影响我国农业总产值因素的实证分析
- 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)。
影响我国农业总产值因素的实证分析一、模型设定
为了分析我国农业总产值及其影响因素的关系,选择“农业总产值”(单位:亿元)为被解释变量Y;选择“农村居民家庭生产型投资”(单位:元/每户)为解释变量X1;选择“农作物总播种面积”(单位:千公顷)为解释变量X2;选择“农业从业人员数”(单位:万人)为解释变量X3。实验数据来自国家统计局公布的数据为样本:
根据以上数据,利用Eviews 生成Y 、X1、X2、X3的线性图:
由线形图可以看出,我国农业总产值及各影响因素的差异明显,其变动的方向基本相同,相互可能具有一定的相关性。将模型设定为线性回归模型形式:
Y i =β0+β1X 1i +β2X 2i +β3X 3i +u i
二、估计参数
利用Eviews 估计模型参数,回归结果如下:
Dependent Variable: Y Method: Least Squares Date: 05/30/15 Time: 20:54 Sample: 1989 2013 Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob. C -29869.20 20836.69 -1.433491 0.1664 X1 1.709802 0.232338 7.359111 0.0000 X2
0.409578
0.140976
2.905305
0.0085
40,000
80,000
120,000
160,000
200,000
X3 -0.741504 0.197329 -3.757701 0.0012
R-squared 0.989559 Mean dependent var 19257.92
Adjusted R-squared 0.988067 S.D. dependent var 13261.48
S.E. of regression 1448.648 Akaike info criterion 17.54030
Sum squared resid 44070225 Schwarz criterion 17.73532
Log likelihood -215.2537 Hannan-Quinn criter. 17.59439
F-statistic 663.4221 Durbin-Watson stat 1.889115
Prob(F-statistic) 0.000000
根据上表数据,模型估计的初步结果为:
Y î=−29869.20+1.7095X1+0.4096X2−0.7415X3
(20837.69)(0.2323)(0.1410)(0.1973)
t= (-1.4335)(7.3591)(2.9053)(-3.7577)
R2=0.9896, R2̅̅̅̅=0.9881,F=663.4221,n=25初步判定:该模型R2=0.9896, R2̅̅̅̅=0.9881,可决系数很高,
(n−k)= F检验值为663.4221,明显显著。当α=0.05时,tα
2
t0.025(25−4)=2.080,各个解释变量对被解释变量的影响是显著的,但回归系数X3的符号为负,与实际经济比相符。由此可知,该方程可能存在多重共线性。
三、计量经济学检验
(一)多重共线性检验
1、相关系数矩阵
由相关系数矩阵可以看出,各解释变量相互之间的相关系数较高,证实确实存在一定的多重共线性。
2、方差扩大(膨胀)因子法
经验表明,方差扩大因子VIF j≥10时,通常说明该解释变量与其余解释变量之间有严重的多重共线性,这里X1的方差扩大因子大于10,表明存在严重多重共线性问题。
3、对多重共线性的处理
(1)将各变量进行对数变换,利用Eviews软件对Y、X1、X2、X3分别取对数,分别生成序列:lny=log(y),lnX1=log(X1),lnX2=log(X2),lnX3=log(X3)的数据。再对以下模型进行估计:
lnY t=β0+β1lnX1t+β2lnX2t+β3X3t+εt
采用OLS方法估计模型参数,得到的回归结果如下:
Dependent Variable: LNY
Method: Least Squares
Date: 05/30/15 Time: 23:30
Sample: 1989 2013
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob.
C -5.256497 17.85737 -0.294360 0.7714
LNX1 0.782553 0.062125 12.59638 0.0000
LNX2 1.031607 1.450434 0.711241 0.4848
LNX3 -0.389359 0.272071 -1.431096 0.1671
R-squared 0.984575 Mean dependent var 9.637222
Adjusted R-squared 0.982371 S.D. dependent var 0.710208
S.E. of regression 0.094297 Akaike info criterion -1.739082
Sum squared resid 0.186732 Schwarz criterion -1.544061
Log likelihood 25.73852 Hannan-Quinn criter. -1.684991
F-statistic 446.7983 Durbin-Watson stat 1.019721
Prob(F-statistic) 0.000000
模型估计结果为:
lnŶ=−5.2565+0.7826lnX1+1.0316lnX2−0.3894X3
(17.8574)(0.0621)(1.4504)(0.2721)
t=(-0.2944)(12.5964)(0.7112)(-1.4311)
R2=0.9846,R2̅̅̅̅=0.9824,F=446.7983