计量经济学论文(影响农业总产值的因素分析)

计量经济学期末论文

学院：金融学院

班级：14金融3班

学号：********

*名：**

题目：影响农业总产值的因素分析

[总评成绩： ]

影响农业总产值的因素分析

14金融3班陶锐 20143183

内容摘要：随著经济社会发展以及人口的增加，我国粮食等主要农产品的消费需求不断增加。与此同时，随著工业化、城镇化的推进，用于农业生产的耕地资源和淡水资源逐步减少。但是中国政府出台了一些列保护农业的措施才不会让危机真正到来，近年来中国粮食丰收持续好几年，农业产值也不断增加。这与加大农业的投入密切相关，工业的发展促进了农业的发展。与农用机械的增加，各种水利设施的建设，化肥的用量都有很大的关系。

关键词：农业，模型，多重共线性，异方差

前言

中国经济不断发展，正逐渐变成制造大国，随之各种矛盾接踵而来，用地矛盾不断凸显，工业抢占农业用地，城市抢占农村用地，我国耕地正在面临逐渐减少的局面，加上近年来各种自然灾害频发，比如西南地区的缺水危机和长江中下游的缺水危机，致使粮食危机也可能将要显现出来。中国已是一个有着13亿人口的农业大国，农业生产在整个国民经济结构中占有举足轻重的地位，我国的农业发展也深受人口和经济发展的压力。根据联合国粮农组织1989年生产年鉴，我国全年谷物总产3.65亿吨，位居世界第一，但是若按人口平均，则我国平均每人谷物产量327公斤，低于年度世界人均的358公斤水平，更是远远低于美国1146公斤的人均水平。如果我国的农业不发展，则会使我国的农民和农村人口无法摆脱贫困，也将会严重的妨碍我国整个国民经济的发展。那么，在如今我国农业落后的情况下，该如何才能更好的发展农业？怎样发展才能更好的满足我国人口对于粮食的需求？

针对这些问题，本文收集了从1995年至2009年中国农业生产总值，及各种农业投入，并加以数据分析及比较数据分析，讨论影响农业总产出的主要因素是什么及这些因素的发展变化。

一、问题的提出

（一）总论

20世纪即将过去，在20世纪的后50年，在中国共产党的领导下，我国农业发展取得了举世瞩目的成就。但随之而来的各种矛盾也不断加剧，比如用地矛盾不断显现出来，工业抢占农业用地，城市发展不断占用耕地，从而使我国的农业用地不断减少，中国的粮食安全问题渐渐凸显。但是好在政府提出了确保十八亿亩耕地的红线，才不至于让中国真正面临粮食危机。而且近年来我国粮食连续几年丰收，农业年产值也不断增加，从1995年11884.6亿元到2009的30661.1亿元，几乎增长了近三倍左右，这不能不说是一个重大的进步。农业生产上的成就与我国政府重视农业生产有关，而且还与中国经济的不断发展有关，工业的发展为农业的发展提供了动力，农用机械的增加，各种水利设施的建设，与化肥的用量都有很大的关系。但是这些因素中那些是主要因素，哪些是次要因素也是一个值得研究的问题，因为只有了解哪些是主要影响因素，就把大部分生产成本投入到这个方面上，才能起到四两拨千斤的作用。

（二）问题

以下我将就哪些是影响农业产值的主要因素，哪些是影响产值的次要因素用Eviews软件作出相关分析。

二、模型设定

（一）数据的收集

以下是从中华人民共和国国家统计局中搜集的1995年至2014年中国农业生产总值，及各种农业投入的部分数据，如下表所示：

数据来源：中华人民共和国国家统计局

我们令： Y: 农业总产值/亿元

X1：农机动力/万马力

X2：工业产值/亿元

X3：农村用电量/亿千瓦时

X4：化肥用量/万吨

X5：固定资产/元

（二）建立模型

研究影响农业产值的因素，主要从农业的投入成本方面分析，如：农业机械的投入，灌溉面积，用电量，化肥用量，固定资产等等。

1、利用以上数据做散点图分析，如下图：

由上图可以看出，农业产值的增长一般是随着各种要素投入的增长而增长。

2、建立以下计量经济模型：

Y=β0+β1∗X1+β2∗X2+β3∗X3+β4∗X4+β5∗X5（三）模型的估计与调整

1、多重共线性的检验

用Eviews对以上数据做回归分析，并进行多重共线性检验，如下表：Dependent Variable: Y

Method: Least Squares

Date: 06/26/16 Time: 21:26

Sample: 1995 2009

C -12152.73 4943.742 -2.458205 0.0363

X1 -0.229900 0.113115 -2.032448 0.0726

X2 0.037017 0.003256 11.36770 0.0000

X3 -1.996034 0.579711 -3.443153 0.0074

X4 8.984639 1.940031 4.631184 0.0012

X5 0.564277 0.777300 0.725944 0.4863

R-squared 0.997388 Mean dependent var 17890.03

Adjusted R-squared 0.995938 S.D. dependent var 5804.141

S.E. of regression 369.9422 Akaike info criterion 14.95375

Sum squared resid 1231715. Schwarz criterion 15.23697

Log likelihood -106.1531 F-statistic 687.4330

Durbin-Watson stat 2.149956 Prob(F-statistic) 0.000000