Eviews案例分析—中国粮食生产

合集下载

基于时间序列在粮食产量中的方法研究毕业论文

毕业设计（论文）题目基于时间序列在粮食产量中的方法研究基于时间序列在粮食产量中的方法研究摘要：粮食是我们生产和生活中的基本消费品，我国民生国计的首要大事就是解决我国的粮食产量问题。

本文介绍了几种时间序列的建模方法，来分析预测出我国的粮食产量问题。

并且通过分析我国2000到2014年的粮食生产总量数据的特点，建立了自回归移动平均模型ARIMA(p,d,q)模型。

最后，通过使用Eviews6.0操作软件成功的计算完成了关于我国粮食产量的预测问题。

得出的结果如下，在未来的几年，我国粮食生产在不受到自然灾害等因素影响的前提下，将会缓慢增长。

通过分析，显示农业科技技术和重大的自然灾害对我国粮食产量的影响较为严重，为了保证粮食产量的增长要发展好农业技术和做好重大自然灾害的预防措施。

关键词：时间序列；粮食产量问题； ARIMA模型。

Study on the method of time series based on grain outputAbstract：Food is the most basic consumer goods for human survival,the problem of the grain output of a country relates to the national economy and the national economy and the country's national economy and the nation's livelihood.To make food forecast,this paper presents several modeling methods for time series.Through the analysis of the characteristics of the total grain production data in 2000-2014, the model of auto regressive moving average ARIMA(p,d,q)is established.Finally, the forecast of grain output of our country is calculated by Eviews6.0 software.The results show that the grain output is not affected by natural disasters in the next several years, and it will slow growth.The analysis shows that the agricultural technology and the major natural disasters have a serious impact on the grain output in China.In order to ensure food production problems to develop agricultural technology and to do a major disaster prevention.Keyword:Time series ; Grain output ; ARIMA model.目录摘要I目录III1．引言11.1课题背景11.2本课题研究的意义12．关于我国的粮食产量问题22.1国粮食产量的现状22.2研究粮食产量的方法23．几种时间序列预测方法简介23.1自回归（AR）模型33.2移动平均（MA）模型43.3自回归移动平均（ARMA）模型53.4差分自回归滑动平均(ARIMA)模型54.数据的分析与模型建立74.1数据分析74.2数据平稳化84.3模型的定阶94.4模型有效性检验124.5模型预测135．结论13参考文献15致161．引言1.1课题背景我国的民生问题与粮食产量密切相关，国家经济的可持续性发展以与政治局面的稳定等方面都受到粮食产量的影响。

多元线性回归分析_粮食产量预测_本科毕业论文31632

摘要本文第一章给出了黑龙江省粮食生产状况，粮食产量预测的背景和意义。

第二章给出了多元线性回归的理论主体：包括多元线性回归模型的标准形式，多元线性回归模型的参数估计，模型的检验和预测原理。

第三章应用多元线性回归模型对黑龙江省粮食产量进行预测，分析并确定影响粮食产量的主要因素，建立多元线性回归方程，收集并整理相关数据，应用Eviews6.0软件对多元线性线性回归方程进行参数估计，分别对模型进行拟合程度检验、t检验、f检验，并对自变量进行多重共线性检验，使用逐步回归方法剔除部分自变量，降低自变量间的多重共线性，确定最优回归方程，并应用模型进行粮食产量的预测。

第四章对预测结果及各主要影响因素进行分析解读，最后对黑龙江粮食生产安全提出建议。

关键词：多元回归；多重共线性；逐步回归；粮食产量；预测AbstractThe first chapter of this paper gives the situation of grain production in Heilongjiang Province,and the background and significance of the foodstuff yield prediction.The second chapter gives the multiple linear regression theory, including the standard form of multiple linear regression model,estimation of multiple linear regression model,the method of model test and prediction theory.The third chapter use the multivariate linear regression model to predict the grain yield in Heilongjiang Province. Research and analysis of the main factor that affects grain production,and the establishment of multiple linear regression equation,subsequently collected related data,the application of Eviews software on multiple linear regression equations to estimate the parameters,using the degree of fitting test, t test, F test to detect model,the independent variables were multiple colinearity test,the use of stepwise regression method to eliminate some variables,reduce one of Multicollinearity,determination of the optimal regression equation,then apply the model to the forecast of grain yield.The fourth chapter puts forward suggestions on grain production in Heilongjiang Province.Keywords:multiple regression, multicollinearity, stepwise regression, grain yield, forecast目录序言 (2)第一章课题背景 (3)§1.1 黑龙江省粮食生产状况 (3)§1.2 多元回归分析与预测的引入 (3)第二章多元线性回归的理论主体 (4)§2.1标准多元线性回归模型 (4)§2.2模型的估计 (4)§2.3模型的检验方法和预测原理 (5)第三章应用多元线性回归模型预测黑龙江省粮食产量 (9)§3.1 分析确定影响粮食产量的主要因素 (9)§3.2 回归方程的建立 (10)§3.3 回归模型的估计 (10)§3.4 回归模型的检验 (13)§3.5 自变量的多重共线性及最优方程的确定 (14)§3.6 模型的实际预测 (18)第四章对黑龙江省粮食生产的建议 (20)结束语 (21)谢词 (22)参考文献 (23)序言粮食生产和安全问题是现阶段全球最为关注的问题之一。

我国影响粮食产量的可量化因素实证分析

学校代码专业代码计量经济学实验报告报告题目：我国影响粮食产量的可量化因素实证分析姓名：学号：班级：专业：学院：指导教师：完成时间：我国影响粮食产量的可量化因素实证分析摘要：粮食是人类生存之本，经济发展之基。

本文采用回归分析的方法对1985年-2014年影响我国粮食产量变化的主要可量化因素进行分析，建立了以粮食产量为因变量，以粮食作物播种面积、农用化肥施用量、有效灌溉面积、农业机械总动力、受灾面积、农产品生产价格指数六项因素为自变量的多元线性回归模型，并检验模型的正确性做出相关修正。

在此基础上对提高粮食产量，促进农业发展提出可供参考的建议。

关键词：粮食产量可量化因素回归分析一、引言粮食安全、能源安全和金融安全并称为世界经济三大安全。

而作为拥有十四亿人口的人口大国，粮食问题也一直是政府和社会各界所关心的战略问题。

粮食作为人类生存最基本的消费品，而一个国家的粮食问题关系到本国国民经济的运行。

在研究粮食问题时，本国的粮食生产安全是至关重要的。

建国以来，我国粮食产量多次波动，一方面制约了宏观经济的发展，另一方面给粮食生产者和消费者的生活带来极大的不利影响。

通过查看近30年的数据可以发现，我国粮食产量在总趋势上呈上升趋势。

而本文则希望通过分析六项可量化因素，研究各项因素对粮食产量增加的影响程度，并对进一步提高我国粮食产量做出建议。

二、理论模型构建为了研究我国粮食年总产量，选择“粮食产量”作为被解释变量。

根据对影响我国粮食产量的主要因素粮食作物播种面积、农用化肥施用量、有效灌溉面积、农业机械总动力、受灾面积、农产品生产价格指数6项可量化因素作为解释变量。

由此，建立计量经济模型如下：i i X X X X X X C Y μββββββ+++++++=655443322110三、描述性分析（一）总量分析为了得出影响我国粮食产量的因素，我从粮食作物播种面积、农用化肥施用量、有效灌溉面积、农业机械总动力、受灾面积、农产品生产价格指数等方面进行考虑。

基于EViews的我国农产品产量与相关投入的模型分析与预测检验

我国是传统的农业大国。农业生产关系到民生和其他相关产业的发展。自改革开放以来，国农产我品产量不断提高，民温饱已基本解决，人但粮食生产不能放松，必须长期作为国家的头等大事。了对我为国粮食发展进行规划，需要定量地分析影响中国粮食产量的主要因素。１数据来源以１８０５年国研网收集的农产品的相关数９４２ｏ
劳动力和国家财政用于农业的支出，数据见表１。
裹１农产品产 ■ 与相关投入量
模型初步设定为：
Ｙｒ（唯祁祁Ｃ
其中，，农产品产量（吨）：业化肥施用ｌ：万，农。量（吨）：万，农产品总播种面积（千公顷）：灾，成
３９
２１ＯＯ年５月
情报探索
第５（１１）期总５期
面积（千公顷）ｘ：，４农业机械总动力（万千瓦）墨：，农业劳动力（人）Ｘ：万，６国家财政用于农业的支出（亿元）显著性水平ｏ００。，ｒ．＝５３参数估计假定模型中随机项满足基本假定，ＯＳ法估用Ｌ计参数，计结果如图１示：估所
ｌ＝．３宰ＸｌＯ３６０木Ｘ２０２０２ ’ ，５３３４＝＋．１－．７Ｉｃ
Ｘ３０９２２｝广３９．１＋．６１８０４０２
对数似然值
德宾瓦森统计

计量经济学论文(eviews分析)-中国食品价格指数的影响因素分析

中国食品价格指数的影响因素分析摘要：本文试从影响食品价格指数的外因粮食价格指数、肉禽及其制品价格指数、水产品价格指数、蔬菜价格指数等进行分析和探讨，并在比较相关线性回归方程后，建立合理的食品价格指数预测模型。

本文用到的模型检测方法主要有相关系数法、怀特检验。

模型修正方法有科克伦—奥克特迭代方法、逐步回归法。

关键词：食品价格指数多因素分析预测模型模型检测与修正一、文献综述众所周知，食品在我国CPI中的权重约为1/3，是我国CPI 8项分类指数中权重最大的，食品价格由于受需求和供应变化影响经常出现波动，导致我国CPI指数的上升或下跌。

分析我国食品价格指数的影响因素，对于调控市场价格总水平具有重要意义。

曾经，有一种说法，叫做“CPI的走势是由猪决定”。

这句话乍一看很荒谬，但是仔细分析，其实是有道理的，猪肉的价格会首先影响粮食价格指数，粮食价格指数通过影响食品价格指数，进而影响CPI。

从公布的数据来看，食品类价格依然领涨CPI。

7月份中国食品类价格同比上涨14.8%，影响价格总水平上涨约4.38个百分点。

其中，猪肉价格同比上涨56.7%，影响价格总水平上涨约1.46个百分点。

中国社会科学院宏观经济研究所袁钢明教授表示，虽然CPI的涨幅比上个月提高0.1个百分点，但上涨幅度明显减缓，这主要是因为食品价格、尤其是猪肉价格的下降。

2009年11月份CPI由负转正，结束了九个月的负增长过程。

自此以来，CPI持续高速增长，最高时在去年7月份达到了%6.5.从数据上看，中国经济似乎已经呈现“高通胀，高增长”的过热趋势，有关经济是“过热”还是“通胀”的议论已经不绝于耳。

中国经济增长显然“过热”。

经济过热发生时，其生产能力无法跟上日益增长的总需求。

这是普遍的特点是一个不可持续的高比率的经济增长速度。

经济处于景气时期往往是经济过热的特色。

经济过热给社会各方面造成的影响是不可忽视的。

从过去的CPI数据中可以看出，食品价格的上涨是CPI的主要推手。

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。

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。

我国粮食生产与相关投入计量经济学模型分析

Y =β 0 +β 1X 1 +β 2 X 2 +β 3 X 3 +β 4 X 4 +β 5 X 5R =0.9224我国粮食生产与相关投入计量经济学模型分析一．理论分析二．建立模型以 1980——2003 年各年粮食产量作为被解释变量，解释变量中，包括农业化肥施用量，粮食播种面积，成灾面积，农业机械总动力，农业劳动力。

模型设定为^其中 Y ：粮食产量（万吨）X1：农业化肥试用量（万吨） X2：粮食播种面积（千公顷） X3：成灾面积（千公顷）X4：农业机械总动力（万千瓦） X5：农业劳动力（万人）显著性水平α ＝0.05 三．估计参数假定模型中随机项满足基本假定，用 OLS 法估计参数，估计结果如下：Dependent Variable: Y Method: Least Squares Date: 12/15/06Time: 00:16Sample: 1980 2003 Included observations: 24Variable Coefficient Std. Error t-Statistic Prob. C -5410.500 21545.50 -0.251120 0.8046 X1 8.164618 1.611512 5.066433 0.0001 X2 0.163901 0.151925 1.078830 0.2949 X3 -0.230792 0.103152 -2.237399 0.0381 X4 -0.251621 0.131538 -1.912919 0.0718 X50.638869 0.4294961.4874850.1542 R-squared 0.922443 Mean dependent var 42847.33 Adjusted R-squared 0.900899 S.D. dependent var 5325.186 S.E. of regression 1676.383 Akaike info criterion 17.89898 Sum squared resid 50584693 Schwarz criterion 18.19350 Log likelihood -208.7878 F-statistic 42.81740 Durbin-Watson stat0.415364Prob(F-statistic)0.000000^估计方程为 Y = -5140.5 + 8.16 X 1 + 0.16 X 2 - 0.23X 3 - 0.25X 4 + 0.64 X 5 t: (-0.25) (5.07) (1.08) (-2.24) (-1.91) (1.49)2 F=42.8174 由于 X 2 ， X 4 ， X 5 未通过 t 检验，而且 X 4 前的符号经济意义也不合理，因此解释变量键可能存在多重共线性。

优秀毕业论文-我国粮食产量预测的时间序列模型研究

成都信息工程大学学位论文我国粮食产量预测的时间序列模型研究论文作者姓名：申请学位专业：信息与计算科学申请学位类别：理学学士指导教师姓名（职称）:论文提交日期：2011年06月5日我国粮食产量预测的时间序列模型研究摘要粮食是关系国民生计的重要战略物资，为做好粮食预测，本文介绍了时间序列的几种建模方法。

通过分析1978-2009年我国粮食生产总量数据特点，建立了单积自回归移动平均模型ARIMA（p d，q）。

最终，利用Eviews6.0软件计算完成了我国粮食产量的预测。

结果表明，在未来几年我国粮食产量在不受自然灾害影响的前提下，依然会进行缓慢增长。

经分析，重大自然灾害对我国粮食产量影响严重，确保粮食产量要做好重大自然灾害预防。

关键字：粮食产量；时间序列；ARIMA ;预测Research for Forecasting of China Grain'ield Basedon Time Series ModelAbstractGrain is an importa nt livelihood strategy for the n atio nal relati on ship betwee n material. Forecast for the grain, this thesis introduces several modeling methods of time serials Method and establishes autoregressive moving average model ARIMA (p, d, q) by an alyz ing characteristics of China'grain yield from 1978 to 2009. Fin ally, forecast ing of China 'grain yield is fini shed by means of Eviews6.0 and the result shows that China' grain yield will still grow slowly in the next few years if not being affected by n atural disasters.Key words: grain yield; time serials; ARIMA; forecast ing目录论文总页数：16页1 引言 (5)1.1 课题背景 (5)1.2 国内外研究现状 (5)1.3 本课题研究的意义 (6)1.4 本课题的研究方法 (6)2 几种时间序列预测分析法简介 (6)2.1 自回归（AR）模型 (6)2.2 移动平均（MA ）模型 (7)2.3 自回归移动平均（ARMA ）模型 (7)2.4 差分自回归滑动平均（ARIMA ）模型 (8)2.4.1 ARIMA模型原理 (8)2.4.2 ARIMA模型预测的基本程序 (8)3 数据分析及模型建立 (8)3.1 数据分析 (8)3.2 数据平稳化 (10)3.3 模型的定阶 (12)3.4 模型优化 (13)3.5 模型检验 (14)3.6 模型有效性检验 (15)3.7 模型预测 (15)结论 (16)参考文献 (16)附录......................................................... 错误！未定义书签。

我国粮食综合生产能力影响因素的实证研究

我国粮食综合生产能力影响因素的实证研究摘要：在粮食综合生产能力的影响因素中，选取灌溉面积、化肥施用量、农业机械总动力、粮食作物播种面积、农业灾害成灾面积、第一产业劳动力数这六个因素建立模型，采用EVIEWS软件对数据进行分析，通过拟合情况、系数的显著性、随机干扰自相关性、异方差、多重共线性、时间序列平稳生、单位根以及协整检验这八项检验，消除多重共线性，修正原回归模型，最终得到关于粮食综合生产能力影响因素的长期均衡和短期均衡模型。

关键词：生产能力影响因素1 粮食综合生产能力的概念本文主要采用《十六大报告辅导读本》里关于粮食综合生产能力的定义，指一定时期一定地区，在一定的经济技术条件下，由各生产要素综合投入所形成的，可以稳定地达到一定产量的粮食产出能力。

主要包括耕地保护能力、生产技术水平、科技服务能力、政策保障能力和抵御自然灾害能力这五个方面。

从定义可以看出，粮食综合生产能力主要抱括两个方面，一方面，它是由土地、资本、物质、劳动力等要素的投入所形成，另一方面，粮食综合水平的高低，是由玉米、小麦、大豆、水稻等粮食产品的产出量体现。

2 模型的建立影响粮食综合生产能力的因素有很多，本文选取了灌溉面积、化肥施用量、农业机械总动力、粮食作物播种面积、农业灾害成灾面积、第一产业劳动力数这六个可以量化的因素建立模型。

根据尹成杰发表于《农业经济问题》的《关于我国粮食生产波动思考的建议》，1985年取消了部分鼓励粮食生产的优惠政策，因此直接选取了1985年以后的数据指标。

根据国家统计局年度统计数据、《国家统计年鉴》及《中国粮食年鉴》的统计数据，整理出了1985-2008年全国的农业有效灌溉面积、化肥施用量、农业机械总动力、粮食作物播种面积、农业灾害成灾面积、第一产业劳动力等数据建立模型。

lny=a0+a1lnx1t+a2lnx2t+a3lnx3t+a4lnx4t+a5lnx5t+a6lnx6t+μ式中：Y：粮食产量（亿公斤）；X1：有效灌溉面积（千公顷）；X2：化肥施用量（万公斤）；X3：农业机械总动力（万千瓦）；X4：粮食作物播种面积（千公顷）；X5：农业灾害成灾面积（千公顷）；X6：第一产业劳动力数；T：表示年数；μ：表示随机干扰项方程的输出方式：LNY=2.08002352+0.6859642336*LNX1+0.3307593023*LNX2-0.1520786672*LNX3+1.182274229*LNX4-0.09209495786*LNX5-0.1770989136*LNX6LNX1、LNX2、LNX4的系数为正，说明有效灌溉面积、化肥施用量、粮食播种面积与粮食产量是正向相关的关系，每增加1单位的有效灌溉面积、化肥施用量、粮食播种面积可分别增加0.685、0.331、1.182单位的粮食产量。

我国粮食产量影响因素实证分析

我国粮食产量影响因素实证分析作者：李晶张碧云来源：《经营者》2019年第03期摘要本文基于1990—2015年我国粮食产量影响因素的相关时间序列数据，通过Eviews 软件建立多元线性回归模型，对我国粮食产量变化原因进行分析，并对数据和模型进行多重共线性检验及修正，异方差的检验及修正以及自相关检验及修正，从而得出各个影响因素对粮食产量的影响程度。

关键词粮食产量多元线性回归逐步回归一、建立回归模型本文以粮食产量作为被解释变量（Y），以粮食播种面积（X1）、成灾面积（X2）、农业机械总动力（X3）、有效灌溉面积（X4）4个变量作为自变量，建立如下模型：Y=β0+β1x1+β2x2+β3x3+β4x4+μ模型回归结果：=-38769.32+0.5437X1-0.0822 X2+0.0688 X3+0.4922 X4t=（-2.6405）（6.6951）（-1.7236）（0.8210）（1.2306）R2=0.9638 =0.9569 F=139.8381 n=26二、多重共线性的检验及修正（一）多重共线性的检验通过Eviews软件检验，解释变量的相关系数较高，确实存在多重共线性。

（二）多重共线性的修正采用逐步回归法，经过连续三次采用逐步回归，最终保留X1，X2，X4，剔除X3，回归结果为：=47806.94+0.5060X1-0.0969X2+0.8164X4t=（-4.9573）（7.6055）（-2.2095）（13.1539）R2=0.9627 =0.9576 F=189.0271 DW=0.7307三、异方差的检验选用White检验，构造辅助函数：经计算出现White检验结果，得到nR2=12.1985，由White检验可知，在显著性水平α=0.05情况下，不存在异方差。

四、自相关的检验及修正（一）自相关的检验根据修正多重共线性影响后的回归方程可以看出，可决系数较高，回归系数均显著。

在显著性水平为α=0.05，说明该模型存在自相关。

我国粮食生产影响因素的实证分析

龙源期刊网
我国粮食生产影响因素的实证分析
作者：刘真心邬文兵
来源：《中国新技术新产品》2012年第24期
摘要：本文通过对中国1986---2009年的粮食总产量、播种面积、化肥施用量、受灾面积等相关数据的研究，通过Eviews软件对建立的模型进行检验、修正，最终建立我国粮食产量及其影响因素的计量经济学模型。

同时，通过对模型的分析发现粮食播种面积对粮食产量的影响最显著，化肥施用量次之，最后是成灾面积。

故要想提高粮食产量，关键是要合理开发、利用好耕地面积。

关键词：粮食产量；Eviews软件；计量经济学模型；粮食播种面积
中图分类号：F307.11 文献标志码：A。

中国粮食产量影响因素回归分析

A c a d e m i c F o r u m /学术论坛中国粮食产量影响因素回归分析杨家璇(哈尔滨商业大学统计学专业，黑龙江哈尔滨150028)摘要：粮食关系民生。

文章采用《中国统计年鉴》中2007年-2018年中国粮食产量相关数据，运用Eviews 软件建立多元线性回归模型，研究中国粮食产量的影响因素。

关键词：粮食产量；统计；Eviews 软件；回归分析1硏究目的与意义中国有14X 108多人口，是粮食生产与消费大国。

中国政府一向十分重视粮食问题，而中国粮食产量问题则是重中之重。

中国现在虽然是农业大国，却不是农业强国，只有部分农产品比如小麦、水稻、棉花等处于自给自足的状态，而且粮食生产效率低、成本贵、价格高，导致在如今的全球化背景下，很多农产品比如玉米、大豆等严重依赖进口。

目前本文通过研究2007年-2018年这12年的中国粮食产量，对其数据进行回归分析，得出相应的结论来为政府提供数据支持，对提高中国粮食产量具有积极影响。

2硏究内容2.1数据来源本研究数据源自2019年《中国统计年鉴》，所用4个指标，分别是：y 粮食产量（x l 〇\)、 x l 粮食播种面积（x l 〇3hm 2)、x 2耕地浇灌面积表1粮食产里数据表200750 413.90105 999.0056 518.30 5 107.80200853 434.30107 545.0058 471.70 5 239.00200953 940.90110 255.0059 261.40 5 404.40201055 911.30111 695.0060 347.70 5 561.70201158 849.30112 980.0061 681.60 5 704.20201261 222.60114 368.0062 490.50 5 838.80201363 048.20115 908.0063 473.30 5 911.90201463 964.80117 455.0064 539.50 5 995.90201566 060.30118 963.0065 872.60 6 022.60201666 043.50119 230.0067 140.60 5 984.10201766 160.70117 989.0067 815.60 5 859.40201865 789.20117 038.0068 271.605 653.40(x l 〇3hm 2)、x 3农用化肥施用量（x l 〇4t )。

影响粮食产量的因素eviews

2011—2012学年第二学期《数据分析》期末论文题目影响我国粮食产量的因素分析姓名学号系（院）数学系专业数学与应用数学2012年 6 月27日影响我国粮食产量因素的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1990年-2007年18年的数据，利用Eviews软件，建立以粮食产量为被解释变量，以有效灌溉面积、粮食作物播种面积、化肥使用量、受灾面积、农用机械总动力、农业基本建设投资为解释变量的多元线性回归模型，通过对模型进行异方差检验，自相关检验，自变量的选择以及多重共线性诊断，最后建立了合乎经济意义的粮食生产函数，从而通过对我国粮食生产的影响因素分析粮食产量的决定因素。

关键词最小二乘估计异方差自相关多重共线性怀特检验迭代法差分法逐步回归一．问题重述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。

根据理论和经验分析，影响粮食生产的主要因素有有效灌溉面积、粮食作物播种面积、化肥使用量、受灾面积、农用机械总动力、农业基本建设投资。

为此，本文收集了我国自1990年至2007年有效灌溉面积、粮食作物播种面积、化肥使用量、受灾面积、农用机械总动力、农业基本建设投资的相关数据。

数据资料均来源于《中国统计年鉴》，如表一所示：通过建立数学模型来研究我国粮食投入与产出的生产函数，找出影响粮食产量的关键指标加以改善，确保粮食产量稳步增长，建立粮食生产模型，且对此模型进行评估。

二．问题分析粮食的产量随着投入生产要素的变化而变化，反映出一种投入与产出之间存在着一种数量关系，这种关系可以用一种数学表达式表现出来，这种表达式常称作生产函数。

多元线性函数就是用于表示农业生产投入产出的一种生产函数。

本文首先用最小二乘估计，建立多元线性回归模型εββββ+++++=p p x x x y ......22110，对参数进行估计，然后进行参数检验，方程显著性检验，经济意义的检验。

eviews作业报告(粮食产量的影响因素分析)

粮食产量的影响因素分析本文研究粮食产量（Y）的影响因素，选取了农用机械总动力（X1）、农村用电量（X2）、灌溉面积（X3）、化肥施用量（X4）作为备选的影响因素，考虑到这几个变量的量级比较大，在进行回归分析时，将其进行对数化处理。

1.描述性统计Mean Median Maximum Minimum Std.Dev. Skewness KurtosisLNY 8.592196 8.62727 8.828465 8.180172 0.194589 -0.593456 2.143442 LNX1 9.110365 9.196122 9.368205 8.662263 0.213404 -0.810039 2.410341 LNX2 5.468627 5.596234 5.92348 4.834693 0.357258 -0.529087 1.792365 LNX3 8.532198 8.523777 8.628185 8.460688 0.050207 0.322264 1.892992 LNX4 6.391336 6.47386 6.573806 6.041944 0.177652 -0.668104 1.9754032.回归结果通过eviews8进行回归分析，结果见下表：从结果来看，其拟合优度为0.9553，接近于1，拟合效果较好，而F统计量对应的p值为0.0000，小于1%，因此在1%的显著水平下，模型整体对被解释变量LNY有显著影响。

3.多重共线性检验与修正从回归的系数来看，LNX1的系数为负，不满足经济意义检验，且注意到LNX1、LNX3和LNX4的系数无法通过10%的显著性t检验，因此可能存在严重的多重共线性。

对此，对其进行相关系数检验与VIF检验。

（1）检验相关系数检验结果如下：LNX1 LNX2 LNX3 LNX4LNX1 1 0.94888276 0.77410094 0.974241776LNX2 0.94888276 1 0.912887286 0.968956027LNX3 0.77410094 0.912887286 1 0.82815689LNX4 0.974241776 0.968956027 0.82815689 1从解释变量的相关系数来看，解释变量之间的相关系数普遍较高，基本都在0.9以上，因此有严重的多重共线性。

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。

关于我国粮食生产的单方程计量经济学模型

2006－2007第2学期计量经济学课程大作业大作业名称：关于我国粮食生产的单方程计量经济学模型组长：学号：姓名：专业：成员：学号：姓名：专业：学号：姓名：专业：选课班级：A02 任课教师：徐晔成绩：评语：本文以我国改革开放以来1978-2002年的相关数据为依托，运用计量经济学方法对影响我国粮食生产的主要因素进行了回归分析，并通过统计检验、计量经济学检验、经济意义检验和模型预测检验，最终得出结论：粮食播种面积对我国粮食生产的正面影响最大。

同时，利用模型对提高我国的粮食产量进行了数量化分析，并就如何增加我国粮食产量提出一些可供参考的意见。

教师签名：批阅日期：计量经济学模型---------------------关于我国粮食生产的单方程计量经济学模型粮食生产是关系国计民生的战略物资。

本文以我国改革开放以来1978-2002年的相关数据为依托，运用计量经济学方法对影响我国粮食生产的主要因素进行了回归分析，并通过统计检验、计量经济学检验、经济意义检验和模型预测检验，最终得出结论：粮食播种面积对我国粮食生产的正面影响最大。

同时，利用模型对提高我国的粮食产量进行了数量化分析，并就如何增加我国粮食产量提出一些可供参考的意见。

近年来，中国的经济一直处在高速增长时期，被誉为东亚乃至世界经济发展的一个新引擎。

经济的持续增长当然值得庆贺，然而，对于经济增长中所出现的一些问题，如果不能及时地发现和正视，那么它所引起的后果也可能是严重的。

现阶段的农业就是最需要重视的一个问题。

农业是封建社会最重要的物质生产部门，而粮食更是国民经济的基础。

粮食生产对一个农业国家的经济，特别是对于一个封建国家的经济，真有极为重要的意义。

粮食总产量代表封建国家的经济实力，粮食单位面积产量，反映土地利用的效果，是农业生产力发展水平的重要指标。

清代的粮食生产获得了很大的发展，它的发展同任何社会经济的发展一样，都是由时间上的上升运动和空间上的扩散运行交织而成。

我国粮食生产与相关投入计量经济学模型分析(1)

我国粮食生产与相关投入计量经济学模型分析一．理论分析二．建立模型以1980——2003年各年粮食产量作为被解释变量，解释变量中，包括农业化肥施用量，粮食播种面积，成灾面积，农业机械总动力，农业劳动力。

模型设定为^01122334455Y X X X X X ββββββ=+++++其中 Y ：粮食产量（万吨） X1：农业化肥试用量（万吨） X2：粮食播种面积（千公顷） X3：成灾面积（千公顷） X4：农业机械总动力（万千瓦） X5：农业劳动力（万人）显著性水平α＝0.05 三．估计参数假定模型中随机项满足基本假定，用OLS 法估计参数，估计结果如下：Dependent Variable: Y Method: Least Squares Date: 12/15/06 Time: 00:16 Sample: 1980 2003 Included observations: 24C -5410.500 21545.50 -0.251120 0.8046 X1 8.164618 1.611512 5.066433 0.0001 X2 0.163901 0.151925 1.078830 0.2949 X3 -0.230792 0.103152 -2.237399 0.0381 X4 -0.251621 0.131538 -1.912919 0.0718 R-squared0.922443 Mean dependent var 42847.33 Adjusted R-squared 0.900899 S.D. dependent var 5325.186 S.E. of regression 1676.383 Akaike info criterion17.89898 Sum squared resid Schwarz criterion18.19350 Log likelihood -208.7878 F-statistic 42.81740 估计方程为^123455140.58.160.160.230.250.64Y X X X X X =-++--+t: (-0.25) (5.07) (1.08) (-2.24) (-1.91) (1.49)2R =0.9224 F=42.8174由于2X ，4X ，5X 未通过t 检验，而且4X 前的符号经济意义也不合理，因此解释变量键可能存在多重共线性。