1为种植面积，X2为化肥使用量，X3为农村劳动力人口，X4为粮食价格，X5为气温，X6为降水量，X7为国家粮食政策。
结果显示，种植面积、化肥使用量、农村劳动力人口、粮食价格、气温、降水量和国家粮食政策均对粮食产量有显著影响。
我国粮食产量影响因素的计量分析
我国粮食产量影响因素的计量分析作者：周京薛松郭泽黄珂华赵金朔来源：《时代金融》2020年第12期摘要：我国是一个农业大国，粮食问题至关重要。
本文搜集了我国 1986-2018年这33年间的有关粮食数据，基于计量经济模型，运用多元回归方法来探索影响粮食产量的相关因素，并得出对应结论，最后提出了提高我国粮食产量的优化路径。
关键词：粮食产量计量经济学模型回归分析近年来，随着城市的扩张，工业、商业用地以及公路建设，城市绿化等都占用了大量土地;且我国人民的生活水平有了质的飞跃，对粮食的需求不仅增长而且要求更高，因此我国出台了一系列方针政策为确保粮食充足及安全。
2020年中央一号文件公布要保障重要农产品有效供给和促进农民持续增收[1]。
而只有了解影响我国粮食产量的主要因素，政府才能针对性提出举措来促进粮食可持续增长，进而促进乡村振兴战略背景下农业的发展。
一、影响因素及数据收集（一）影响因素影响粮食产量的因素[2]有许多，基于我国农业生产中的经济实际，本模型选用以下因素：农药化肥施用量，粮食播种面积和耕地灌溉面积，在此基础上进行实证分析。
（二）样本收集本文收集1986年—2018年各项经济指标，选取33个样本，样本数量足够大。
其中Y为粮食产量，X1为农药化肥施用量、X2为粮食播种面积、X3为耕地灌溉面积为自变量，建立多元线性回归模型。
其中X3“耕地灌溉面积”数据来源于《中国农村统计年鉴》（1952-2018），其余数据均来自于国家统计局网站。
二、平稳性检验（一）ADF单位根检验采用ADF检验方法，对自变量和因变量进行平稳性检验。
通过比较t统计量值与其各自的1%，5%，10%显著水平下的临界值，可以发现，原序列Y、X1、X2、X3的t统计量值均比各自10%显著性水平下的临界值大，因此这些序列在10%显著水平下均为非平稳序列。
而各自一阶差分序列的t统计量值均比各自1%水平下的臨界值小。
所以，各变量的一阶差分序列在trend and intercpet情况时，1%的显著性水平下均为平稳序列，检验结果如表1所示。
对我国粮食产量影响因素的计量分析
《计量经济学》课程论文对我国粮食产量影响因素的计量分析院系：经济与管理学院经济学系班级：经济学09-1班成员：对我国粮食产量影响因素的计量分析摘要：通过计量经济学方法创建我国粮食生产函数，我们会发现粮食作物播种面积、化肥施用量、有效灌溉面积是影响粮食生产的三大因素，其中粮食播种面积的影响最大。
关键词: 粮食产量，粮食作物播种面积，化肥施用量，有效灌溉面积一、问题的提出粮食是人类最基本的生活消费品，一个国家的粮食问题是关系到本国的国计民生的头等大事。
人们都知道，农业是国民经济发展的基础，粮食是基础的基础，因此粮食生产是关系到一个国家生产与发展的一个永恒的主题。
我国是世界上人口最多的国家，但人均耕地面积远远少于世界平均水平，如何在有限的土地上养活这么多的人口，解决粮食问题无疑是重中之重。
从历史数据来看，我国粮食总产量在1998年达到高峰，为5.12亿吨，此后，粮食生产呈现持续下滑的局面，一直持续到2003年。
2003年以后，中央加大了对“三农”的关注力度，每年出台的中央一号文件都是针对解决“三农”问题的。
由于中央对农业生产的高度重视，以及连续出台的多项惠农政策，极大的调动了农民的生产积极性。
从2004年以来的5年里，我国粮食产量连续5年增产，在2009年粮食产量更是达到53082.1万吨。
但是我国粮食生产仍存在着许多问题，因此，有必要对我国粮食产量影响因素进行实证研究，以此寻找我国粮食稳定增产的有效途径。
二、模型的设定影响粮食生产的因素很多，有劳动力、物质投入、土地、生产方式、技术进步、生产结构、制度因素、气候变化和自然灾害等等因素都影响着粮食产量。
为了基本涵盖这些基本因素，本文选择了以粮食作物播种面积、化肥施用量、有效灌溉面积为解释变量，以粮食产量为被解释变量。
为此设定如下形式的计量经济模型：Yt=β1+β2X2t+β3X3t+β4X4t+μt其中Yt 为第t年的粮食产量，X2为粮食作物播种面积（千公顷），X3为化肥施用量(万吨），X4为有效灌溉面积(千公顷），μt为随机扰动项。
我国粮食产量的影响因素分析 计量经济学模型
我国粮食产量的影响因素分析一。
研究背景：改革开放以来，中国经济迅速发展，人口增长迅猛,对粮食的需求日益增加。
粮食产量无疑成了影响中国经济发展的重大因素.同时，粮食的产量直接关系到农业劳动力的生活水平,因此,“三农"问题成为中国经济研究的热点问题，提高粮食产量，关注农村居民收入迫在眉睫。
为此,本文将就粮食产量影响因素进行分析，希望从中发现一些对粮食产量关键作用的因素。
二.研究方案与数据的搜集统计：影响粮食总产量的因素有很多，包括粮食作物耕种面积、粮食面积单产、有效灌溉面积、化肥用量、农药用量、农业机械总动力、农用塑料薄膜用量、受灾面积、成灾面积等，根据实际情况及模型建立需要选取其中五个作为研究对象，分别农业化肥施用量（x1），粮食播种面积(x2)，成灾面积(x3),农业机械总动力(x4),农业劳动力(x5)。
表中列出了中国粮食生产的相关数据，拟建立中国粮食生产函数：表1 中国粮食生产与相关投入资料2001 45264 4254 106080 31793 55172 36513 2002 45706 4339 103891 27319 57930 36870 2003 43070 4412 99410 32516 60387 36546 2004 46947 4637 101606 16297 64028 35269 2005 48402 4766 104278 19966 68398 33970 2006 49804 4928 104958 24632 72522 32561 2007 50160 5108 105638 25064 76590 31444 注:这里由于没有从事粮食生产的农业劳动数据，用第一产业劳动力替代。
资料来源：《中国统计年鉴》（1995，2008）。
研究假设：农业化肥施用量（x1）与粮食产量正相关粮食播种面积（x2) 与粮食产量正相关成灾面积（x3）与粮食产量负相关农业机械总动力(x4) 与粮食产量正相关农业劳动力（x5）与粮食产量正相关三、模型的估计、检验、确认1。
我国粮食总产量影响因素分析
《计量经济学》课程论文我国粮食总产量影响因素分析姓名：吴双专业：国际经济与贸易（双语）学号：40502051指导教师：周游日期：2007年12月Ⅰ．问题的提出目前，我国70%人口为农村人口，农业生产的发展直接关系广大农民生活的提高，直接关系到国家经济建设目标的实现．本文将对影响我国粮食产量的诸多因素（包括农业机械总动力、化肥施用量、土地灌溉面积、单位面积劳动力投入量）进行分析，并从中分离出主要影响因素．Ⅱ．模型的设定将“我国粮食总产量”设为因变量，“农业机械总动力”“化肥施用量”“土地灌溉面积”“单位面积劳动力投入量”设为自变量，设定了以下计量经济学模型：其中Y=农业总产值(亿元)X1＝农业机械总动力（万吨） X2＝化肥施用量（万吨） X3＝土地灌溉面积（千公顷）X4＝单位面积劳动力投入量（人/公顷）Ⅲ．参数估计iX X X X C Y μββββ+++++=44332211根据1980年到2003年数据进行OLS回归估计，结果如下：表１OLS回归估计结果Dependent Variable: YMethod: Least SquaresDate: 12/17/07 Time: 16:01Sample: 1980 2003Included observations: 24Variable Coefficient Std. Error t-Statistic Prob.X1 -0.160331 0.091224 -1.757556 0.0949X2 8.851661 1.618620 5.468648 0.0000X3 -0.684407 0.510325 -1.341120 0.1957X4 12503.62 6791.248 1.841138 0.0813C 28655.33 28599.93 1.001937 0.3290R-squared 0.879097 Mean dependent var 42846.86 Adjusted R-squared 0.853644 S.D. dependent var 5316.370 S.E. of regression 2033.858 Akaike info criterion 18.25631 Sum squared resid 78595000 Schwarz criterion 18.50174 Log likelihood -214.0757 F-statistic 34.53773 Durbin-Watson stat 1.374316 Prob(F-statistic) 0.000000Y = 28655.33－0.160331X1+ 8.851661X2－0.684407X3+ 12503.62X4se(28599.93) (0.091224) (1.618620) (0.510325) (6791.248) t (1.001937) (-1.757556) (5.468648) (-1.341120) (1.841138)2R=0.879097 F = 34.53773Ⅳ．模型的检验及修正１．多重共线性由OLS 回归结果（表一）可看见，该模型2R =0.879097，2R =0.853644可决系数较高．但是当ａ= 0.05时，086.2)20()424()(025.0025.02==-=-∂t t k n t ，不仅X1、X3、X4系数的t 检验不显著，而且X1、X3系数的符号与预期的相反，这表明很可能存在严重的多重共线性． 计算各解释变量的相关系数，如下：多重共线性．利用逐步回归修正的方法解决多重共线性问题．分别做Ｙ对X1、X2、X3、X4的一元回归，结果如下：其中加入X2的方程2R 最大，以X2为基础，顺次加入其他变量逐步回归，结果如表４所示：新加入X3后虽然2R 略有改进，但X3参数为负数不合理，应予剔除．所以结果中应选择保留X2、X4，再加入其他变量逐步回归．新加入X3后虽然2R 略有改进，但X1参数为负数不合理，应予剔除．X3情况与X1相同，所以应予剔除．最后修正多重共线性影响的回归结果为：表６ 修正多重共线性影响的OLS 回归结果Dependent Variable: Y Method: Least Squares Date: 12/17/07 Time: 21:18 Sample: 1980 2003 Included observations: 24Variable Coefficient Std. Error t-Statistic Prob. X2 4.556762 0.459774 9.910879 0.0000 X4 19955.83 7065.872 2.824256 0.0102 C-13221.1015571.88-0.8490370.4054R-squared 0.824198 Mean dependent var 42846.86 Adjusted R-squared 0.807455 S.D. dependent var 5316.370 S.E. of regression 2332.818 Akaike info criterion 18.46401 Sum squared resid 1.14E+08 Schwarz criterion 18.61127 Log likelihood -218.5681 F-statistic 49.22643 Durbin-Watson stat 0.740395 Prob(F-statistic)0.000000(15571.88) (0.459774) (7065.872)t (-0.849037) (9.910879) (2.824256)2R =0.824198 2R = 0.807455 F = 49.22643２． 异方差利用Eviews 软件生成残差平方序列22)(resid e i =，绘制e i 2对X2和X4的散点如下：4283.199********.41.13221XX Y ++-=由上图可以看出，模型很可能存在异方差，但是是否确实存在还应通过更进一步的检验，下面将通过White检验法检验模型是否存在异方差．利用Eviews软件对模型进行White检验，结果如下表：Test Equation:Dependent Variable: RESID^2 Method: Least Squares Date: 12/17/07 Time: 16:19 Sample: 1980 2003 Included observations: 24Variable Coefficient Std. Error t-Statistic Prob. C 1.03E+09 1.02E+09 1.008926 0.3264 X2 84679.11 58380.25 1.450475 0.1641 X2^2 -0.453075 2.700281 -0.167788 0.8686 X2*X4 -37895.63 23260.25 -1.629201 0.1206 X4 -1.02E+09 9.60E+08 -1.062682 0.3020 X4^22.52E+082.25E+081.1179000.2783R-squared 0.530659 Mean dependent var 4761785. Adjusted R-squared 0.400286 S.D. dependent var 5800114. S.E. of regression 4491677. Akaike info criterion 33.68567 Sum squared resid 3.63E+14 Schwarz criterion 33.98018 Log likelihood -398.2280 F-statistic 4.070329 Durbin-Watson stat 2.210344 Prob(F-statistic)0.011990从表７中可以看出73581.122=nR ，在05.0=α下查2χ分布表得临界值0705.11)5(205.0=χ．73581.122=nR ＞0705.11)5(205.0=χ，所以模型存在异方差．利用加权最小二乘法修正异方差，选取权数21e w =，其中22)(resid e =．修正结果如下：表８ 最小二乘法修正异方差结果Dependent Variable: Y Method: Least Squares Date: 12/17/07 Time: 21:51 Sample: 1980 2003 Included observations: 24 Weighting series: W1Variable Coefficient Std. Error t-Statistic Prob. X2 4.651806 0.144925 32.09800 0.0000 X4 14592.19 2372.459 6.150660 0.0000 C -1774.1535157.215 -0.3440140.7343Weighted StatisticsR-squared 0.999833 Mean dependent var 42310.64 Adjusted R-squared 0.999818 S.D. dependent var 65888.75 S.E. of regression 889.9166 Akaike info criterion 16.53660 Sum squared resid 16630983 Schwarz criterion 16.68386 Log likelihood -195.4392 F-statistic 590.2806 Durbin-Watson stat1.749898 Prob(F-statistic) 0.000000Unweighted StatisticsR-squared 0.816751 Mean dependent var 42846.86 Adjusted R-squared 0.799299 S.D. dependent var 5316.370 S.E. of regression 2381.717 Sum squared resid 1.19E+08Durbin-Watson stat 0.6966834219.14592651806.4153.1774X X Y ++-=(5157.215)(0.144925) (2372.459)t (-0.344014) (32.09800) (6.150660)2R =0.999833 2R = 0.999818 F = 590.2806 再对修正结果进行White 检验如下：表９ White 检验结果（二）White Heteroskedasticity Test:F-statistic 0.980433 Probability 0.456336 Obs*R-squared5.137153 Probability0.399372Test Equation:Dependent Variable: STD_RESID^2 Method: Least Squares Date: 12/17/07 Time: 21:57 Sample: 1980 2003 Included observations: 24Variable Coefficient Std. Error t-Statistic Prob. C -1.68E+08 2.73E+08 -0.613038 0.5475 X2 8780.798 15671.48 0.560304 0.5822 X2^2 0.134301 0.724858 0.185279 0.8551 X2*X4 -4700.165 6243.935 -0.752757 0.4613 X41.43E+082.58E+080.5535490.5867X4^2-29383155 60467904 -0.485930 0.6329R-squared 0.214048 Mean dependent var 692957.6 Adjusted R-squared -0.004272 S.D. dependent var 1203170. S.E. of regression 1205737. Akaike info criterion 31.05540 Sum squared resid 2.62E+13 Schwarz criterion 31.34991 Log likelihood -366.6648 F-statistic 0.980433 Durbin-Watson stat 2.740051 Prob(F-statistic)0.456336此时 5.1371532=nR ＜0705.11)5(205.0=χ，说明异方差已消除．并且参数的t 检验均通过，可决系数大幅提高，Ｆ检验也显著．３．自相关对样本量为２４、两个解释变量的模型，在５％显著水平下查DW 统计表可知，188.1=L d ，546.1=U d ．由表８知，模型中DW 为1.749898，而L d ＜DW ＜4－U d ，说明不存在自相关．由于能力有限，本文不再对时间序列平稳性做检验．所以最终的粮食总产量影响因素模型为4219.14592651806.4153.1774X X Y ++-=se (5157.215) (0.144925) (2372.459) t (-0.344014) (32.09800) (6.150660)2R =0.999833 2R = 0.999818 F = 590.2806模型经济意义为，在假定其他变量不变的情况下，每年化肥施用量每加１万吨，粮食总产量将增加4.651806万吨；单位面积劳动力投入量每增加１人／公顷，粮食总产量将增加14592.19万吨．结果与理论分析和经验判断基本一致．Ⅴ．对模型的经济解释从模型可以看出化肥的施用量与单位面积劳动力投入量是影响农业产值增长的最显著因素．说明我国目前农业生产中，农民自己对农业的投入所产生的效益最大。
计量经济学实验报告——粮食产量的影响因素分析
计量经济学实验报告——粮食产量的影响因素分析粮食产量的影响因素分析一、问题的提出改革开放以来，中国经济迅速发展，人口增长迅猛，对粮食的需求日益增加。
粮食产量无疑成了影响中国经济发展的重大因素。
同时，粮食的产量直接关系到农业劳动力的生活水平，因此，“三农”问题成为中国经济研究的热点问题，提高粮食产量，关注农村居民收入迫在眉睫。
为此，本文将就粮食产量影响因素进行分析，希望从中发现一些对粮食产量关键作用的因素。
二．研究方案与数据的搜集统计通过对影响粮食产量的主要因素的分析，把影响农民收入的因素主要归结与以下几个方面：农业化肥施用量，粮食播种面积，成灾面积，农业机械总动力，农业劳动力。
通过查找中国统计年鉴，我们得到如下的统计资料：注：这里由于没有从事粮食生产的农业劳动数据，用第一产业劳动力替代。
资料来源：《中国统计年鉴》（1985，2009）三、模型的建立与分析1、建立模型Y=a+a1X1+a2X2+a3X3+a4X4+a5X52、利用SPSS进行数据分析，得出以下结论：由以上数据得出回归方程Y＝－26695.08+5.995X1+0.537X2-1.36X3-0.91X4-0.007X5 2 R=0.981 2R=0.976 F=194.411 DW=1.716四．对模型的经济意义的分析，得出的结论及政策建议1、在模型的假设时，我们假定了四个经济变量对粮食产量的影响，它们是农业化肥施用量，粮食播种面积，成灾面积，农业机械总动力，农业劳动力。
而从最终确定的模型来看，只保留了农业化肥施用量，粮食播种面积，成灾面积，农业机械总动力的影响。
2.有模型可知，粮食产量与农业化肥施用量，粮食播种面积，农业机械总动力成正比，因此，应该在化肥的研制上多进行科研水平的投入，已更大程度地实现粮食增收。
粮食播种面积则可以通过各种有助于保持水土的措施来实现其保护，以保持土壤的有效种植能力。
农业机械总动力无疑表明科学技术已经成为现代社会的第一生产力，如何更好地实现农业化机械化大规模生产，也是我们应该考虑的重点。
对我国粮食产量影响因素的计量分析
对我国粮食产量影响因素的计量分析摘要：本文主要对我国粮食产量的变动进行多因素分析，选取1988年—2007年20年的数据，建立以粮食产量为被解释变量，以农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力和第一产业从业人口为解释变量的多元线性回归模型，利用模型对粮食产量情况进行多元线性回归分析，建立粮食生产函数。
最后，就有关如何根据实际情况促进农业发展，确保我国粮食增产、增收提出一点建议。
关键词：粮食产量；多元线性回归分析；粮食生产函数；农业发展1.引言粮食问题是我国面临的大问题,不光是国人，很多外国人也关注这个问题。
1994年美国学者布朗发表《谁来养活中国》一文,震动了中国和世界。
我国是世界上人口最多的国家，但人均耕地面积远远少于世界平均水平，如何在有限的土地上养活这么多的人口，解决粮食问题无疑是重中之重。
从历史数据来看，我国粮食总产量在1998年达到高峰，为5.12亿吨,此后，粮食生产呈现持续下滑的局面, 一直持续到2003年。
2003年以后，中央加大了对“三农”的关注力度，每年出台的中央1号文件都是针对解决“三农”问题的。
由于中央对农业生产的高度重视，以及连续出台的多项惠农政策，极大地调动了农民的生产积极性。
从2004 年开始，粮食生产止住了连续年的下滑, 粮食总产量达4.69亿吨, 比2003年增加了0.38亿吨，增产8.8%,实现了1998年以来的首次增产。
2005年在2004年的基础之上又达新高,总产量达到了48402万吨。
2006年更是达到了49804万吨 ,实现了连续三年的大丰收。
2007年我国的粮食产量再创新高 ,突破5亿吨大关，但我国粮食生产仍存在着许多问题。
2.样本数据与变量的选取根据理论和经验分析，影响粮食生产的主要因素有农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力和农业劳动力，其中，成灾面积的符号为负，其余均应为正。
为此，本文收集了我国自1988年至2007年，粮食产量、农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力和第一产业从业人口的相关数据。
我国粮食产量影响因素的计量分析
我国粮食产量影响因素的计量分析一、引言农业是国民经济的基础, 粮食是基础的基础。
粮食是人类赖以生存的必需物品，是国民经济发展和社会稳定的重要物质基础。
尤其是对人均耕地已不足1. 4 亩且人口绝对规模持续扩大的我国而言,粮食产量的稳定增长显得格外重要。
因此在研究加快粮食生产发展的进程中，只有了解影响粮食产量的主要因素，才有利于揭示粮食增产的规律，对指导粮食增产有重要的意义，政府也才能正确地做出举措来促进粮食产量健康合理可持续的增长。
影响粮食产量的因素众多，如水资源贫富、有效灌溉面积、城市化、自然气候、农资投入、作物种植结构、国家政策、生产资料与粮食价格指数比、农药化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力等。
二、变量的选取及模型的设定在此，选取影响和制约粮食产量的农药化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力这五个主要因素，并拟合出关于我国粮食生产的线性回归模型。
确定的模型的被解释变量为：粮食产量；解释变量为：农药化肥施用量X1、粮食播种面积X2、成灾面积X3、农业机械总动力X4、农业劳动力X5。
由初步的分析知，粮食产量与成灾面积是负相关的，而与其它变量则是正相关的。
根据所确定模型变量收集到了1983年至2007年主要粮食生产数据(表1)。
通过EVIEWS软件对数据进行处理、分析并得出相关结论。
基于以上变量，建立模型为：Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+μ，其中，β0度量常数项，表示在没有其他五个因素时粮食产量为负值，即粮食有消耗；β1度量当农药化肥使用量变动一个单位时，粮食产量的变动；β2度量当粮食播种面积变动一个单位，粮食产量的变动；β3度量当成灾面积变动一个单位，粮食产量的变动；β4度量农业机械总动力对粮食产量的影响；β5度量农业劳动力对粮食产量的影响；μ为随机扰动项。
表1 1983-2007年我国粮食产量及影响因素数据年份粮食产量农业化肥施用量粮食播种面积成灾面积农业机械总动力农业劳动力(万吨) （万公斤）（千公顷）（公顷）（万千瓦）（万人）1983 38728 1660 114047 16209 18022 311511984 40731 1740 112884 15264 19497 30868 1985 37911 1776 108845 22705 20913 31130 1986 39151 1931 110933 23656 22950 31254 1987 40208 1999 111268 20393 24836 31663 1988 39408 2142 110123 23945 26575 32249 1989 40755 2357 112205 24449 28067 33225 1990 44624 2590 113466 17819 28708 38914 1991 43529 2806 112314 27814 29389 39098 1992 44264 2930 110560 25895 30308 38699 1993 45649 3152 110509 23133 31817 37680 1994 44510 3318 109544 31383 33802 36628 1995 46662 3594 110060 22267 36118 35530 1996 50454 3828 112548 21233 38547 34820 1997 49417 3981 112912 30309 42016 34840 1998 51230 4084 113787 25181 45208 35177 1999 50839 4124 113161 26731 48996 35768 2000 46218 4146 108463 34374 52574 36043 2001 45264 4254 106080 31793 55172 36513 2002 45706 4339 103891 27319 57930 36870 2003 43070 4412 99410 32516 60387 36546 2004 46947 4637 101606 16297 64028 35269 2005 48402 4766 104278 19966 68398 33970 2006 49804 4928 104958 24632 72522 32561 2007 50160 5108 105638 25064 76590 31444 注：这里由于没有从事粮食生产的农业劳动数据，用第一产业劳动力替代。
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素我国作为全球最大的粮食生产国之一，粮食产量的变化对国家粮食安全和农村经济发展都具有重要影响。
对我国粮食产量的影响因素进行深入的计量经济学分析具有重要意义。
本文将从农业生产要素投入、气候因素和政策因素三个方面进行分析，探讨这些因素对我国粮食产量的影响及其对应的政策建议。
一、农业生产要素投入农业生产要素投入是影响粮食产量的重要因素之一。
农业劳动力是农业生产的重要生产要素，直接关系到粮食产量的增长。
我国农业生产中，大部分劳动力集中在小农户中，且由于劳动力的外流，导致农业生产力下降。
加强对农业劳动力的培训和流转政策，促进农业生产的现代化和规模化，可以有效提高粮食产量。
农业生产中的资本投入也是影响粮食产量的重要因素。
随着农业现代化的发展，农业生产需要更多的资金投入用于购买化肥、农药、农机具等生产资料。
政府应该加大对农业生产资金的投入，支持农民购买先进的农业生产技术和设备，以提高农业生产效率和粮食产量。
二、气候因素气候因素是影响粮食产量的另一重要因素。
近年来，全球气候变化对我国农业生产造成了一定的影响，尤其是极端天气事件频发，如干旱、洪涝等，直接影响了我国的粮食产量。
为了应对气候变化对粮食产量的影响，政府应该加强对气象灾害的监测和预警，开展抗旱、防洪等农业防灾减灾工作，加强水资源管理，提高农业生产的抗灾能力，保障粮食产量的稳定增长。
三、政策因素政策因素也对粮食产量产生了直接的影响。
农业支持政策、农业补贴政策、粮食流通政策等，都会对粮食生产产生积极的促进作用。
实施粮食最低收购价政策，可以增加农民生产粮食的积极性，保障粮食生产的稳定。
又如，加大对粮食生产的补贴政策，可以提高农民的收入，激发他们的生产积极性，从而提高粮食产量。
政府应该根据实际情况，制定更加科学合理的农业政策，支持和保障粮食产量的稳定增长。
我国粮食产量受到农业生产要素投入、气候因素和政策因素等多方面因素的影响。
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素中国是世界上最大的农业生产国之一，粮食产量对中国的经济和社会稳定具有重要影响。
研究我国粮食产量的影响因素对于农业生产优化和粮食安全具有重要意义。
本文将基于计量经济学方法，探讨我国粮食产量的影响因素。
气候因素是影响我国粮食产量的重要因素之一。
中国地域广阔，气候变化较为显著。
气温和降水是农作物生长的关键影响因素之一。
研究表明，适宜的温度和降水对粮食产量具有良好的促进作用。
气候灾害，如干旱和洪涝，会严重影响农作物的生长和产量。
合理调整农业生产结构以适应气候变化，并应对气候灾害，是提高我国粮食产量的关键。
投资水平是影响我国粮食产量的重要因素之一。
农业的现代化需要大量的投资，包括土地改良、农业机械化和科技创新等方面的投入。
研究发现，农业投资水平与粮食产量呈正相关关系。
加大农业投资，提高农业生产效率和农民收入，可以促进我国粮食产量的增长。
农业政策也是影响我国粮食产量的重要因素之一。
农业政策包括价格政策、补贴政策和扶持政策等。
研究发现，合理的农业政策可以刺激农民的生产积极性，提高农业生产效益，从而增加粮食产量。
这表明，调整农业政策，支持农业现代化和农民的可持续发展，是提高我国粮食产量的重要途径。
人口因素也是影响我国粮食产量的重要因素之一。
中国人口众多，对粮食的需求量巨大。
研究发现，人口的增长会带动农业生产的扩张和农村地区经济的发展。
人口的增长对于提高我国粮食产量具有积极的影响。
我国粮食产量的影响因素包括气候因素、投资水平、农业政策和人口因素等。
合理调整这些因素，加强农业现代化建设和农业科技创新，是提高我国粮食产量和保障粮食安全的重要举措。
应加强科学研究，深入探讨粮食产量的影响因素，为制定合理的农业政策和推动农业可持续发展提供科学依据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
我国粮食产量的影响因素分析一.研究背景：改革开放以来，中国经济迅速发展，人口增长迅猛，对粮食的需求日益增加。
粮食产量无疑成了影响中国经济发展的重大因素。
同时，粮食的产量直接关系到农业劳动力的生活水平，因此，“三农”问题成为中国经济研究的热点问题，提高粮食产量，关注农村居民收入迫在眉睫。
为此，本文将就粮食产量影响因素进行分析，希望从中发现一些对粮食产量关键作用的因素。
二.研究方案与数据的搜集统计：影响粮食总产量的因素有很多，包括粮食作物耕种面积、粮食面积单产、有效灌溉面积、化肥用量、农药用量、农业机械总动力、农用塑料薄膜用量、受灾面积、成灾面积等，根据实际情况及模型建立需要选取其中五个作为研究对象，分别农业化肥施用量（x1），粮食播种面积(x2)，成灾面积(x3)，农业机械总动力(x4)，农业劳动力(x5)。
表中列出了中国粮食生产的相关数据，拟建立中国粮食生产函数：表1 中国粮食生产与相关投入资料2000 46218 4146 108463 34374 52574 36043 2001 45264 4254 106080 31793 55172 36513 2002 45706 4339 103891 27319 57930 36870 2003 43070 4412 99410 32516 60387 36546 2004 46947 4637 101606 16297 64028 35269 2005 48402 4766 104278 19966 68398 33970 2006 49804 4928 104958 24632 72522 32561 2007 50160 5108 105638 25064 76590 31444资料来源：《中国统计年鉴》（1995，2008）。
研究假设：农业化肥施用量（x1）与粮食产量正相关粮食播种面积(x2) 与粮食产量正相关成灾面积(x3) 与粮食产量负相关农业机械总动力(x4) 与粮食产量正相关农业劳动力(x5) 与粮食产量正相关三、模型的估计、检验、确认1.画散点图由于点较分散，将他们取对数，使其更集中。
设A1=log(1) A2=log(2) A3=log(3) A4=log(4) A5=log(5) Z=log(y), 做散点图如左侧。
由图可以看出，log（y）和log(x1),log(x4)有较为明显的线性关系，建立多元回归模型。
2.用OLS估计模型：LogY=b0+b1log(x1)+b2log(x2)+b3log(x3)+b4log(x4)+b5log(x5)Logy=-4.173+0.381log(x1)+1.222log(x2)-0.081log(x3)-log(x4)-0.101log(x5 )从模型可以看出，x1,x2,x3均通过了显著性检验，且估计量的系数符合经济含义，x4和x5未通过显著性检验，且系数为负，不符合经济含义。
模型整体R^2为0.981587，F-statistic为202.6826>2.74 (0.05水平下的F统计量值)，DW=1.79 ，可以看出模型整体较优，但个别解释变量没有通过显著性检验，具有多重共线性。
由于我们更关心多重共线性的程度，所以运用KLEIN判别法：图中可以看出log(x4)和log(x1)存在高度相关性，但并没有超过R^2，不是有害的。
3.运用逐步回归法克服多重共线性：用每个x对y进行简单回归，按R^2排序：①Log(y)=8.902+0.224log(x1)T=0.000 0.000R^2=0.1101 DW=0.939②Log(y)=15.1574-0.3834log(x2)T=0.0174 0.4595R^2=0.02 DW=0.33③Log(y)=9.619+0.108log(x3)T=0.0000 0.2177R^2=0.0652 DW=0.597④Log(y)=8.9490+0.16697log(x4)T=0.000 0.0000R^2=0.602 DW=0.62⑤Log(y)=5.6007+0488731log(x5)T=0.0319 0.0485R^2=0.158 DW=0.32排序后：R1^2=77% R4^2=60.2% R5^2=15.8% R3^2=6.5% R2^2=2.4% 由此可见，粮食生产受农业化肥施用量的影响最大，与经验相符合，选Log(y)=8.092+0.224log(x1)为初始回归模型，依次引入Log(x4) log(x5) log(x3) log(x2)进行回归，寻找最佳回归方程（见下表）（Y=log(y)）表2 逐步回归结果c log(x1)log(x2)log(x3)log(x4)log(x5)R^2AIC SCY=f(x1)8.9020.2240.770175-3.255-3.1576 t值prob(0.00)(0.00)Y=f(x1,x4)9.180.4702-0.2150.8402-3.538-3.39 t值prob(0.00)(0.00)(0.0052)Y=f(X1,x5)8.720.220.0180.77-3.17-3.02 t值prob(0.00)(0.00)（0.8963）Y=f(X1,X3)9.420.24-0.070.79-3.29-3.14 t值prob(0.00)(0.00)(0.1159)Y=f(X1,X2)-6.290.2978 1.250.94-4.6-4.46 t值prob(0.0022)(0.00)(0.00)如表中所示：Log(x4)因为经济含义不符合，剔除Log(x5)未通过显著性检验，剔除Log(x3)未通过显著性检验，剔除Log(x2)通过显著性检验，经济意义符合，R^2=0.94,均优于前面的，AIC，SC都有所降低，故保留。
Log(y)=-6.2856+0.2978log(x1)+1.2586log(x2)R^2=0.9452 F+statistic=189.9002 DW=1.59由上表可以看出，该方程为最优模型：各解释变量均通过显著性检验，R^2 较优，F检验通过, 变量的系数均符合经济含义，已剔除多重共线性。
4.受线性约束回归的F检验Wald检验：通过此方法进一步验证是否应剔除解释变量log(x3) Log(x4)和log（x5）:可以看出，F检验和Wald检验的伴生概率都<0.05,说明原假设不成立，约束条件b3=b4=b5=0不成立，进一步检验b3=0是否成立。
可以看出，F检验和Wald检验的伴生概率都<0.05,说明原假设不成立，约束条件b3=0不成立，不应剔除解释变量log(x3),在此基础上检验是否应剔除log(x4)和log(x5).可以看出，F检验和Wald检验的伴生概率都>0.05,说明原假设成立，约束条件成立，b4=b5=0,可以剔除log(x4)和log(x5).结合以上分析，在之前得出的模型中加入解释变量Log(X3)，建立多元回归模型：由模型可知，所有解释变量均通过显著性检验，系数符号符合经济含义，R^2=0.978616，高于前面得出的模型，所以该模型为最优模型。
由下图可知，真实值和估计值拟合的很好。
最优模型为：logy=-5.999638+0.323385log(x1)+1.290729log(X2)-0.086754log(x3)R^2=0.978616 DW=1.41 F=320.34385.异方差检验：怀特检验：Obs*R-squared 的伴生概率为0.2128，说明原假设成立，模型不存在异方差性。
6. 自相关性检验：已知DW=1.413, dl=1.12 du=1.66,落在不确定区域，无法判断。
LM法检验自相关性：据检验结果可知，obs*R-squared 的伴生概率>0.05，接受原假设，该模型不存在自相关性。
7、格兰杰（Granger）因果检验：运用该检验可以判断两个变量在时间上的先导-滞后关系，由于该因果关系与哲学意义上的因果关系还是有区别的，如果可以证明“x是y的格兰杰原因”，只是表明“x中包含了预测y的有效信息”。
检验结果见下表:表3 格兰杰因果检验结果分析F检验（prob）格兰杰因果检验滞后1期滞后2期滞后4期滞后6期log(x1)不是log(y)的格兰杰原因0.0515 0.0048 0.0298 0.1133 log(x2)不是log(y)的格兰杰原因0.1822 0.0516 0.2057 0.1628 log(x3)不是log(y)的格兰杰原因0.2834 0.3193 0.0534 0.1342 log(x4)不是log(y)的格兰杰原因0.2175 0.4332 0.2807 0.0342 log(x5)不是log(y)的格兰杰原因0.7023 0.3401 0.2609 0.0004以上结果显示：在滞后2期和滞后期为4的时候，log(x1)是log(y)的格兰杰原因。
在滞后期为6的时候，log（4）和log（5）是log（y）的格兰杰原因。
其余的不论在滞后几期都不是log(y)的格兰杰原因。
以上结果说明：农业化肥的施用量包含了较多的对粮食产量的有效预测信息，但是在不同的年份，其影响是不确定的。
在滞后期为6的这一年，农业机械总动力（X4）、农业劳动力（X5）对粮食产量有显著影响，这两个因素有可能是以6年为一个周期对粮食产量产生影响，还需更多数据进一步验证。
四.预测：已知：年份粮食产量(万吨)农业化肥施用量粮食播种面积成灾面积（公顷）农业机械总动力农业劳动力logy=-5.999638+0.323385log(x1)+1.290729log(X2)-0.08675 4log(x3)得yf=48790.51 误差为1013.49万吨由此可知模型预测较为准确。
五. 模型的确定与经济解释1.模型的确定：经过一系列的模型检验与设定，可以认为修正后的模型已无多重共线性，无异方差，无自相关，最终可将模型设定为：logy=-5.999638+0.323385log(x1)+1.290729log(X2)-0.08675 4log(x3)R^2=0.978616 DW=1.41 F=320.34382.经济解释：1）影响粮食生产(Y)的主要因素有：农业化肥施用量（X1）、粮食播种面积（X2）、成灾面积（X3）。
农业化肥施用量每增加1万公顷，粮食产量增加约0.3万吨；粮食播种面积每增加1千公顷，粮食产量增加约1.29万吨；成灾面积每增加1公顷，粮食产量减少约0.87万吨。
2）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。