计量经济学实验报告——粮食产量的影响因素分析
计量经济学论文-我国粮食产量影响因素分析与预测
我国粮食产量影响因素分析与预测摘要：本文采用计量经济分析方法,以1980—2010年中国粮食产量及其重要影响因素的时间序列数据为样本,仿照C-D生产函数，建立了以粮食产量为因变量，以农用化肥施用量、有效灌溉面积、财政支农支出、农村用电量、农村机械总动力、粮食作物播种面积、农业灾害成灾面、农业劳动力八种可量化的影响因素为自变量的多对数回归模型，利用模型对各个因素进行了比较分析。
同时，对模型进行检验与修整，并在此基础上提出了一些关于增加粮食产量的可供参考的意见。
关键字：计量经济分析粮食产量多对数回归模型一、前言粮食是关系国计民生的重要战略物资。
粮食综合生产能力与粮食安全问题一直是世界性的重大问题，备受世界各国政府及专家学者的关注与研究。
近年来，中国粮价上涨过快，通货膨胀压力明显加大，不仅给低收入群体的生活带来很多困难，也使得国民经济的发展受到了制约。
粮食近年来连续减产、国家储备库存和农民手中的存粮减少，加上消费者需求的过量扩大，粮食将从结构性短缺转为战略性短缺。
粮食生产关系到我国的社会经济发展，因此认真研究和加深了解中国粮食生产的规律和特点，找出影响粮食总产量的主要因素，并采取针对性的粮食增产措施，对于稳定和发展粮食生产就有重要意义，对增加农民收入，乃至拉动整个国民经济的增长具有重要作用。
二、文献综述我国学者很早就对粮食生产问题展开了研究，并取得了一系列突出成果。
赵俊晔、王川采用逐步回归和灰色关联分析的方法对1991-2004年影响我国粮食产量变化的主要因素进行了分析，发现有效灌溉面积与粮食产量一直保持高的关联度，成灾面积与粮食产量的关联仅次于有效灌溉面积，在此基础上对提高我国粮食生产科技支撑能力、稳定发展粮食生产提出了建议。
梁子谦、李小军选取了15个指标，通过建立因子分析模型，对中国粮食单产和播种面积的影响因子进行了市政分析，研究结果表明，对粮食单产影响最大的因子是科技进步，其次是物质投入因子、环境与气候因子和中策因子。
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
粮食是人类的基本生活物资，对于一个国家的经济和社会稳定具有重要的影响。
分析我国粮食产量的影响因素对于制定农业政策、促进农业生产具有重要的意义。
本文将基于计量经济学的方法，对我国粮食产量的影响因素进行深入分析。
产量水平是粮食产量的重要影响因素。
农业生产受到自然因素的限制，如气候、土壤等。
通过计量经济学的方法，我们可以通过估计产量对天气因素的敏感度，来评估气候因素对于粮食产量的影响。
土地面积和土壤肥力也是决定粮食产量的重要因素。
农业投入对粮食产量的影响也不可忽视。
农业投入包括肥料、农药、耕地租金等。
通过计量经济学的方法，可以通过评估农业投入对粮食产量的弹性来分析其影响程度。
研究表明，适当增加化肥的使用可以提高粮食产量，但过度使用化肥也会对环境造成负面影响。
农村劳动力的变动也会对粮食产量产生影响。
近年来，随着农村劳动力向非农产业的转移和农村老龄化问题的日益凸显，农村劳动力供给不足成为制约粮食产量增长的一个重要因素。
通过计量经济学的方法，可以评估农村劳动力变动对粮食产量的影响，并提出相应的政策建议。
政策因素也会对粮食产量产生重要影响。
粮食价格政策、土地管理政策、农业补贴政策等可以影响农民的种植行为和投入决策，从而影响粮食产量。
通过计量经济学的方法，可以对政策因素对粮食产量的影响进行定量分析，并为政策制定者提供科学的决策依据。
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我国是世界上粮食产量最大的国家之一，而粮食产量的增长对于我国的经济、社会和政治稳定都具有重要意义。
对于我国粮食产量的影响因素进行深入的分析和研究，可以帮助我们更好地了解我国粮食产量的动态变化，并制定更科学有效的政策来促进粮食产量的增长。
本文将基于计量经济学的方法，对我国粮食产量的影响因素进行分析，以期为我国粮食生产提供一定的指导和参考。
我们可以从土地利用、气候因素、农业技术和政策因素等几个方面来探讨我国粮食产量的影响因素。
土地利用是影响粮食产量的重要因素之一。
我国的耕地面积虽然在过去几年有所减少，但通过土地利用的改进和提高耕地的利用率，可以有效地提高粮食产量。
土地利用的改进和提高耕地的效率对于我国粮食产量的增长具有重要的意义。
气候因素也是影响粮食产量的重要因素之一。
由于农作物的生长和产量受到气候的影响，因此气候因素对于我国粮食产量的增长具有重要的影响。
干旱、水灾、台风等极端天气的影响，都会对我国的粮食产量造成一定程度的影响。
我们需要从气候变化的角度出发，来探讨我国粮食产量的影响因素。
农业技术的进步也是影响粮食产量的重要因素之一。
随着科技的不断进步，农业生产的效率和产量得到了显著的提高。
通过推广先进的农业技术和改进农业生产方式，可以有效地提高粮食产量，并满足我国不断增长的粮食需求。
农业技术的进步对于我国粮食产量的增长具有重要的意义。
政策因素也是影响粮食产量的重要因素之一。
政府的农业政策对于农民的生产积极性和产出有重要的影响。
通过制定科学合理的农业政策，可以有效地促进农业生产的发展，提高粮食产量。
政策因素对于我国粮食产量的增长具有重要的影响。
时间序列计量经济学论文浅谈中国粮食产量的影响因素大学毕设论文
浅谈中国粮食产量的影响因素12级公共事业管理01班李雅丽1220060108这里我讨论的是中国粮食产量的影响因素。
首先，我的因变量y是粮食产量，自变量x1是化肥施用量，x2是粮食面积，x3是成灾面积。
我的目的是证明粮食产量与化肥施用量成正相关，与粮食面积成正相关，与成灾面积成负相关，从而我在粮食产量方面谈一些自己的见解。
下面则开始实验。
首先通过查找《统计年鉴》得到我需要的数据，输入数据，然后要分别做单位根检验，首先做y的单位根检验，我们知道是y是一次差分序列平稳的，再接下来分别做x1，x2,x3的单位根检验，如下表我们可以知道x1和x2都是一次差分序列平稳的，x3是二次差分序列平稳的。
接下来做协整检验。
通过上表，我们可以清楚的看到他们之间存在协整关系。
通过以上的检验后，我们可以真正的进入到检验因变量和自变量之间的关系了。
通过“Estimate Equation”对x1,x2，x3做回归，得到下表结果通过观察上表数据我们可以得到方程：M=-14224.37+5.457x1+0.397x2-0.137x3(-0.90) (11.13) (3.01) (-1.63)R^2=0.881 D.W=0.216 s.e=2248.3F=66.37 T=31然后点击“Residual Tests ”下面的“Histogram-Normality test”做正态性检验，得到结果如下表我们可以看到Jarque-Bera 和Probability明显大于0.05，因此是正态的。
接下来就是做自相关检验。
得到下表结果，但是我们发现“Obs*R-squared”的值小于0.05，则表明存在自相关。
因此这个时候就要进行修正。
我采用广义差分法。
这里我就不一一建造差分变量，直接在经过以1/M为权重修正过的加权方程的估计量里加入一个AR（1）再进行回归估计，然后得到以下结果然后就可以看到“Obs*R-squared”的值大于0.05了，则不存在自相关了，也就是做好了修正。
计量实验报告-研究人均粮食产量的影响因素
计量经济学实习报告班级：学号：姓名：【摘要】本报告通过统计分析1983年至2000年我国粮食的相关数据，研究人均粮食产量的影响因素，选取亩均施肥量、人均播种面积、人均受灾面积、亩均机械动力四个因素为解释变量，利用利用Eviews软件，建立回归模型进行回归分析、参数检验和模型修正从而得出最终模型。
由模型可知：人均粮食产量与亩均施肥量、人均播种面积呈正相关关系，与人均受灾面积呈负相关关系。
【关键字】粮食产量多元回归分析检验和修正1.文献综述中国是世界上最大的粮食生产国之一，同时也是粮食的消费大国。
一直以来各种农业科技迅速的发展，带动了我国经济社会的发展。
随着人口的增长和贸易全球化的进程不断深化，粮食安全问题已渐渐为人们所关注。
关于影响粮食产量的因素，很多前人对其做过了分析，现有文献中也出现了许许多多的粮食生产模型。
如通过粮食总产量、粮食播种面积、化肥费用、其他物质费用、粮食成灾面积、时间虚变量，建立柯布—道格拉斯生产函数。
例如张素文，李晓青等主要运用多元回归模型的方法分析了湖南省近50年来粮食播种面积，粮食产量的总体变化趋势[1],王伏虎[2]分别从时间空间角度，粮食价格角度，粮食资源属性和资源供给结构等方面建立了粮食供需平衡函数，并确立了粮食安全模式。
总结下来，影响粮食产量的主要因素有：粮食播种面积、有效灌溉面积、农业机械总动力、粮食作物受灾面积、农用化肥施用量、粮食单产、种粮劳动力数量等。
经研究分析，其中一些因素已被认为对粮食产量影响不显著，各因素之间也还存在着相关性。
现有文献在某些变量上也达成了一致，如种植面积、施肥量等对粮食产量的影响，但某些因素的影响仍然寻在分歧。
2.前期准备首先从众多的影响因素之中，选择出对因变量影响最大的四个解释变量：亩均施肥量、人均播种面积、人均受灾面积、亩均机械动力；然后通过计量经济学对模型进行多元回归分析、多重共线性检验和修正、异方差性检验和修正、自相关性检验和修正，从而得出一个拟合程度较优、估计参数显著的最终模型。
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粮食是人类的基本生活物资之一，粮食产量的增加直接影响着国家的粮食供应和粮食安全。
了解和研究影响我国粮食产量的因素对于保障国家粮食供应具有重要意义。
种植面积是影响粮食产量的关键因素之一。
种植面积的增加可以提高粮食产量，而减少则会导致粮食产量下降。
影响种植面积的因素包括耕地面积、农业政策和制度等。
耕地面积的扩大有助于增加种植面积，而耕地面积的减少则会限制种植面积的增长。
农业政策和制度也对种植面积有着重要的影响，例如对农民耕地保护政策的支持与限制等。
农业投入是影响粮食产量的重要因素。
农业投入包括劳动力、资本、农药、化肥等。
劳动力的增加可以提高农业生产效率，从而增加粮食产量。
资本的投入可以提高农民的种植技术和设备水平，从而提高粮食产量。
农药和化肥的使用可以防治病虫害，提高农作物的产量和质量。
气候条件是影响粮食产量的重要因素。
充足的阳光、适宜的温度和降水量都对粮食产量的增长起着至关重要的作用。
不同的粮食作物对气候条件的要求不同，不同的气候条件对各地粮食产量的影响也存在差异。
第四，技术进步是提高粮食产量的关键因素。
种植技术、农业机械和农业科技的进步可以提高粮食生产效率，从而增加粮食产量。
新品种的引进和适宜的耕作措施可以提高作物的产量和抗病虫能力。
市场需求也是影响我国粮食产量的重要因素。
市场需求对粮食价格的影响可以影响农民的粮食种植决策。
当市场需求较高时，农民倾向于增加粮食种植面积以满足市场需求，从而增加粮食产量。
我国粮食产量的影响因素与农业政策、经济发展、气候条件、农业投入、技术进步和市场需求等因素紧密相关。
深入研究和分析这些因素的作用，有助于制定合理的粮食生产政策，提高粮食产量，保障国家粮食供应和粮食安全。
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。
计量作业--粮食产量的影响因素
主要研究的是影响粮食产量的主要因素。
首先，粮食产量明显地会受到种植面积、灌溉面积、施肥量等因素的影响，同时，粮食产量还应与农用机械、务农劳动力有关。
此外粮食的供给会收到价格的影响，价格的上涨会促进粮食供给的增加，所以应该与上一年的价格指数也有关。
最后，粮食产量还可能跟国家政策有关，如2004年开始的粮食直补、2006年开始取消农业税等。
根据上面的理论构建计量模型，其中粮食产量为因变量Y，自变量包括种植面积，有效灌溉面积，施肥量，农业机械总动力，第一产业从业人数，上年的粮食价格指数，以及两个虚拟变量：粮食直补、。
1 2004年及以后年份其中=0 2004年之前的年份1 2006年及以后年份=0 2006年之前的年份模型：通过查找《中国统计年鉴》，选取1990年至2013年的数据，并利用Eviews6.0进行回归，得出未调整的回归方程。
Y = -10099.3253483 + 0.444083503908*X1 + 0.643350155941*X2 + 2.25516928072*X3 - 0.167070623133*X4 - 0.682720118854*X5 - 10.6464108655*X6 + 2141.40606487*X7 - 943.756657556*X8由于指标数据当量存在较大差异，所以需要对模型进行一定的调整，对Y以及前6个自变量指标取对数，新模型为重新利用Eviews6.0得出回归方程（1）：LNY = -5.205883 + 0.947117*LNX1 + 0.721933*LNX2 + 0.381875*LNX3 (0.4173) (0.0101) (0.3012) (0.0046) - 0.283626*LNX4 - 0.258046*LNX5 –0.058013*LNX6 + 0.060528*X7 (0.2022) (0.0902) (0.2794) (0.0305) - 0.008520*X8(0.6729)通过看相应的回归结果，F检验是通过的。
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我国作为全球最大的粮食生产国之一，粮食产量的变化对国家粮食安全和农村经济发展都具有重要影响。
对我国粮食产量的影响因素进行深入的计量经济学分析具有重要意义。
本文将从农业生产要素投入、气候因素和政策因素三个方面进行分析，探讨这些因素对我国粮食产量的影响及其对应的政策建议。
一、农业生产要素投入农业生产要素投入是影响粮食产量的重要因素之一。
农业劳动力是农业生产的重要生产要素，直接关系到粮食产量的增长。
我国农业生产中，大部分劳动力集中在小农户中，且由于劳动力的外流，导致农业生产力下降。
加强对农业劳动力的培训和流转政策，促进农业生产的现代化和规模化，可以有效提高粮食产量。
农业生产中的资本投入也是影响粮食产量的重要因素。
随着农业现代化的发展，农业生产需要更多的资金投入用于购买化肥、农药、农机具等生产资料。
政府应该加大对农业生产资金的投入，支持农民购买先进的农业生产技术和设备，以提高农业生产效率和粮食产量。
二、气候因素气候因素是影响粮食产量的另一重要因素。
近年来，全球气候变化对我国农业生产造成了一定的影响，尤其是极端天气事件频发，如干旱、洪涝等，直接影响了我国的粮食产量。
为了应对气候变化对粮食产量的影响，政府应该加强对气象灾害的监测和预警，开展抗旱、防洪等农业防灾减灾工作，加强水资源管理，提高农业生产的抗灾能力，保障粮食产量的稳定增长。
三、政策因素政策因素也对粮食产量产生了直接的影响。
农业支持政策、农业补贴政策、粮食流通政策等，都会对粮食生产产生积极的促进作用。
实施粮食最低收购价政策，可以增加农民生产粮食的积极性，保障粮食生产的稳定。
又如，加大对粮食生产的补贴政策，可以提高农民的收入，激发他们的生产积极性，从而提高粮食产量。
政府应该根据实际情况，制定更加科学合理的农业政策，支持和保障粮食产量的稳定增长。
我国粮食产量受到农业生产要素投入、气候因素和政策因素等多方面因素的影响。
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
我国粮食产量的影响因素是一个复杂的系统工程，涉及到农业生产、自然环境、农村社会经济等多个方面。
在基于计量经济学的分析中，我们可以通过建立经济模型来研究这些影响因素，并利用数据进行实证分析。
农业生产技术是影响粮食产量的关键因素之一。
农业生产技术在很大程度上决定了农作物的种植质量和产量水平。
农业机械化水平、化肥、农药使用量、新品种引进等都会对粮食产量产生重要影响。
通过计量经济学模型，我们可以分析和估计这些因素对粮食产量的影响程度，从而为粮食生产提供技术指导。
自然环境因素也是影响粮食产量的重要因素。
自然灾害、气候变化、土地质量等都会对农作物种植和生长产生直接的影响。
利用计量经济学方法，我们可以建立模型，估计这些因素对粮食产量的影响强度，从而提供应对自然环境风险的政策建议。
在进行基于计量经济学的分析时，我们可以选取适当的数据集来进行实证研究。
根据研究的问题，我们可以选择跨区域和跨时间的数据，建立时间序列或者面板数据模型。
通过进行回归分析，我们可以估计各个因素对粮食产量的影响效应，并进行显著性检验和灵敏度分析，以评估模型的可靠性和稳定性。
通过基于计量经济学的分析，我们可以深入了解我国粮食产量的影响因素，并为粮食生产和农业政策提供科学的决策依据。
还可以为其他国家和地区的粮食生产问题提供经验借鉴和政策参考。
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在计量经济学领域，分析影响粮食产量的因素是一个重要的研究课题。
本文基于相关的文献和数据，探讨了影响我国粮食产量的各种因素。
首先，土地面积是影响我国粮食产量的最重要因素之一。
根据统计数据，我国的耕地面积已经达到1.8亿公顷，其中粮食作物占了很大的比例。
因此，土地面积的变化对于我国粮食产量的影响是十分显著的。
一般来说，耕地面积的增加会促进粮食产量的增长，而耕地面积的减少则会导致粮食产量的下降。
其次，气候变化也是影响我国粮食产量的重要因素之一。
气候的变化可以直接影响到粮食作物的生长季节、产量以及品质等因素。
例如，旱季、洪涝灾害等极端天气会对粮食产量造成重大的损失。
因此，在农业生产方面，合理应对气候变化是十分必要的。
另外，科技创新也是影响我国粮食产量的重要因素之一。
现代化的农业科技可以提高粮食产量和质量，并且减少农业生产成本，提高劳动生产率。
因此，在政策层面对农业科技的发展进行重视和支持，可以促进我国粮食生产的长期发展。
此外，政策和市场环境的变化也会对我国粮食产量产生影响。
例如，政府出台的有关扶持农业生产政策，对农民的种植积极性产生直接影响。
同时，市场需求也是影响农业生产的重要因素之一。
生产什么、种植什么、销售什么，都需要根据市场需求进行调整。
综上所述，影响我国粮食产量的因素非常复杂。
除了土地面积、气候变化、科技创新等外部因素，政策和市场环境的变化也是影响我国粮食产量的重要因素之一。
因此，引导农民更加专注于粮食生产，鼓励科技创新，探索新的生产和销售模式，加强政策支持，可以有效地提高我国粮食产量。
计量经济学实验报告——粮食产量的影响因素分析
粮食产量的影响因素分析一、问题的提出改革开放以来，中国经济迅速发展，人口增长迅猛，对粮食的需求日益增加。
粮食产量无疑成了影响中国经济发展的重大因素。
同时，粮食的产量直接关系到农业劳动力的生活水平，因此，“三农”问题成为中国经济研究的热点问题，提高粮食产量，关注农村居民收入迫在眉睫。
为此，本文将就粮食产量影响因素进行分析，希望从中发现一些对粮食产量关键作用的因素。
二．研究方案与数据的搜集统计通过对影响粮食产量的主要因素的分析，把影响农民收入的因素主要归结与以下几个方面：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。
通过查找中国统计年鉴，我们得到如下的统计资料：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。
资料来源：《中国统计年鉴》（1985，2009）三、模型的估计、检验、确认对模型有如下假设：1.零均值： 0)(=i u E n i ,,3,2,1 =2.同方差无自相关：3.随机扰动项与解释变量不相关：0),(=i ji u X Cov k j ,,3,2 =4.无多重共线性5. 残差的正态性：显然这些假设是不可能完全成立的，所以必须对其进行检验。
残差的正态性检验已完成。
主要需要检验的有：一、多重共线性检验。
二、异方差性检验。
三、自相关性检验。
由于现有知识有限，只能对检验出来的一种情况进行修正，其它的暂不做修正，只做检验。
我们将基于以上数据进行分析。
（1）利用Eviews5.0作OLS 估计的结果为：Dependent Variable: Y Method: Least Squares Date: 12/26/11 Time: 12:41 Sample: 1985 2009 Included observations: 25Variable Coefficient Std. Error t-Statistic Prob.C -26695.08 7507.527 -3.555775 0.0021 X1 5.994511 0.609713 9.831685 0.0000 X2 0.536701 0.057858 9.276245 0.0000 X3 -0.135873 0.029720 -4.571732 0.0002 X4 0.090822 0.042053 -2.159696 0.0438 X5-0.0073900.070511-0.1048140.9176R-squared0.980829 Mean dependent var 44945.64 Adjusted R-squared 0.975783 S.D. dependent var 4150.729 S.E. of regression 645.9230 Akaike info criterion 15.98480 Sum squared resid 7927113. Schwarz criterion 16.27733 Log likelihood -193.8100 F-statistic 194.4114 Durbin-Watson stat1.715679 Prob(F-statistic)0.000000⎩⎨⎧≠===--=ki k i u u E Eu u Eu u E u u COV k i k k i i k i ,0,),()])([(),(2σ),0(~2σμN iY= -26695.08+5.994511X1+0.536701X2+-0.135873X3+0.090822 X4+-0.007390X5 (7507.527) (0.609713) (0.057858)(0.029720) (0.042053) (0.070511) T =（-3.555775）(9.831685) (9.276245) (-4.571732) (-2.159696) (-0.104814)R-Squared=0.980829df=19从上面的估计的结果可以看出：可决系数R-Squared=0. 980829，表明模型在整体的拟和非常好。
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粮食是人类最基本的生活物资之一，对于维持社会稳定和经济发展具有重要意义。
了解粮食产量的影响因素对于制定合理的农业政策和保障粮食供应具有重要意义。
本文将基于计量经济学方法对我国粮食产量的影响因素进行分析。
粮食产量受到土地面积和土地质量的影响。
土地面积是农业生产的基础，农业生产的扩大需要有足够的土地面积。
土地质量包括土壤肥力和灌溉条件等，对于粮食产量的影响非常显著。
通过收集我国各省份的土地面积和土地质量等相关数据，并运用计量经济学方法进行实证分析，可以得出土地面积和土地质量对粮食产量的正面影响。
农业生产技术的进步对粮食产量也起到重要作用。
农业技术包括种植方式、施肥技术、植物保护技术等，这些技术的不断进步和应用对提高粮食产量具有重要意义。
通过收集我国农业技术进步情况和粮食产量数据，可以运用计量经济学方法探讨农业技术进步对粮食产量的影响。
气候因素是粮食产量的重要影响因素。
气候变化对农作物的生长和发育有直接影响，特别是降水和温度等气候因素对粮食产量的影响最为显著。
通过收集气象数据和粮食产量数据，可以进行计量经济学分析，探讨气候因素对粮食产量的影响。
政府政策也对粮食产量产生重要影响。
政府通过提供农业补贴、推动农业产业化等措施，可以促进粮食产量的增加。
通过收集相关政府政策数据和粮食产量数据，可以运用计量经济学方法进行实证分析，研究政府政策对粮食产量的影响。
通过计量经济学方法对我国粮食产量的影响因素进行分析，可以为制定合理的农业政策和促进粮食产量的增长提供有力支持。
需注意本文所提到的分析方法和数据收集都需要更为详细和全面的考虑，以确保分析结果的准确性和可靠性。
我国粮食产量的影响因素分析 计量经济学模型
我国粮食产量的影响因素分析一。
研究背景：改革开放以来，中国经济迅速发展，人口增长迅猛,对粮食的需求日益增加。
粮食产量无疑成了影响中国经济发展的重大因素.同时，粮食的产量直接关系到农业劳动力的生活水平,因此,“三农"问题成为中国经济研究的热点问题，提高粮食产量，关注农村居民收入迫在眉睫。
为此,本文将就粮食产量影响因素进行分析，希望从中发现一些对粮食产量关键作用的因素。
二.研究方案与数据的搜集统计：影响粮食总产量的因素有很多，包括粮食作物耕种面积、粮食面积单产、有效灌溉面积、化肥用量、农药用量、农业机械总动力、农用塑料薄膜用量、受灾面积、成灾面积等，根据实际情况及模型建立需要选取其中五个作为研究对象，分别农业化肥施用量（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)。
表中列出了中国粮食生产的相关数据，拟建立中国粮食生产函数：表1 中国粮食生产与相关投入资料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。
资料来源：《中国统计年鉴》（1995，2008）。
研究假设：农业化肥施用量（x1）与粮食产量正相关粮食播种面积（x2) 与粮食产量正相关成灾面积（x3）与粮食产量负相关农业机械总动力(x4) 与粮食产量正相关农业劳动力（x5）与粮食产量正相关三、模型的估计、检验、确认1。
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粮食产量是一个国家农业生产的核心指标，影响着粮食供应和国家经济发展。
研究粮食产量的影响因素对于指导农业生产和制定农业政策具有重要意义。
本文基于计量经济学方法，分析了我国粮食产量的影响因素，并提出了相应的政策建议。
粮食产量受到农业生产投入的影响。
农业生产投入包括农地面积、劳动力投入、农业机械使用情况、化肥使用量等。
通过计量模型的分析，我们可以得出这些投入因素对粮食产量的弹性。
研究表明，农地面积对粮食产量的影响较大，农地面积每增加1%，粮食产量可提高0.5%左右。
在政策制定过程中，应注重优化土地资源配置，提高土地利用率，增加农地面积。
气候条件是影响粮食产量的重要因素。
气候因素包括降水量、温度、光照等。
研究发现，气候因素对于不同作物的影响程度有所不同。
大豆对温度和光照的要求较高，而水稻对降水量和温度的要求较高。
在粮食生产管理中，应根据作物的生长特点，合理调控气候条件，以提高粮食产量。
农业技术进步对粮食产量也具有重要影响。
农业技术进步包括播种时期、种植方式改进、农药使用等。
研究表明，农业技术进步可以提高粮食产量，特别是在作物抗病虫害、耐旱等方面的技术进步。
在政策制定中，应加大对农业科技的投入，推动农业技术的创新，提高粮食产量。
市场需求和价格也会影响粮食产量。
市场需求和价格对农民种植意愿和农作物选择有重要影响。
研究发现，粮食价格的上涨可以刺激农民增加种植面积和改变种植结构，进而提高粮食产量。
在市场监管中，应合理调控粮食价格，提高粮食生产者的收益，从而促进粮食产量的增加。
我国粮食产量的影响因素包括农业生产投入、气候条件、农业技术进步和市场需求和价格等。
在制定粮食生产政策时，应重视这些因素的相互作用，通过合理调控政策，提高粮食产量，以满足人民的粮食需求，促进农业可持续发展。
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引言作为世界上最大的粮食生产国之一，中国的粮食产量直接关系到国家粮食安全和农业经济发展。
分析和探讨我国粮食产量的影响因素对于优化农业生产、保障粮食安全具有重要意义。
计量经济学方法是研究经济问题和解决实际问题的重要工具，可以通过建立数学经济模型来分析不同因素对粮食产量的影响程度，并为政府制定农业政策提供科学依据。
本文旨在通过计量经济学分析探讨我国粮食产量的影响因素，为政府农业政策的制定提供参考依据。
一、数据来源和变量选择本研究选取了1990年至2019年的我国粮食产量和一系列可能影响粮食产量的经济、气候和政策等因素作为研究对象。
具体而言，本文选取的变量包括粮食种植面积、化肥使用量、农村劳动力人口、粮食价格、气温、降水量、国家粮食政策等。
这些变量既包括了农业生产的内生因素，也包括了外生因素的影响，具有广泛的代表性。
二、模型建立在数据准备好之后，本文利用计量经济学中的多元线性回归模型对粮食产量的影响因素进行分析。
多元线性回归模型可以较好地剖析多个变量对一个因变量的影响，通过对系数的估计和显著性检验可以得出不同因素对粮食产量的影响程度。
多元线性回归模型的基本形式为：Y= β0+ β1X1+ β2X2+ β3X3+ ...+ βnXn+ ε。
Y为粮食产量，X1至Xn为影响因素，β0为截距项，β1至βn为各自变量的回归系数，ε为误差项。
本文将采用逐步回归法，根据变量的显著性逐步筛选出最终的影响因素。
三、计量分析结果在进行计量分析之后，得到了如下的回归结果：Y= β0+ β1X1+ β2X2+ β3X3+ β4X4+ β5X5+ β6X6+ β7X7+ β8X8+ ε。
Y为粮食产量，X1为种植面积，X2为化肥使用量，X3为农村劳动力人口，X4为粮食价格，X5为气温，X6为降水量，X7为国家粮食政策。
结果显示，种植面积、化肥使用量、农村劳动力人口、粮食价格、气温、降水量和国家粮食政策均对粮食产量有显著影响。
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一、描述性统计本文研究粮食产量的影响因素，选择粮食作物播种面积、有效灌溉面积、农用化肥施用折纯量、农业机械总动力作为解释变量，做回归分析，其中各变量的描述性统计结果见下表：变量变量名均值中位数最大值最小值标准差偏度峰度Y 粮食产量(万吨) 56868.2457380.3266949.1543069.538494.107-0.19567 1.490971X1 粮食作物播种面积(千公顷)111124112337.9119230.199410.376378.686-0.304528 1.683837X2 有效灌溉面积(千公顷)61080.0261014.6369160.5254014.235533.2950.089051 1.51527X3 农用化肥施用折纯量(万吨)5313.6535403.976022.64253.76586.7267-0.475366 1.942107X4 农业机械总动力(万千瓦)87312.9595013.04111728.155172.118536.85-0.463413 1.7504由于这些指标量级整体偏大，因此，回归前对其进行对数化处理。
二、回归分析通过回归结果可以看出，模型结果为模型为ln Y =-7.979944+0.595422*ln X1+0.860895*ln X2+0.103692*ln X3+0.143397*ln X41.经济意义检验从结果来看，lnX1、lnX2、lnX3、lnX4的系数均为正数，即对lnY表现为正向影响，符合经济意义2.拟合优度检验该回归的拟合优度为0.992775，说明这些解释变量能够解释粮食产量99.2775%的变化，调整后拟合优度为0.990848，接近于1，拟合效果好，可以通过拟合优度检验3.统计检验t检验：lnX1、lnX2、lnX4系数t检验对应的p值均小于10%，因此在5%的显著水平下，lnX1、lnX2、lnX4均对lnY有显著影响，而lnX3的系数并不显著，因此可能有多重共线性。
基于计量经济模型河北省粮食产量影响因素分析
基于计量经济模型河北省粮食产量影响因素分析河北省位于中国北方，是我国农业大省之一，粮食产量在国家经济中具有重要地位。
了解粮食产量的影响因素并进行分析对于粮食生产和农业政策的制定非常重要。
本文将基于计量经济模型，对河北省粮食产量的影响因素进行分析。
粮食产量受到自然气候因素的影响。
河北省地处北方平原，气候寒冷，年均气温较低。
气候因素对粮食产量有直接的影响，包括降水量、气温、光照等因素。
通过对河北省多年的气象数据进行统计分析，可以得出不同气候因素对粮食产量的影响程度，以及如何通过合理的农业措施来应对不利的气候条件。
土壤质量是影响粮食产量的重要因素之一。
河北省土壤类型较多，包括黄土、沙土、壤土等。
不同土壤类型对作物的生长有不同的影响。
土壤质量的好坏直接影响着植物的养分吸收、水分蓄积和排水能力等。
通过对不同土壤类型的土壤质量进行测试和评估，可以为农民提供有针对性的土壤改良措施，提高粮食产量。
农业投入是影响粮食产量的重要因素之一。
农业投入包括农药、化肥、种子等农资的使用情况。
通过对不同农业投入因素与粮食产量之间的关系进行计量经济模型分析，可以确定合理的农业投入比例，提高农业生产效益。
农民的知识水平和技术水平也是影响粮食产量的重要因素。
农民的知识水平和技术水平决定了他们在农业生产中采取的种植技术和管理方法。
通过提高农民的教育水平和技术培训，可以提高他们的农业生产能力，从而提高粮食产量。
政府政策也对粮食产量有重要影响。
政府的农业补贴政策、粮食收购政策等可以直接影响农民的种植行为和农业投入水平。
通过对不同政策对粮食产量的影响进行计量经济模型分析，可以了解政策对粮食产量的激励作用，为政府提供制定农业政策和调控粮食市场的参考。
粮食产量受到多个因素的影响。
通过对这些影响因素的研究和分析，可以为农民提供合理的农业措施和政府提供制定农业政策的参考，从而提高河北省粮食的产量和质量，促进农业的可持续发展。
计量经济学粮食产量影响因素研究
我国粮食产量影响因素分析一、引言“十一五”时期，我国粮食产量和增速目标均超额完成，《全国新增1000亿斤粮食生产能力规划（2009—2020年）》也于去年提前实现，但粮食自给率却远远低于规划目标。
2010年低于90%，远远低于2008年11月《国家粮食安全中长期规划纲要（2008—2020年）》的规划目标，即粮食自给率基本保持在95%以上。
在国家强有力政策的支持下，2011年粮食增产4.5%,自给率也略有提高。
今年1—4月，粮食进口同比增长43.3%，粮食自给率再度下降到90%以下，我国粮食安全问题仍然存在。
展望未来，我国粮食需求仍将快速增加，但生产受到诸多限制，利用国际市场调剂的空间亦非常有限。
因此，需要对影响我国粮食产量的各个主要方面的因素进行定量分析，从而提出合理化建议，以增强我国的粮食自给能力，解决我国的粮食安全问题。
二、理论基础俗话说“民以食为天”，粮食是我们维持生命的必需品，对于世界上所有的人都十分重要。
农业是我国国民经济的基础产业，农业占有极其重要重要的地位。
我国虽然是粮食的产量大国，但是由于我国的人口基数大，所以我国的粮食产量严重影响着我们国家的正常运转，影响着我们每一个人的正常生活。
经验表明，统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系来说，都是必要的，但本身并非是充分条件。
三者结合起来，就是力量，这种结合便构成了计量经济学。
因此，本文认为粮食产量主要受到粮食作物播种面积、农业机械总动力、农业有效灌溉面积、农业受灾面积和农用化肥施用量的影响。
所以，可以运用相关的Eviews软件进行分析。
三、计量模型本研究课题以《中国统计年鉴》为资料来源，使用了1986—2011年粮食作物播种面积、农业机械总动力、农业有效灌溉面积、农业受灾面积、农用化肥施用量和农业就业人数的影响因素。
令粮食产量为Y(万吨)、粮食作物播种面积为X1(千公顷)、农业机械总动力为X2(万千瓦)、农业有效灌溉面积为X3(千公顷)、农业受灾面积为X4(千公顷)、农用化肥施用量为X5(万吨)。
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中国是世界上最大的农业生产国之一，粮食产量对中国的经济和社会稳定具有重要影响。
研究我国粮食产量的影响因素对于农业生产优化和粮食安全具有重要意义。
本文将基于计量经济学方法，探讨我国粮食产量的影响因素。
气候因素是影响我国粮食产量的重要因素之一。
中国地域广阔，气候变化较为显著。
气温和降水是农作物生长的关键影响因素之一。
研究表明，适宜的温度和降水对粮食产量具有良好的促进作用。
气候灾害，如干旱和洪涝，会严重影响农作物的生长和产量。
合理调整农业生产结构以适应气候变化，并应对气候灾害，是提高我国粮食产量的关键。
投资水平是影响我国粮食产量的重要因素之一。
农业的现代化需要大量的投资，包括土地改良、农业机械化和科技创新等方面的投入。
研究发现，农业投资水平与粮食产量呈正相关关系。
加大农业投资，提高农业生产效率和农民收入，可以促进我国粮食产量的增长。
农业政策也是影响我国粮食产量的重要因素之一。
农业政策包括价格政策、补贴政策和扶持政策等。
研究发现，合理的农业政策可以刺激农民的生产积极性，提高农业生产效益，从而增加粮食产量。
这表明，调整农业政策，支持农业现代化和农民的可持续发展，是提高我国粮食产量的重要途径。
人口因素也是影响我国粮食产量的重要因素之一。
中国人口众多，对粮食的需求量巨大。
研究发现，人口的增长会带动农业生产的扩张和农村地区经济的发展。
人口的增长对于提高我国粮食产量具有积极的影响。
我国粮食产量的影响因素包括气候因素、投资水平、农业政策和人口因素等。
合理调整这些因素，加强农业现代化建设和农业科技创新，是提高我国粮食产量和保障粮食安全的重要举措。
应加强科学研究，深入探讨粮食产量的影响因素，为制定合理的农业政策和推动农业可持续发展提供科学依据。
- 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)。
粮食产量的影响因素分析一、问题的提出改革开放以来，中国经济迅速发展，人口增长迅猛，对粮食的需求日益增加。
粮食产量无疑成了影响中国经济发展的重大因素。
同时，粮食的产量直接关系到农业劳动力的生活水平，因此，“三农”问题成为中国经济研究的热点问题，提高粮食产量，关注农村居民收入迫在眉睫。
为此，本文将就粮食产量影响因素进行分析，希望从中发现一些对粮食产量关键作用的因素。
二．研究方案与数据的搜集统计通过对影响粮食产量的主要因素的分析，把影响农民收入的因素主要归结与以下几个方面：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。
通过查找中国统计年鉴，我们得到如下的统计资料：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。
资料来源：《中国统计年鉴》（1985，2009）三、模型的估计、检验、确认对模型有如下假设：1.零均值： 0)(=i u E n i ,,3,2,1 =2.同方差无自相关：3.随机扰动项与解释变量不相关：0),(=i ji u X Cov k j ,,3,2 =4.无多重共线性5. 残差的正态性：显然这些假设是不可能完全成立的，所以必须对其进行检验。
残差的正态性检验已完成。
主要需要检验的有：一、多重共线性检验。
二、异方差性检验。
三、自相关性检验。
由于现有知识有限，只能对检验出来的一种情况进行修正，其它的暂不做修正，只做检验。
我们将基于以上数据进行分析。
（1）利用Eviews5.0作OLS 估计的结果为：Dependent Variable: Y Method: Least Squares Date: 12/26/11 Time: 12:41 Sample: 1985 2009 Included observations: 25Variable Coefficient Std. Error t-Statistic Prob.C -26695.08 7507.527 -3.555775 0.0021 X1 5.994511 0.609713 9.831685 0.0000 X2 0.536701 0.057858 9.276245 0.0000 X3 -0.135873 0.029720 -4.571732 0.0002 X4 0.090822 0.042053 -2.159696 0.0438 X5-0.0073900.070511-0.1048140.9176R-squared0.980829 Mean dependent var 44945.64 Adjusted R-squared 0.975783 S.D. dependent var 4150.729 S.E. of regression 645.9230 Akaike info criterion 15.98480 Sum squared resid 7927113. Schwarz criterion 16.27733 Log likelihood -193.8100 F-statistic 194.4114 Durbin-Watson stat1.715679 Prob(F-statistic)0.000000⎩⎨⎧≠===--=ki k i u u E Eu u Eu u E u u COV k i k k i i k i ,0,),()])([(),(2σ),0(~2σμN iY= -26695.08+5.994511X1+0.536701X2+-0.135873X3+0.090822 X4+-0.007390X5 (7507.527) (0.609713) (0.057858)(0.029720) (0.042053) (0.070511) T =（-3.555775）(9.831685) (9.276245) (-4.571732) (-2.159696) (-0.104814)R-Squared=0.980829df=19从上面的估计的结果可以看出：可决系数R-Squared=0. 980829，表明模型在整体的拟和非常好。
系数显著性检验：对于C、X1、X2、X3、X4的系数，t的统计量的绝对值都通过了检验，而X5的系数的t统计量为-0.104814，在df=19、α=0.05的情况下，X5的系数不能通过检验。
根据经验判断，无法通过第一步检验的原因很可能是解释变量之间存在多重共线性。
(2)多重共线性的检验与修正我们对X1 X2 X3 X4 X5进行多重共线性检验，得到：表1.2 相关系数表X1 X2 X3 X4 X5X1 1.000000 -0.616566 0.400644 0.952746 0.314885 X2 -0.616566 1.000000 -0.238039 -0.741538 -0.060970 X3 0.400644 -0.238039 1.000000 0.310096 0.409704 X4 0.952746 -0.741538 0.310096 1.000000 0.128834 X5 0.314885 -0.060970 0.409704 0.128834 1.000000可以发现X1 X2 X3 X4 X5之间存在高度的线性相关关系。
运用逐步回归法进行修正：表1.3一元回归估计结果变量X1 X2 X3 X4 X5参数估计3.158761 -0.14429 0.182715 0.165219 0.553797值t值7.716525 -0.68297 1.126564 4.775066 1.799071r^2 0.721363 0.019877 0.052295 0.165219 0.123364其中，加入X1的r^2最大，以X1为基础，顺次加入其他变量逐步回归。
结果如下。
表1.4 加入新变量的回归结果（一）加入变量X2 X3 X4 X5参数估计0.631835 -0.10622 -0.26297 0.146656值t值11.07516 -1.11232 -3.97217 0.79565r^2 0.957624 0.736199 0.837737 0.729157其中，加入X2的r^2最大，以X1，X2为基础，顺次加入其他变量逐步回归。
结果如下。
表1.4 加入新变量的回归结果（二）加入变量X3 X4 X5参数估计-0.11151 -0.03681 0.002836值t值-3.63213 -0.82605 0.037402r^2 0.973974 0.958958 0.957627其中，加入X3的r^2最大，以X1，X2，X3为基础，顺次加入其他变量逐步回归。
表1.5 加入新变量的回归结果（三）加入变量X4 X5参数估计-0.08821 0.082863值t值-2.67113 1.34134r^2 0.980817 0.082863显然可见，加入X5时，参数的检验值不显著，说明主要是因为X5引起了多重共线性。
修正多重共线性以后的回归结果为：Dependent Variable: YMethod: Least SquaresDate: 12/26/11 Time: 13:36Sample: 1985 2009Included observations: 25Variable Coefficient Std. Error t-Statistic Prob.C -27110.39 6217.065 -4.360641 0.0003X1 5.954533 0.463769 12.83943 0.0000X2 0.538519 0.053816 10.00673 0.0000X3 -0.136393 0.028570 -4.773986 0.0001X4 0.088210 0.033023 -2.671134 0.0147R-squared 0.980817 Mean dependent var 44945.64Adjusted R-squared 0.976981 S.D. dependent var 4150.729S.E. of regression 629.7498 Akaike info criterion 15.90538Sum squared resid 7931696. Schwarz criterion 16.14915Log likelihood -193.8172 F-statistic 255.6537Durbin-Watson stat 1.706044 Prob(F-statistic) 0.000000Y = -27110.39+ 5.954533X1+ 0.538519X2+-0.136393X3+0.088210X4(6217.065) (0.463769) (0.053816)(0.028570) (0.033023)T = （-4.360641）(12.83943) (10.00673) (-4.571732) (-2.671134)R-Squared=0.980817 Adjusted R-squared=0.976981 F-statistic=255.6537(3)自相关检验1.706044得到dl=1.038,dv=1.767,由于DW=1.706044，介于DL和DU之间，所以根据判定定理无法通过DW检验其自相关是否存在。
(4)异方差检验利用怀特检验的方法进行，结果如下：White Heteroskedasticity Test:F-statistic 1.292972 Probability 0.347081Obs*R-squared 16.10371 Probability 0.307082Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/26/11 Time: 13:54Sample: 1985 2009Included observations: 25Variable Coefficient Std. Error t-Statistic Prob.C -2.30E+08 2.75E+08 -0.837516 0.4219X1 49179.67 41752.13 1.177896 0.2661X1^2 -0.995886 2.105686 -0.472951 0.6464X1*X2 -0.444369 0.387229 -1.147561 0.2779X1*X3 -0.110715 0.143066 -0.773874 0.4569X1*X4 0.300021 0.301199 0.996090 0.3427X2 3211.790 4746.863 0.676613 0.5140X2^2 -0.010124 0.020745 -0.488019 0.6361X2*X3 -0.004130 0.016274 -0.253749 0.8048X2*X4 0.016188 0.029300 0.552498 0.5927X3 902.1972 1891.897 0.476874 0.6437X3^2 -0.004837 0.006702 -0.721763 0.4870X3*X4 0.004962 0.009664 0.513384 0.6188X4 -2218.252 3182.078 -0.697108 0.5016X4^2 -0.010839 0.010163 -1.066478 0.3113R-squared 0.644148 Mean dependent var 317267.9Adjusted R-squared 0.145956 S.D. dependent var 558892.5S.E. of regression 516497.6 Akaike info criterion 29.43124Sum squared resid 2.67E+12 Schwarz criterion 30.16256Log likelihood -352.8905 F-statistic 1.292972Durbin-Watson stat 2.895846 Prob(F-statistic) 0.347081从上表看出，Obs*R-squared=16.10371,在显著性水平=0.05下，查其相关分布表，得临近值为23.684，Obs*R-squared=16.10371<23.684,所以接受原假设，表明模型不存在异方差。