计量经济学课程设计农业产出影响因素的实证分析

计量经济学课程论文
农业产出影响因素的实证分析
摘要：建立计量经济模型对影响我国农业产出的影响因素进行实证分析，从而在此分析基础上提出了一些政策建议，以期为我国农业发展的政策制定提供一定的参考。

关键词：农业产值化肥施用量农业固定资产投资实证分析
一、问题的提出
今年十月底召开的中共十七大也明确表示我国将走建设社会主义中国特色的现代化农业道路。

那么无疑增加农业产出，提高农民收入将越来越引起我国国家领导的重视。

“三农问题”的核心是农民的收入问题。

农业的产出增长与否、增长的程度如何直接关系到农民的收入问题。

同时，这也是我国解决“三农”①问题所必须关注的一个重要方面。

一旦农业产出得到大幅度的提高，那么在很大程度上可以说极大地促进了农民问题、农业问题的解决。

这对我国加强社会主义新农村建设的工程而言无疑意义深远。

于是分析农业产出的影响因素就显得意义非凡。

考虑到农业是国民经济各部门存在和发展的必要条件，且农业是支撑整个国家经济不断发展与进步的保障。

针对我国是一个人口大国的事实而言更是如此，因此研究农业产出的影响因素，利用数据进行实证分析，并在此基础上提出相应的政策建议也显得很有现实意义。

本文首先找出了大家认为对农业产出有较大影响的数据，将其纳入计量经济模型中，然后通过OLS回归分析方法剔除一些不显著的变量，进而在此基础上对回归结果进行细致的解析。

也希望通过此实证分析可以为农业发展决策提供一定的参考。

二、有关农业产出之影响因素的文献综述
1、《农业收入影响因素的计量经济分析》刘进宝、张延军（2004）
------农业劳动者人均农业收入和农业生产物质投入、国内人口总量、以及所在地区国民经济发展水平具有正相关性。

------农业技术进步引起农业收入下降。

农业劳动力转移困难使得农业劳动者劳均收入进一步下降。

2、《影响我国农业产出绩效主要因素的实证分析》方明（2005）
-------农业的生产要素主要有三个：土地、劳动和资本。

------农业劳动力增长与农业总产值增长间存在负相关关系。

这一结论说明在我国农业发展的进程中，随农业劳动力的增长，其对农业产出影响的显著性成递减趋势。

反映了我国农业剩余劳动力规模庞大，是由于没有好的就业门路被囿于土地之上，被迫从事农业劳动，导致农业劳动力生产率低下。

------农业贷款和农业总产值之间存在正相关关系。

3、《日本农业产出长期影响因素的实证分析》肖文韬（2004）
-------从长期来看，日本的农业产出可以用农业用地、化肥和动力3个解释变量作出解释。

但最大影响因素是农业用地，化肥和农业用动力的影响与农业
用地的影响力相比较小，农业用地是农业产出长期内最根本的制约因素，土地资源至于农业发展的意义非常重要。

------包括中国在内的发展中国家想要有效地实现农业教育和研究的制度化以促进农业发展，就必须进行制度创新，以制度创新推动技术创新。

4、《农业产出水平及其影响因素的相关分析》罗发友（2002）
------农业劳动投入对农业总产出水平起根本性作用。

-----我国农业生产耕地少、科技水平低、劳动投入的边际产出高，客观上使得农业劳动投入对总产出水平起根本作用。

------农民受教育程度是决定农业劳动力生产水平的关键因素。

三、计量经济模型的建立（变量的选取及分析）
（1）、模型建立：本文建立了两个计量经济模型。

第一个模型使用了2005年我国各个省市地区的截面数据来考察农业产出的影响因素。

第二个模型使用的是1989年到2005年的时间序列数据辅助说明在较长时期内科研投入也会对农业的产出具有显著影响。

模型一：Y
i =
+
1
X
1i
+
2
X
2i
+
3
X
3i
+
4
X
4i
+
5
X
5i
+
6
X
6i
+
i
其中：Y
i
------2005年我国各省市地区的农业产值
X
1i
-----2005年我国各省市地区耕地面积
X
2i
-----2005年我国各省市地区的劳动力人数
X
3i
-----2005年我国各省市地区有效灌溉面积
X
4i
-----2005年我国各省市地区化肥施用量
X
5i
-----2005年我国各省市地区农机动力量
X
6i
-----2005年我国各省市地区对农业的固定资产投资额
模型二：Y
t =
+
1
X
t
+
i
其中：Y
t
------我国自1989年到2005年各年的农业总产值
X
t
------我国自1989年到2005年各年对农业投入的科技三项费用（2）、关于模型的几点说明：a) 模型以为初步建立的模型，本人将经过检验和修正进一步完善模型。

b) 此处的对农业的固定资产的投资也是指各地区对农林牧渔的总的固定资产投资。

c) 此处所用的各地区的耕地面积是1996年10月31日的时点数据。

d) 正因为各地区的耕地面积使用的是1996年的数据，那时重庆还未从四川中分离出来，于是重庆的此项数据为空，为了方便分析，本文中按照当今重庆与四川的农业产值数相比较。

发现四川的农业产值几乎为重庆的3倍，于是本文耕地数据9169.1千公顷，分为重庆2400千公顷，四川6769.1千公顷。

四、相关数据的收集
表一农业产出及其各个影响因素
数据来源：根据国家统计局网站数据进行整理而得
1994 3.00 15750.5
1995 3.00 20340.9
1996 4.94 22353.7
1997 5.48 23788.4
1998 9.14 24541.9
1999 9.13 24519.1
2000 9.78 24915.8
2001 10.28 26179.6
2002 9.88 27390.8
2003 12.43 29691.8
2004 15.61 36239.0
2005 19.90 39450.9
数据来源：国家统计局的年度数据
五：模型及处理
(1)、对模型一的参数估计、检验以及模型的修正。

利用EVIEWS软件，使用最小二乘法进行OLS估计，得到如下结果：
1、参数估计结果（见附表1）
=21.7625-0.0244 X1i +0.0823X2i-0.0168X3i+ 3.3064X4i-0.0376X5i+3.1723 X6i i
(40.3832) (0.0124) (0.0545) (0.0474) (0.5435) (0.0262) (0.9061)
t =(0.5389) (-1.9626) (1.5114) (-0.3540) (6.0831) (-1.4352) (3.5011)
R2=0.957176 2=0.946470 F=89.40526 df=31
根据上述OLS 回归结果进行分析，显然X1i
、X2i、X3i、X5i均不能通过t检验。

且X1i
、X3i、X5i的符号不符合经济意义。

X4i、X6i通过t检验，表明此二者对被解释变量具有显著的影响。

且该模型通过F检验，且模型的整体拟合优度较好，达到9.57176，修正后的拟合优度达到9.4647。

于是下面对该模型进行各种检验以及修正，从来改善模型。

2、多重共线形检验
①根据附表1的回归结果我们可以看出：该模型可决系数R2=0.957176，修正的可决系数为2=0.946470，即模型的拟合优度高。

F检验值为89.40526，明显显著。

但是当α=0.05时，有好几个变量的系数不能通过t检验，且还有部分解释变量系数的符号与预期的相反，不符合经济意义。

这表明很可能存在多重共线形。

以下为计算各解释变量的相关系数的结果：
表三Correlation Matrix
X1 X2 X3 X4 X5 X6
X1 1 0.603315 0.723776 0.643534 0.596871 0.721243
X2 0.603315 1 0.712705 0.843853 0.725073 0.569256
X3 0.723776 0.712705 1 0.897058 0.879401 0.860752
X4 0.643534 0.843853 0.897058 1 0.876846 0.730276
X5 0.596871 0.725073 0.879401 0.876846 1 0.850975
X6 0.721243 0.569256 0.860752 0.730276 0.850975 1 由相关系数矩阵可以看出，各解释变量相互之间的相关关系较高(例：X3和X4、X5、X6间的相关系数很高) ，证实确实存在严重多重共线形。

②以下采用逐步回归的方法修正多重共线性。

当进行单个变量逐步回归时，得到如下结果：（见附表2）
表四Y
i=169.4643+0.1104X1i
(127.0223) (0.0253) t=(1.3341) (4.3677) R2=0.3968 F=19.0771
i=113.3278+0.5371X2i
(82.6) (0.0676)
t=(1.3721) (7.9455)
R2=0.6852 F=63.1309
i=77.2366+0.3129X3i
(66.4070) (0.0295)
t=(1.1631) (10.5974)
R2=0.7948 F=112.3053
i=64.8515+3.6933X4i
(38.0063) (0.1909) t=(1.7063) (19.3435 R2=0.9281 F=374.1723
i=220.4792+0.1868X5i
(61.0026) (0.0193)
t=(3.6143) (9.6901)
R2=0.7640 F=93.8973
ti=140.1197+6.5707X6i
(88.6360) (0.9313)
t=(1.5808 (7.0554)
R2=0.6319 F=49.7790
将上述六个式子进行比较我们不难发现，X4i的拟合优度最高，且通过t检验和F检验，因此选择X4i，然后再在此基础上用其他变量与X4i进行组合实行二元回归。

经过回归我们发现X4i、X6i的组合效果最佳，解释变量的系数通过t 检验、模型显示F值显著，且模型拟合优度好。

故选用X4i和X6i的组合（见附表3）。

X4i和X6i的组合与Y i进行OLS回归得到如下所示的结果：
i=27.8016+3.1450X4i+1.6186X6i
(35.6635) (0.2465) (0.5315)
t=(0.7796) (12.7576) (3.0452)
R2=0. 9460 F=245.0957
再在X4i、X6i的组合基础上加入第三个变量。

得到如下结果：
表五Y i对三个解释变量的回归结果
i=49.9384+3.2286X4i+2.0063X6i-0.0153X1i (38.7861) (0.2507) (0.5974) (0.0113) t= (1.2875) (12.8764) (3.3584) (-1.3502) i=15.1418+2.8464X4i+1.6893X6i-0.0551X2i (37.686) (0.3805) (0.5354) (0.0535) t= (0.4018) (7.4813) (3.1554) (1.0299)
R2=0.9494 F=168.8080 R2=0.9480 F=164.1050
i=29.1549+3.4182X4i+2.0698X6i-0.0435X3i (35.8051) (0.3891) (0.7283) (0.0478) t= (0.8143) (8.7854) (2.8420) (-0.9095) R2=0.9476 F=162.6639
i=16.3958+3.3282X4i+1.9443X6i-0.0187X5i (39.2414) (0.3540) (0.6987) (0.0257) t= (0.4178) (9.4020) (2.7829) (-0.7269) R2=0.9470 F=160.8210
通过表五，将四个回归结果进行对比，我们不难发现，四个三元回归的模型均通过F检验，且拟合优度均非常接近，均接近0.95。

且每个模型都只有X4i和X6i两个解释变量的系数通过t检验，新加入的那个变量不能通过t检验。

且与仅有X4i 和X6i两个解释变量时的回归结果进行对比，可知再引入第三个变量并不会使模型得拟合优度由明显提高。

于是本人决定选用X4i和X6i两个解释变量作为最终引入模型的变量。

于是得到模型一修正后的形式为：
i=27.8016+3.1450X4i+1.6186X6i （式一）
(35.6635) (0.2465) (0.5315)
t=(0.7796) (12.7576) (3.0452)
R2=0. 9460 F=245.0957
3、模型的异方差检验
①使用Goldfeld-Quanadt检验异方差
首先对变量进行取值排序。

考虑到本模型中有两个解释变量，且X4i对被解释变量的解释力更强，于是本例中以X4i进行递增排序。

本例中样本容量为31，于是删除中间的5个观测值，将剩余的26和观测值平分为首尾各13个。

（见附表4、附表5）
E1=12=50531.45
E2=22=296760.3
F=E2/E1=296760.3 / 50531.45=5.8728 （式二）
其中：12是排序后对第1~13个观测值进行回归所得的残差平方和。

1
2是排序后对第19~31个观测值进行回归所得的残差平方和。

判断：在α=0.05的显著性水平下，由式一可知，式二中分子分母的自由度均为10，于是查F分布表得临界值为F0.05(10,10)=2.98, 因为F=5.8728>2.98，所以拒绝原假设，表明模型存在异方差。

②使用White检验异方差
利用EVIEWS软件进行的White检验结果请见附表6。

由附表6可以看出：nR2=6.6658，由White检验知，在α=0.05的显著性水平下，查χ2分布表，得临界值χ20.05(5)=11.0705,但仅有X4i的t检验值显著，其余
的X6i、X4i2、X6i2、X4i *X6i的t检验值均不显著。

综合Goldfeld-Quanadt检验及White检验结果，二者所得结论不一致，考虑到此处White检验的多个解释变量均不能通过t检验，于是本人对此处的White 检验的结果表示怀疑，以下进一步通过察看e2=resid^2分别对X4i和X6i的回归结果来判断模型到底是否存在异方差。

用e2分别对X4i和X6i进行回归以及对X4i和X6i的组合进行回归的结果如下：（见附表7、附表8）
e2=4090.643+55.965 X4i e2=11033.28+22.168 X6i
(6083.040) (34.322) (7348.465) (77.210)
t=(0.599) (1.631) t=(1.501) (0.287)
R2=0.084 F=2.659 R2=0.0028 F=0.0824
e2=7325.303+103.828 X4i -141.315X4i
(7176.39) (49.607) (106.958)
t=(1.021) (2.093) (-1.321)
R2=0.1377 F=2.236
从上面两个回归式子可以看出，在α=0.05的显著性水平下，e2分别对X4i和X6i进行OLS回归的模型均不能通过F 检验，模型拟合优度很差，且解释变量的系数都不能通过t检验.e2对X4i和X6i的组合进行回归时，模型中由解释变量得系数不能通过ｔ检验，模型不能同过Ｆ检验，且拟合优度很差。

于是可以综合判断得出式一模型不存在异方差的结论。

４、模型的自相关检验：
通过EVIEWS 软件可以得到式一的残差序列的图形（见附表９）
从图形中可见模型的残差值始终在０周围波动，但不能辨别是否存在自相关，于是需要使用DW检验法进行检验。

从附表3可以看出，dw=1.8277, 查DW分布表可知，当ｎ=31，k=2时，d
Ｌ= 1.297 dＵ=1.570.显然dw=1.8277> dＵ=1.570,故接收原假设，说明模型的随机扰动项不存在自相关。

因此不需要修正。

５、修正后的模型结果
经过多重共线性检验、异方查检验和自相关检验后，最终确立的模型为：
i=27.8016+3.1450X4i+1.6186X6i （式三）
(35.6635) (0.2465) (0.5315)
t=(0.7796) (12.7576) (3.0452)
R2=0. 9460 F=245.0957
经济意义：a)4=3.145，表示化肥施用量每增加一万吨，农业总产值平均增加
27.8016亿元人民币。

b) 6=1.6186，表示对农业的投资每增加一亿元人民币，农业总产
平均增加1.6186亿元人民币。

(2)、对模型二的平稳性检验及回归分析
由于所采取的数据为时间序列数据，于是需要首先进行平稳性检验。

对Y t、X t序列的数据分别进行平稳性检验，可知当将此两个序列的数据进行一阶差分时仅有X t可以通过平稳性检验（见附表10），即X t ~ I(1) Y t不能通过与X t同阶的平稳性检验。

说明我国的农业总产出Y t与我国对农业科技三项费用的投入X t 之间不存在协整关系。

表明二者之间无长期均衡关系。

但本文中仅仅想要粗略说明对农业的科技投入可以明显影响农业产出。

故此回归结果仍然可以用于粗略的大概估计。

通过对表二的数据进行OLS回归可以得到如下结果：（见附表11）
=7811.577+1768.822X t （式四）
t
(1812.915) (201. 591)
t= (4.309) (8.774)
R2= 0.8369 F=76.988
经济意义：1=1768.822，表示每投入1亿元的农业科技三项费用，那么农业产出平均增加1768.822亿元人民币。

通过上述结果可以看出，该模型通过t检验和F检验，且模型拟合优度较高。

于是可以粗略得出农业科技的投入可以明显影响农业总产出的结论。

(3)、对模型结果的分析
通过使用2005年的截面数据，借助EVIEWS软件进行模型的估计和检验，对影响农业产出的各因素进行实证分析，据此本文得出如下的一些结论：
(1)、短期内化肥施用量与农业产值成正相关关系。

这一结论说明随着化肥施用量的增加，农业生产总值会受到显著影响，得到明显增长。

在我国，农业生产耕地少，科技水平低，要想提高农业产出，就只能设法提高单位土地面积的产出，于是在有利于植物生长的限度内增加化肥的使用量，就能明显提高产量，从而增加农业的产值。

(2)、短期内农业的固定资产投资也显著影响农业总产值，当对农业的固定资产投资有所增加时，农业总产值也会明显增长。

这个结论应该说与我国农业生产的实际是相吻合的。

我国农业正处在转型期，更大程度是显现出的是传统农业的特征，生产效率低下，于是增加固定资产投资就意味着更为先进的农业生产机械被引入农业生产过程。

因此很大程度上提高了生产效率。

因此增加对农业固定资产的投资可以起到增加农业产值的作用。

(3)、之所以剔除耕地面积X1i这个变量，本文认为很重要的一个原因是该项数据是1996年10月3 1日的时点数据。

与05年的各地区实际耕地面积存在较大的偏差。

(4)、从对农业产值与农业的科技三项费用投入的回归分析可以看出，式三种的拟合优度之所以仅为0.95左右，而非更接近1。

很大程度上在于模型中没有引入农业科技投入这个解释变量。

而式四的回归结果又说明农业科技投入对农业产值具有显著影响。

六、政策建议
本文通过对影响农业产出的各影响因素进行实证分析。

结果表明，短期的农业产值受到化肥施用量及农业固定资产投资的显著影响。

并且通过分析农业产值与农业科技投入的关系，可以发现农业科技投入也会对农业产值产生影响。

因此我国在进行农业发展，尤其是处在农业转型的关键期，需要注意以下几点：
(1)、在有利于农作物生长的范围内，应注重适当增加施肥量以增加农业的产值收入，从而提高农民的生活水平。

(2)、应该增加对农业的固定资产投资，从而提高农业生产的效率，进而提高农业的总产值。

要想使我国农业由传统农业顺利向现代化农业转型，那么在优先的耕地面积上提高劳动生产效率是必然的选择。

适当增加农业的固定资产投资，那么所得到的回报将是远超于其投资的。

因此，我国应加强农业的固定资产投资，提高我国农业的机械化水平来提高农业产值。

(3)、考虑到单个农民在进行农业固定资产投资时存在很大的局限，比如资本构成低等，政府应该加强对农业生产的补贴，提供财力上的支持，以保证农业的稳定发展，农业产值的稳步增长。

(4)、我国传统农业的现代科技含量低，增产潜力小。

于是科技兴农必然成为今后的选择。

又由于科技研发所需要的周期长，一旦研发成功效益很大，对国家，人民的生活将产生深远影响。

因此国家应当组织核心科研力量研发农业技术，推广优良品种。

参考文献：
[1] 方鸣，影响我国农业产出绩效主要因素的实证分析，《市场周刊》，2005.08
[2] 刘进宝、张延君，农业收入影响因素的计量经济分析，《经济论坛》，2004.05
[3]罗发友，农业产出水平及其影响因素的相关分析，《科技进步理论》，2002.03
[4]庞浩主编，《计量经济学》，科学出版社，2006
[5] 王国清、马骁、程谦主编. 财政学[M]：P154-P163，高等教育出版社，2006
[6]肖文韬，日本农业产出长期影响因素的实证分析，《中南民族大学学公报》，2004.03
[7]肖文韬，美国农业产出长期影响因素的实证分析，《科技管理研究》，2004.02
附表：
附表９
400
300
200
100
-100
-200
-300
51015202530
附表10。