计量大作业

计量经济学大作业――江西省粮食产量基于多元线性回归模型的影响因素分析
成绩：
评语：
江西省粮食产量基于多元线性回归模型的影响因素分析
摘要
本文通过研究江西省近年来粮食产量的情况，运用Eviews软件和OLS分析法对1991—2010年的历史数据进行分析，建立多元线性回归模型，通过逐
步剔除不合适的解释变量以及对方程进行一系列的检验，最终找出影响江西省粮食产量的主要要素，以及它们与粮食产量之间的具体关系。

关键词：粮食产量；粮食作物播种面积；化肥施用量；农用机械总动力；ols
Abstract
This thesis studies on the condition of grain output in Jiangxi Province in resent yeas. By applying the software Eviews and method ols, we analyze the database from 1991 to 2010 and build multivariable linear regression model. Through gradual removal inappropriate variables as well as a series of examinations, we find out the impact elements of grain output in Jiangxi Province and the relations between them.
Key words: grain output; sown area; use level of chemical fertilizer; agricultural machinery; ols
目录
一、引言 (1)
二、模型 (7)
三、结论与对策分析 (26)
一、引言
(一)研究背景与意义
俗话说“民以食为天”，粮食是人类生存的必需品，是社会经济发展和国家安定富强的重要保障，它关系到国计民生的基本问题，也是我国政府历年来高度重视的问题之一。

然而，中国的粮食生产存在着不断增长的粮食需求与不稳定的粮食生产之间的矛盾，纵观最近二十几年来，中国的粮食供应总在供大于求或供小于求之间波动，粮食的供求关系极大地影响到粮食价格的稳定性，引起了社会的普遍关注。

2011年党中央、国务院对农业农村工作的总体要求是，认真贯
彻党的十七大和十七届三中、四中、五中全会以及中央经济工作会议、中央农村工作会议精神，以邓小平理论和“三个代表”重要思想为指导，深入贯彻落实科学发展观，紧紧抓住我国发展的重要战略机遇期，牢牢把握加快发展现代农业的重大任务，加快转变农业发展方式，坚持做到大兴水利强基础，发展生产保供给，提高效益增收入，提升能力促转变，防范风险保安全，改革创新增活力，全力夺取全年好收成，千方百计保持粮食产量稳定在1万亿斤以上，千方百计保持农民收入增长在7%以上，努力确保不发生区域性重大动物疫情，努力确保不发生重大农产品质量安全事件，巩固“十一五”好势头，实现“十二五”好开局，推进现代农业和新农村建设迈出新步伐，为增加有效供给和稳定价格总水平提供重要支撑，为经济社会发展全局作出新贡献。

粮食，是江西的优势，在全国占有重要的地位。

据我省粮食部门统计，我省现有耕地面积仅占全国耕地总面积的2.55%，而生产的粮食和为国家提供的商品粮却占全国的4%左右，纯调出粮食占全国的9%以上，为国家作出了宝贵的贡献。

我省粮食生产与人口的关系之现状却不容乐观：
1、人口基数大，增长速度快
我省在解放初人口基数是比较小的，解放以后，江西省实际上是采取了鼓励生育与鼓励迁入的政策。

这样，就使我省人口增长速度大大高于全国的平均水平。

1990年来，由于政府采取了许多行之有效的措施，计划生育工作成效明显。

但由于受人口基数过大和人口增长惯性的双重影响，2004年江西人口出生率仍高达13.61%，自然增长率达7.62%，分别比全国平均水平的12.29%和5.87%高
1.32和1.75个百分点。

2、耕地面积少，农业人口比例大
我省“六山一水二分田，一分道路和庄园”，耕地面积少，全省总面积约合2.5亿亩，仅有耕地3，800万亩，只占总面积的15%左右。

而我省的农业人口却有2673万，约占全省人口总数的80.6%。

1949年人均耕地面积为2.7亩，1981年只有1.1亩，低于全国人均耕地1.5亩的平均水平。

这些年来，一方面由于工业发展、城市建设、社员住宅建设以及水土流失等原因，耕地面积日趋减少；另一方面，城乡人口却在继续增加。

这样，就是耕地面积减少与人口增长的矛盾越来越尖锐。

农业是江西省经济的基础，同时也是影响我省经济发展的一大瓶颈。

因此，探讨粮食产量的波动问题，明确粮食产量的影响因素，对于稳定我省的粮食生产、保证粮食产量和实现粮食的供需平衡都具有一定的现实意义，对于进一步认识保障我国粮食安全有着更重要的战略意义：
第一，保障粮食安全有利于农民增收。

在价格比较稳定的条件下，粮食产量增长必然会导致农民收入增长，正反两方面的经验教训也证明了这一点：1999年到2003年我国粮食总产量持续下降，这期间的农民收入增长幅度也在下降。

为了促进粮食生产，保障粮食安全，2004年、2005年、2006年、2007年党中央、国务院颁发了四个“一号文件”，实施了一系列鼓励粮食生产的政策，使粮食总产量比2003年增加近5100万吨，与此同时也使农民收入增长摆脱了滞缓的局面，2004年，农民人均纯收入达到2936元，扣除物价上涨因素，比上年实际增长6.8%。

2005年，农民人均收入达到3255元，又比上年实际增长6.2%。

2006年，农民人均纯收入达到3587元，比上年实际增长7.4%。

在我国广大农村尤其是粮食主产区农村，农业经营收入主要来源于粮食生产，国家保障粮食安全的政策措施越全面、越完善、越优惠，粮农的生产积极性就越高涨，农民增收就越有保障；同时，农民生产粮食的积极性充分调动起来了，又可以从根本上保障我国的粮食安全。

第二，保障粮食安全有利于推进新农村建设。

建设新农村是全面解决“三农”问题的根本，建设新农村的五大目标中的第一个目标就是“生产发展”，只有农村的生产发展了，才能建立起雄厚的建设新农村的物质基础。

农村的“生产发展”具体来说应包括三大产业的发展，而首先又是农业生产的发展，农业生产中积极发展粮食生产是核心。

粮食生产发展了，供应充足，且农民因此增收了，才有资金与精力从事其它产业，最终才能夯实新农村建设的经济基础。

因此，在新农村建设中，决不能忽视农业，更不能放松粮食生产，要始终把发展粮食生产，保障粮食安全放在首位。

第三，保障粮食安全有利于保证国民经济持续、快速、健康发展。

农业是国民经济的基础，而粮食生产又是农业的基础。

国内外历史经验证明，一个国家经济的波动，首先是农业的波动，而农业生产的波动中首先又是粮食生产的波动。

因为粮食生产发展了，粮食充足了，一方面可以保证人们有足够的食物，有充足
的精力从事各种生产活动；另一方面可以保证市场物价的稳定，经济的平衡发展；再一方面可以保证相关工业所需原材料的供应，从而促进国民经济各部门协调发展。

相反，粮食生产萎缩，供应短缺，粮食安全问题凸现，则人民的生产、生活都会受到影响，整个国民经济发展则会陷入危机，这种境况，在经济学上叫“李嘉图陷阱”。

在我国经济发展历史上，已多次落入“李嘉图陷阱”，最严重的一次是1960年到1962年的“三年困难时期”。

由此可见，粮食安全是一个国家经济安全的根本，要保证一国的国民经济健康运行，就必须保障粮食安全。

第四，保障粮食安全有利于社会稳定及构建和谐社会。

《汉书》言：“王以民为天，民以食为天”，这是古人对粮食重要性的高度概括。

今天，粮食更是重要的战略物资，对一个国家来说，更为重要。

只有粮食充足了，每个人有饭吃，人们才会安居乐业，社会才会稳定，所以，粮食又是社会赖以稳定的基础。

粮食安全的一个重要内容就是要保障弱势群体的粮食供给，目前我国农村贫困人口仍有2300万，城市下岗失业、收入水平低、需要救助的人口近2200万，这些弱势群体收入低，食物时常得不到保障，这与那些高收入富裕阶层相比，形成明显的不协调，导致社会的不和谐。

弱势群体食物供给的不安全，不仅会导致社会的不和谐，而且会威胁到社会的稳定，因此政府应实行粮食救济措施，满足其基本需要。

所以，为了满足人民的第一生活需要，保证社会稳定，为了保证弱势群体的基本生活，构建和谐社会，就必须保障粮食安全。

(二)研究现状和发展趋势
粮食产量波动的影响因素已有较多研究，目前主要倡导的观点有气候影响论、价格主导论、种植面积主导论、单产决定论、政策导向论、科技导向论和主导因素阶段论等，各种研究从不同角度分析了短期内的粮食产量波动的影响因素，具有一定的参考意义。

黄卉主要从政策、科技、农民和生产条件４个方面分析了影响粮食产量的主要因素，并提出了要通过完善最低收购价格、农业组织创新、保护利用耕地和加强基础设施建设等措施来提高粮食产量。

肖国安等认为影响粮食产量的因素很多，主要可分为三个层次：第一层次是宏观因素，如制度创新、政策导向和科技进步；第二层次是中观因素，如粮食播种面积、单位面积产量、农民受教育程度、受灾面积、生产成本及减税收益、粮食零售价格及收购价格等；第三层次是微观因素，如有效浇灌面积、化肥施用量、农业机械化程度和
财政投入等。

洪波通过实证研究表明为了保障粮食安全，提高粮食产量不仅要从供给层面给予粮食生产更多支持，与此同时，还有必要对影响粮食产量的需求层面因素进行调控。

郭志勇等通过选取粮食种植面积等８个粮食产量因素对１９８５－２００７年的粮食生产的影响情况运用灰色系统理论对影响我国粮食产量的诸因素进行关联动态分析，量化粮食产量与诸因素的关联程度。

孙萍等通过选取粮食作物播种面积、农业机械总动力、化肥施用量、有效浇灌面积、成灾面积和农业劳动力６个因素对粮食总产量的影响进行分析。

在相关学者已有的研究基础上，为了更好地反映影响粮食产量水平的因素，并结合粮食产量影响因素的内涵，笔者选取了农业机械总动力、有效灌溉面积、化肥施用量、粮食作物播种面积4个指标作为粮食产量水平的影响因素。

(三)可用的所有定量分析方法
1、比率分析法，是定量分析的主要方法。

2、趋势分析法。

对指标连续几年的数据作纵向对比，观察其成长性。

3、数学模型法。

在现代管理科学中，数学模型被广泛应用，特别是在经济预测和管理工作中，由于不能进行实验验证，通常都是通过数学模型来分析和预测经济决策所可能产生的结果的。

4、相关分析
相关分析是测定经济现象之间相互依存的规律性，并据以进行预测和控制的分析方法。

5、主成分分析
主成分分析的基本原理是将原来众多具有一定相关性的变量重新组合成新的少数几个相互无关的综合变量，来代替原来变量，这些新的变量综合称之为主成分。

6、通径分析
通径分析方法基本原理涉及网络理论，它是多元回归中可反映自变量相对重要性的一种分析方法，也能更好地研究变量之间因果关系。

（四）本文研究思路与结构
1、研究思路
本文通过理论分析江西省粮食产量的影响因素，建立适当的多元线性模型，
并通过经济意义检验、计量检验、统计检验等方法，逐步完善模型，以期达到合理解释江西省粮食产量的因素成分，并分析粮食产量的变化趋势，提出提高江西省粮食产量的意见政策。

2、文章结构
（1）引言
①研究背景与意义
②研究现状与发展趋势
③可用的所有定量分析方法
④本文研究思路与结构
（2）模型
①理论依据
②样本数据
③估计模型异方差参数
④计量经济检验
a．多重共线性检验
b．异方差检验
c．自相关性检验
⑤统计检验
a.经济意义检验
b.拟合优度检验
c.F检验
d.T检验
⑥预测
（3）结论与对策分析
（五）本文的创新与不足
本文的创新点在于首次采取多元线性回归模型，具体研究江西省粮食产量的影响因素。

定量分析的方法以及近20年数据的采用，提高了研究的可信度，增强了针对性，适用于研究江西省粮食问题。

本文的不足在于研究者不是农学专家，对粮食产量影响因素的选取只能依靠
相关文献及积累经验，所以不能完全囊括所有参数，使得研究全面性不足。

二、模型
（一）理论依据
我们通常考虑粮食产量会受到粮食单产、降水量、种植面积、农业贷款、农业机械总动力、化肥使用量、农药使用量、地膜使用量、有效灌溉面积、农业劳动力、年末耕地总资源、粮食作物播种面积、农村用电量、上一年的粮食产量等因素的影响。

（二）样本数据
（三）估计模型参数
1、创建文件
点击file/new workfile，输入起止年份分别为1991、2010年。

2、输入数据
在命令窗口输入data y x1 x2 x3 x4 x5，依次输入数据。

3、做散点图，估计被解释变量与解释变量的关系
（1）Scat y x1
（2）Scat y x2
（3）Scat y x3
（4）Scat y x4
观察上述散点图，我们可以发现y 与x1、x2、x3之间有明显线性关系，y 与x4关系模糊。

因此我们拟建立回归模型u X X X X Y +++++=443322110βββββ 4、使用ols 方法，估计参数
命令窗口输入ls y c x1 x2 x3 x4,得到结果，如下图：
Y = -886.107 + 0.507*X1 + 4.160*X2 + 0.058*X3 + 0.146*X4
(-1.083) (7.332) (3.067) (2.850) (0.356)
R^2=0.926 F=65.537 D.W.=1.998
（四）计量经济检验
1、多重共线性检验
(1)分析各个解释变量间相关系数
View/covariance analysis/correlation
同时打开y,x1,x2,x3，点击
表中数据x2与x3的相关系数接近于1，可见化肥使用量和农用机械总动力间高度相关，也就是存在多重共线性。

(2)逐一增加解释变量分析
①将各个变量逐个引入方程y=f(x)，计算结果如表所示：
结果分析：
①由原方程f(x1)引入变量x2时，常数、x1的t值明显提高，且R^2由0.5545提高
至0.9133，AIC则由12.358降低至11.98。

表明，引入常量x2，可以提高方程的显著性水平。

②由原方程f(x1)引入变量x3时，常数的t值有所降低，但x1的t值明显提高，且
R^2由0.5545提高至0.9075，AIC则由12.358降低至11.99。

表明，引入常量x3，比较值得考虑。

③由原方程f(x1)引入变量x4时，常数、x1的t值都降低，且R^2由0.5545仅提升
至0.5903，AIC则由12.358升至13。

表明，引入常量x2，并不能可以提高方程的显著性水平，对引入x4的可信度表示怀疑。

上述3步，选择f(x1,x2)为最优。

④由原方程f(x1，x2)引入x3时，常数的t值、x1、x2的t值明显提高，且R^2由
0.9133提高至0.9454，AIC则由12.98降低至10.46。

表明，引入常量x3，可以
提高方程的显著性水平。

⑤由原方程f(x1，x2)引入x4时，常数的t值、x1、x2的t值明显降低，且R^2由
0.9133仅提高至0.9166，AIC则由12.98降低至10.88。

表明，引入常量x4，并
不能显著提高方程的显著性水平，怀疑出现多重相关性，对引入x4的可信度表示怀疑。

⑥若由原方程f(x1,x3)引入x4时，常数、x1、x2的t值，R^2，AIC没有明显改善。

表明，引入常量x4，并不能显著提高方程的显著性水平，对引入x4的可信度
表示怀疑。

由上述3步，选择f（x1，x2，x3）最优。

⑦由原方程f(x1，x2，x3)引入x4时，常数的t值、x1、x2的t值明显降低，且R^2
仅提高至0.004，且AIC上升。

表明，引入常量x4，并不能可以提高方程的显著性水平，对引入x4的可信度表示怀疑，应从模型中删除。

经过对可决系数、t统计量、AIC的分析，得到如下结论：
回归模型以y=f(x1，x2，x3)为最优模型。

所以消除共线性后的方程为：
Y = -609.040 + 0.503*X1 + 4.274*X2 + 0.0550*X3
（-2.477）（7.573）（3.335）（3.068）
(3)逐步回归分析验证
点击Quick/estimate equation/stepls
根据数据显示，最小二乘法回归时，x1的t值明显大于2，而且据经济意义解释，粮食作物播种面积必然导致粮食产量的变动，因此选择添加必须增加的变量：x1 添加可选变量x2，x3，x4，x5.
回归，得到结果，如下图所示：
由上图所示可得,除了X1（粮食作物播种面积）最为重要外，X2(化肥施用量)、X3农用机械总动力）是其次重要的解释变量（t检验值的绝对值大于2，P值小于0.05）,最后为X4(有效灌溉面积)（t小于1，p值大于0.05）从而得到回归方程：
Y = -609.040 + 0.503*X1 + 4.274*X2 + 0.055*X3
R^2=0.945 F=92.381 D.W.=1.946
2、自相关性检验
（1）图示法
①趋势图
在窗口中点击“view/actual,fitted residual graph”，得到残差图，如下：
由图可知，残差的序列图是并不频繁穿过横坐标的，又不是长期，对存在自相关性表示怀疑。

②前期残差与当期残差比较
命令窗口输入Genr e=resid
Scat e(-1) e
结果如下：
由图可知，主要分布在第一、第二象限，自相关性不明显。

（2）DW检验
打开eq01，查看如下：
给定显著性水平α=0.05，查DW表（解释变量包含常数项），样本容量T=20，回归
模型中解释变量个数k=4，得下线临界值d
l =1，上限临界值d
u
=1.68。

因为统计量
d
u
=1.68<D.W.=1.946<2，表明非自相关。

（3）BG检验
在方程窗口点击“view-residual test/serial correlation lm test”，选择滞后期为“2”，输出结果如图。

可得TR^2=20*0.2468=4.936，相伴概率为0.0848，因此只要取显著性水平α
的回=0.0848，可拒绝无相关的原假设，即随即干扰项不存在自相关。

又e
t-1
归系数接近零，因此不存在自相关。

（4）自相关性的修正
命令窗口输入 ls y c x ar(1)，结果如图所示：
结果显示，DW更偏离2,即偏离非自相关。

命令窗口输入 ls y c x1 x2 x3 ar(1)，结果如图所示：
结果显示，R^2稍提高，DW稍提高2，各项t值有所上升，但是新增项p值不通过检验。

又因为本身检验已排除自相关性可能，因此不做修正。

3、异方差检验
（1）图示法
①、相关图形分析
a.观察粮食产量（Y）与粮食作物播种面积（X1）的相关图：
命令窗口输入SCAT X1 Y，结果如下
从图中可以看出，随着粮食作物播种面积的增加，粮食产量的平均水平不断提高，但是离散程度并未逐步扩大或缩小。

表明变量之间可能不存在异方差。

b.观察粮食产量（Y）与化肥施用量（X2）的相关图：
命令窗口输入SCA X2 Y，结果如下
从图中可以看出，随着化肥施用量的增加，粮食产量的平均水平不断提高，但是离散程度并未逐步扩大或缩小。

表明变量之间可能不存在异方差。

c.观察粮食产量（Y）与农用机械总动力（X3）的相关图：
命令窗口输入SCAT X3 Y，结果如下
从图中可以看出，随着农用机械总动力的增加，粮食产量的平均水平不断提高，但是离散程度并未逐步扩大或缩小。

表明变量之间可能不存在异方差。

②、残差分析
由于本步分析后，数据排序被打乱，因此下一步重新建立文件
a.将数据排序，命令窗口输入：Sort x1，方程窗口中点击resids按钮，得到结果如图所示：
b.将数据排序，命令窗口输入：Sort x2，方程窗口中点击resids按钮，得到结果如图所示：
c.将数据排序，命令窗口输入：Sort x3，方程窗口中点击resids按钮，得到结果如图所示：
如图，显示回归方程的残差分布没有有明显的扩大趋势，怀疑不存在异方差。

2.white检验
（由于上步打乱顺序，此步重新回归。

同时由于此模型仅有20个样本，因此不适用gold-quandt检验，选择white检验。

）
(1)建立回归模型：ls y c x1 x2 x3 x4
(2)在方程窗口上点击“Viw\Residual Test\ Heteroskedastcity tests\white”，并勾选“include white cross terms”
检验结果如图所示：
其中，F 值为辅助回归模型的F 统计量值。

取显著水平α=0.05，由于92.16)9(205.0=χ
>nR^2，所以不存在异方差性。

同时可观测P 值较大，也证明不存在异方差性。

3．异方差的修正
虽然上述检验证明不存在异方差，但未保险起见，并进一步缩小不满足同方差的可能性，进行异方差的修正。

打开eq01，点击estimate-option ，勾选weighted ls/tsls ，并加入权重序列，weight ：1/abs(resid)结果如下：
结果显示，R^2，t 值均明显提高，但若给定显著性水平α=0.05，查DW 表（解释变量包含常数项），样本容量T=20，回归模型中解释变量个数k=4，得下线临界值d l =1，上限临界值d u =1.68。

因为统计量d l =1 < D.W.=1.576 < d u =1.68，自相关性
模糊，不可确定。

因此不取自相关性修正的结果。

经过上述多重共线性检验、自相关性检验、异方差检验。

确定最终模型为： Y = -609.040+ 0.503*X1 + 4.274*X2 + 0.055*X3
（-2.477） （7.573） （3.335） （3.068）
R^2=0.945 F=92.381 DW=1.946
（五） 统计检验
1、 经济意义检验
这里所估计的参数040.6090-=∧
β,不具有实际意义。

053.0ˆ1=β,表示粮食作物播种面积每增加1千公顷，粮食产量增加0.053万吨。

427.4ˆ2
=β表示化肥施
用量每增加1万吨，粮食产量增加4.274万吨。

055.0ˆ3
=β表示农用机械总动力每增加1万千瓦时，粮食产量增加0.055万吨,这符合现实意义。

2、 拟合优度检验
由回归结果可知，可决系数945.02=R ，说明模型在整体上对数据拟合较好。

解释变量X1“粮食作物播种面积”,X2“化肥施用量”,X3“农用机械总动力”对被解释变量Y “粮食作物播种面积”的94.5%的变化做出了解释。

3、 F 检验
针对0,0,0:3210===βββH ，给定显著性水平α=0.05，在F 分布表中查处自由度为3和16的临界值24.3)16,3(05.0=F .由于F=92.381>3.24，应拒绝原假设H 0，说
明回归方程显著，即X1“粮食作物播种面积”,X2“化肥施用量”,X3“农用机械总动力”对被解释变量Y “粮食作物播种面积”有显著影响。

4、T 检验
针对0:10=βH 以及0:10≠βH ，由图可以看出，回归系数 ∧1β的标准误差和
t 值分别为0.066和7.573；回归系数 ∧2β的标准误差和t 值分别为1.281和3.335；回归系数 ∧3β的标准误差和t 值分别为0.018和3.067；回归系数∧
0β的标准误差和t 值分别为245.890和-2.477.
在给定显著性水平α为0.05时，)18(2/αt =2.101。

)2(573.72/1->=n t t α，这说明解释变量“粮食作物播种面积”在95%的置信程度下对“粮食作物播种面积”的影响是显著的，即通过了变量的显著性检验。

同理)2(335.32/2->=n t t α，)2(067.32/3->=n t t α，分别说明“化肥施用量”“农用机械总动力” 在95%的置信程度下对“粮食作物播种面积”的影响是显著的，即通过了变量的显著性检验。

（六） 预测
估计在2010年X1“粮食作物播种面积”,X2“化肥施用量”,X3“农用机械总动力”分别增长1%，即分别为4002.9千公顷,151.36万吨,4185.5万千瓦。

1、 双击range 处，修改样本范围1-20为1-21.
2、 打开序列组文件“GROUP1”, 在X1、X2、X3新增观测组的第21行分别输入4002.9,151.36,4185.5.
3、 打开估计方程窗口，点击forecast,弹出预测对话框，将预测值序列和残差序列命名为“yf ”和“se ”.
4、 打开yf ，点预测值为2283.313.
即假设2010年X1“粮食作物播种面积”,X2“化肥施用量”,X3“农用机械总动力”分别增长1%时，即分别为4002.9千公顷,151.36万吨,4185.5万千瓦，对江西省粮食产量的预测值为2283.313万吨。

5、 给定α=0.05，查表得)19(2/ t =2.093，又 sum squared resid=27348.75, 可得置信区间为（2283.313-sqrt （27348.75）*2.039，2283.313+sqrt （27348.75）*2.039）,即（1942.44，2624.19）万吨.
即在假设2010年X1“粮食作物播种面积”,X2“化肥施用量”,X3“农用机械总动力”分别增长1%时，即分别为4002.9千公顷,151.36万吨,4185.5万千瓦，江西省粮食产量2011年95%的置信区间的为（1942.44，2624.19）万吨。

三、结论与对策分析
农业作为第一产业，是民生问题的根本，也是解决众多发展问题的前提。

我国必须坚持粮食自给的原则，才能保持健康、持续发展的势头。

但是近年来，由于自然灾害多发，粮食产量极不稳定，威胁人民生活的稳定，影响国家安全。

对于江西省，1998年的洪涝灾害、2008年的雪灾，以及常年的水土流失问题，“靠天吃饭”也是不容忽视的现状。

因此必须从众多因素分析着手，找到可以突破的出发点，提升主要的影响因素的水平
从以上的理论和实证分析可以看出，化肥施用量、农用机械总动力、粮食作物播种面积对粮食产量影响显著。

其中影响江西省粮食产量的最大因素是粮食作物播种面积,其次是化肥施用量、农用机械总动力。

因此为保证江西省粮食产量不断增加，减轻恶劣天气等自然灾害的影响，必须在以下方面着手：
（1） 确保落实耕地保护制度，保护和改善耕地质量，确保耕地面积及质
量，保证粮食耕种面积，提高土地利用率。

（2）加大科研力度，加快农业科技创新，在保护环境的前提下，适当提高化肥施用量，防止化学物质投入过度，影响未来的粮食产量。

（3）大规模使用农用机械，提升粮食生产的机械化水平。

保证农用耕地的面积及质量。

（4）同时，大力推进农业领域的改革，完善促进粮食生产的相关政策，不断完善粮食生产领域，保证粮食产量。

参考文献
[1] 周永生，肖玉欢.基于多元线性回归的广西粮食产量预测 . 南方农业学报. 2001，（42）
[2]百度文库，/view/268040.htm
[3]朱再昱,李风琦.鄱阳湖生态经济区粮食产量的影响因素分析.2011，（11）
[4] 石洪景.粮食产量水平的影响因素及聚类分析. 2011,(10)
[5]陶长琪. 计量经济学.东北财经大学出版社，2011
[6]中经网统计数据库，/?elecid=1004/。