我国粮食产量的影响因素分析计量经济学模型
浅析我国粮食产量的影响因素——基于计量经济模型的分析
理论研讨
浅析我 国粮 食产量 的影 响 因素
— —
基 于计量 经济模 型的分析
杨 玲 玲
（ 郑州大学商学院）
摘 要：本 文利 用 １ ９ ７ ８ －２ ｏ ｏ ６ 年我 国粮 食产量及相关统计 数据 ，
开始 的完全人 力与畜 力的耕作方 式到现 在完全机械化 ，我 国粮食 生
去掉解释变量 ｘ ３ 做Ｏ Ｌ Ｓ 回归得 ： ＝ ０ ． ８ ３ ３ ７ 去掉解释变量 ） （ ４ 做Ｏ Ｌ Ｓ 回归得 ： 瓦 ＝ ０ ． ９ ３ ０ ５
产方式有 了质 的飞跃 。因此考 虑农 业机械 总动力也是影响我 国粮食 生 产 的一个 主要 因素。
由分析可知 ， 化肥施用量对我 国粮食产量 的影响很大 ， 且与经验符
在任何一个经济领域 ，任何经济活动都是在市场规 律的作用下运
３ ． 化 肥 施 用 量
根据 ＯＬ Ｓ 回归得出 的结果可知 可 ｎ ａ ｘ ， ， ， Ｉ ２ ） ＝ ＝ ｏ ． ９ ４ １ ６ ， 且与 锄 ． ９ ４ ５ ９ 很接近 ，说明原模型中去掉 ｘ ２ 后相关程度没有发生明显
的变化 ， 因此 ｘ 可能是引起 多重共线性产生 的变量 。 ２ ． 多重共线 ｝ 生的处理 （ 逐步 回归分析法 ）
２ ． 农 业 机 械 总动 力
１ 多 重共线性 的检验 （ 利 用不包含 某一个解 释变量 的样本 决定 系
数检验 ） 去掉解释变量 ｘ 做Ｏ Ｌ Ｓ 回归得 ： ， 。 ＝ ０ ． ９ １ ５ ９
从改革开放到现在 ， 我 国的粮食生产方式 有了突飞猛进 的发展 ， 从
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是中国北方的一个重要省份，也是国家粮食生产的重要基地之一。
粮食产量的稳定增长对于河北省的经济发展和农民生活水平的提高具有重要意义。
研究河北省粮食产量的影响因素具有重要的理论和现实意义。
计量经济模型是研究经济问题的重要工具，它可以帮助我们分析经济变量之间的关系，揭示经济行为的规律。
本文基于计量经济模型，对河北省粮食产量的影响因素进行分析，旨在探讨如何提高粮食产量，促进农业结构调整和粮食生产的可持续发展。
一、样本数据本文选取了河北省2000年至2020年的粮食产量及相关影响因素的数据，包括但不限于农民人均收入、农业技术投入、农业劳动力等。
粮食产量是因变量，而其他的影响因素是自变量。
通过对这些数据进行分析，可以找出对河北省粮食产量影响最大的因素。
二、模型设定在计量经济模型中，我们首先需要确定模型的设定。
对于河北省粮食产量的影响因素，我们可以选取多元线性回归模型来进行分析。
模型设定如下：粮食产量= β0 + β1*农民人均收入+ β2*农业技术投入+ β3*农业劳动力+ εβ0是截距项，β1、β2、β3分别是自变量的系数，ε为误差项。
通过对模型进行估计，我们可以得出自变量对粮食产量的影响程度，以及它们之间的相互关系。
三、模型估计与结果分析在对河北省粮食产量进行影响因素分析时，我们发现农民人均收入、农业技术投入和农业劳动力对粮食产量都具有显著的影响。
具体数值如下：根据模型估计结果可知，农民人均收入对粮食产量的影响最大，其次是农业技术投入，最后是农业劳动力。
这说明，提高农民收入水平、加大农业技术投入是促进河北省粮食产量增长的重要手段。
提高农业劳动力的质量和效率也对粮食产量的增长具有积极作用。
四、政策建议基于对河北省粮食产量的影响因素分析，我们可以提出以下政策建议：1.加大农业技术投入。
河北省应加大对农业技术研究和推广的投入，提高农业生产的科技含量，提高农业劳动生产率和粮食产量。
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。
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。
影响粮食产量的因素分析
计量经济学论文影响粮食产量的因素分析影响粮食产量的因素分析我国土地资源稀缺，人口多而粮食需求量大，因此粮食产量的稳定增长，直接影响着人民生活和社会的稳定与发展。
本文严格按照计量经济分析方法,以1996-2021年中国粮食产量及其重要因素的时间序列数据为样本,对影响中国粮食生产的多种因素进行了分析。
一、模型的建立以Y i=粮食产量、X1=粮食播种面积、X2=农用化肥施用量、X3=农用机械总动力、X4=农、林、牧、渔业劳动力、X5=耕地灌溉面积，设定Y i=c+β1X1i+β2X2i+β3X3i+β4X4i+β5X5i+u i理论模型。
由经济规律知β1、β2、β3、β4、β5都应大于零。
三、模型的参数估计利用Eviews8得到结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/01/17 Time: 20:10Sample: 1996 2021Included observations: 20Variable Coefficient Std. Error t-Statistic Prob.C -66773.87 37106.01 -1.799543 0.0935X1 0.790068 0.119139 6.631499 0.0000X2 1.768843 8.059923 0.219462 0.8295X3 -0.028692 0.338671 -0.084720 0.9337X4 -0.087017 0.051349 -1.694614 0.1123X5 0.477765 0.663745 0.719802 0.4835R-squared 0.976250 Mean dependent var 51861.43 Adjusted R-squared 0.967768 S.D. dependent var 5548.066 S.E. of regression 996.0571 Akaike info criterion 16.88881 Sum squared resid 13889816 Schwarz criterion 17.18753 Log likelihood -162.8881 Hannan-Quinn criter. 16.94712 F-statistic 115.0958 Durbin-Watson stat 1.811852 Prob(F-statistic) 0.000000由此数据看出，可决系数和修正可决系数为0.976250和0.967768，F的检验值为115.0958，明显显著，拟合效果还可以。
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。
关于我国粮食生产的单方程计量经济学模型
• 摘������ 要: 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, 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. • 关键词: 计量经济学; C- D 生产函数; 多重共 线性; 自相关; 异方差; 预测; 评价
文章内容结构
• 一 变量确定与生产函数模型 • 二 数据收集 • 三 模型检验
1、多重共线性的检验与消除 2、自相关的消除 3、异方差的检验 4、经济意义检验 5、模型预测检验
• 四 模型的预测与分析 • 五 政策评价及建议 • 六 模型的进一步改进
变量确定与生产函数模型
一、被解释变量与解释变量的确定
其中
二、数据收集
三、模型检验
• 运用Eviews 软件对模型( 3. 2) 进行估计, 我 们得到估计结果( 见表2) ( 表4~ 表11 分析方 法同表2) :
㈠多重共线性的检验与消除
• 从表2 可以看出, 回归估计的判决系数R ² 很 高, 方程很显著, 但是8 个参数的t 检验值却 只有两个略微显著. 显然, 出现了严重的多 重共线性. • １、相关系数法 从各解释变量之间的相关系数可以看出X3 与 X4 , X5 , X6 , X7 之间存 在较高的相关系数, 这说明它们之间可能存在 着多重共线性.
模型的进一步改进
在本模型中存在一个很大的缺陷，就是没有 把农民种粮的积极性和粮种的改良因素考虑在 模型中。 但这些因素在本模型中，由于时间和技术的 限制，很难收集到相关的数据，因此我们无法 用计量经济学的方法处理，这样就导致模型的 不足。如若能对这两方面的因素加以处理，那 么这个模型将会变得更加完善，更具有实用价 值。
我国粮食生产与相关投入计量经济学模型分析
我国粮食生产与相关投入计量经济学模型分析一，引言著名经济学家李子奈教授在曾对我国1983~1995年粮食生产数据进行过研究分析,他选取的影响因素数据是:农用化肥施用量,粮食播种面积,成灾面积,农业机械动力和农业劳力,并拟合出了关于我国粮食生产的线性回归模型.在本文中,我们将运用计量经济学的方法对上述模型问题进行研究.对于粮食产量的影响,除了选取上述影响因素外,还把农村用电量、国家财政用于农业的支出和灌溉面积的影响因素数据也加到了模型中去.二，变量的确定与C-D生产函数模型i.被解释变量与解释变量的确定最终确定的模型的被解释变量为:粮食总产量;解释变量为:播种面积、成灾面积、化肥施用量、农业机械动力、国家财政用于农业的支出、灌溉面积和农业劳动力.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.ii.C-D生产函数模型我们选择在经济领域应用最广泛的一种生产函数模型—C-D生产函数模型来进行研究.即Y=f(A,K,L,…)其中Y为产出量,A,K,L分别为技术、资本、劳动的投入要素.生产要素对生产函数的作用与影响,主要是由一定的技术条件决定的,从本质上讲,生产函数反映了生产过程中投入要素与产出量之间的技术关系.2 数据收集根据上面的所确定的模型的变量,我们收集到了1980年~2004年主要粮食生产数据(表一)。
iii.模型的估计设定:粮食总产量为Y播种面积为X1成灾面积为X2,化肥施用量为X3,灌溉面积为X4,国家财政用于农业资金为X5,农机动力为X6,农村劳动力为X7.由C-D生产函数模型,得模型形式如下:Y t=AX it biεt(i=1,2,…,7)(1)两边取对数并进行变换,得:log Y t =b0+b i logX it+μt (i=1,2,…,7)(2)其中b0=logA,μt=logεt.运用Eviews软件对模型(2)进行OLS估计,我们得到估计结果Dependent Variable: LOG(Y)Method: Least SquaresDate: 06/10/09 Time: 03:55Sample: 1980 2004Included observations: 25Variable Coefficient Std. Error t-Statistic Prob.C 3.375895 5.5021110.6135640.5476LOG(X1)0.9587450.279512 3.4300650.0032LOG(X2)-0.1037040.040353-2.5699500.0199LOG(X3)0.4948670.104450 4.7378190.0002LOG(X4)-0.5649730.462026-1.2228180.2381LOG(X5)-0.0143810.074375-0.1933540.8490LOG(X6)0.0183880.1192590.1541820.8793LOG(X7)-0.0694990.137533-0.5053240.6198 R-squared0.963763Mean dependent10.66170varAdjusted R-squared0.948842S.D. dependent var0.127561S.E. of regression0.028852Akaike info criterion-3.998937Sum squared resid0.014151Schwarz criterion-3.608897Log likelihood57.98671F-statistic64.59068Durbin-Watson stat 1.245744Prob(F-statistic)0.000000从表2可以看出,回归估计的判决系数R2很高,方程很显著,但是8个参数的t检验值中，却只有两个略微显著.显然,出现了严重的多重共线性。
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是我国的大粮仓之一，粮食生产对河北省的经济发展和农民收入具有重要性。
因此，了解河北省粮食产量的影响因素非常重要。
本文通过建立计量经济模型，分析了河北省粮食产量的影响因素。
首先，我们需要建立一个合适的计量经济模型。
本文采用的模型是多元回归模型，因为多元回归模型可以同时检测多个因素对结果的影响，并且可以控制其他影响因素的作用。
具体来说，我们可以用以下的多元回归模型来描述河北省粮食产量的影响因素：\begin{equation}Y_t = \beta_0 + \sum_{i=1}^n \beta_i X_{i,t} + \epsilon_t\end{equation}其中，$Y_t$表示河北省在$t$时刻的粮食产量；$X_{i,t}$表示可能的影响因素，如气温、降雨量、化肥使用量等；$\beta_i$表示影响因素的系数；$\beta_0$表示常数项；$\epsilon_t$表示误差项。
接下来，我们需要确定合适的影响因素。
根据文献和实际情况，本文选择了以下六个可能的影响因素：种植面积、化肥使用量、气温、降雨量、农民人均纯收入和农村劳动力人口。
这些因素可以反映出土地资源、生产资料、自然环境和人力资源等方面的影响。
最后，我们需要使用计量经济模型进行估计和分析。
本文使用了河北省2000-2018年的粮食产量数据和可能的影响因素数据，通过计量经济软件Stata进行了模型分析。
结果如下：| 变量 | 系数 | t值（显著性） ||------|------|-------|| 我省种植面积 | 0.002 | 0.01 || 我省化肥使用量 | 0.09 | 2.87 (0.01) || 年均气温 | 6.7 | 18.34 (0.01) || 年降雨量 | 0.03 | 1.76 (0.10) || 农民人均纯收入 | 0.05 | 1.48 (0.14) || 农村劳动力人口 | 0.07 | 1.19 (0.24) |从上表可知，化肥使用量、气温和种植面积对河北省粮食产量有显著影响。
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。
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
河北省是中国的重要农业产区之一，粮食产量的增加对于保障国家粮食安全具有重要
意义。
本文通过基于计量经济模型的研究分析河北省粮食产量的影响因素。
粮食产量受到自然因素的影响。
气候是农业生产中最重要的自然因素之一。
河北省位
于温带地区，气温和降水对作物生长和产量具有重要影响。
研究气候因素对粮食产量的影
响至关重要。
土地资源是粮食产量的重要决定因素。
河北省是中国重要的农业省份，土地资源丰富，但也存在着一些问题，如土地质量差异、土地利用方式不合理等。
研究土地因素对粮食产
量的影响，包括土地质量、土地利用率等，有助于优化土地资源配置，提高粮食产量。
农业投入是粮食产量的重要推动因素。
农业投入包括农业机械、化肥、农药等，对粮
食产量的影响不可忽视。
研究农业投入对粮食产量的影响，有助于合理配置农业资源，提
高农业生产效率，增加粮食产量。
第四，农业技术是提高粮食产量的关键因素。
河北省经济发展较快，但农业技术水平
相对滞后。
研究农业技术对粮食产量的影响，包括农作物品种改良、耕作方式改进等，有
助于提高粮食产量。
第五，市场因素也对粮食产量具有重要影响。
市场价格对农民种植粮食的积极性具有
重要影响。
研究市场需求对粮食产量的影响，有助于调节供求关系，提高粮食产量。
河北省粮食产量的影响因素包括自然因素、土地资源、农业投入、农业技术和市场因素。
通过研究这些因素的影响，可以提出相应的政策建议，促进河北省粮食产量的增加，
进一步保障国家粮食安全。
我国粮食总产量影响因素分析
《计量经济学》课程论文我国粮食总产量影响因素分析姓名：吴双专业：国际经济与贸易（双语）学号：40502051指导教师：周游日期：2007年12月Ⅰ．问题的提出目前，我国70%人口为农村人口，农业生产的发展直接关系广大农民生活的提高，直接关系到国家经济建设目标的实现．本文将对影响我国粮食产量的诸多因素（包括农业机械总动力、化肥施用量、土地灌溉面积、单位面积劳动力投入量）进行分析，并从中分离出主要影响因素．Ⅱ．模型的设定将“我国粮食总产量”设为因变量，“农业机械总动力”“化肥施用量”“土地灌溉面积”“单位面积劳动力投入量”设为自变量，设定了以下计量经济学模型：其中Y=农业总产值(亿元)X1＝农业机械总动力（万吨） X2＝化肥施用量（万吨） X3＝土地灌溉面积（千公顷）X4＝单位面积劳动力投入量（人/公顷）Ⅲ．参数估计iX X X X C Y μββββ+++++=44332211根据1980年到2003年数据进行OLS回归估计，结果如下：表１OLS回归估计结果Dependent Variable: YMethod: Least SquaresDate: 12/17/07 Time: 16:01Sample: 1980 2003Included observations: 24Variable Coefficient Std. Error t-Statistic Prob.X1 -0.160331 0.091224 -1.757556 0.0949X2 8.851661 1.618620 5.468648 0.0000X3 -0.684407 0.510325 -1.341120 0.1957X4 12503.62 6791.248 1.841138 0.0813C 28655.33 28599.93 1.001937 0.3290R-squared 0.879097 Mean dependent var 42846.86 Adjusted R-squared 0.853644 S.D. dependent var 5316.370 S.E. of regression 2033.858 Akaike info criterion 18.25631 Sum squared resid 78595000 Schwarz criterion 18.50174 Log likelihood -214.0757 F-statistic 34.53773 Durbin-Watson stat 1.374316 Prob(F-statistic) 0.000000Y = 28655.33－0.160331X1+ 8.851661X2－0.684407X3+ 12503.62X4se(28599.93) (0.091224) (1.618620) (0.510325) (6791.248) t (1.001937) (-1.757556) (5.468648) (-1.341120) (1.841138)2R=0.879097 F = 34.53773Ⅳ．模型的检验及修正１．多重共线性由OLS 回归结果（表一）可看见，该模型2R =0.879097，2R =0.853644可决系数较高．但是当ａ= 0.05时，086.2)20()424()(025.0025.02==-=-∂t t k n t ，不仅X1、X3、X4系数的t 检验不显著，而且X1、X3系数的符号与预期的相反，这表明很可能存在严重的多重共线性． 计算各解释变量的相关系数，如下：多重共线性．利用逐步回归修正的方法解决多重共线性问题．分别做Ｙ对X1、X2、X3、X4的一元回归，结果如下：其中加入X2的方程2R 最大，以X2为基础，顺次加入其他变量逐步回归，结果如表４所示：新加入X3后虽然2R 略有改进，但X3参数为负数不合理，应予剔除．所以结果中应选择保留X2、X4，再加入其他变量逐步回归．新加入X3后虽然2R 略有改进，但X1参数为负数不合理，应予剔除．X3情况与X1相同，所以应予剔除．最后修正多重共线性影响的回归结果为：表６ 修正多重共线性影响的OLS 回归结果Dependent Variable: Y Method: Least Squares Date: 12/17/07 Time: 21:18 Sample: 1980 2003 Included observations: 24Variable Coefficient Std. Error t-Statistic Prob. X2 4.556762 0.459774 9.910879 0.0000 X4 19955.83 7065.872 2.824256 0.0102 C-13221.1015571.88-0.8490370.4054R-squared 0.824198 Mean dependent var 42846.86 Adjusted R-squared 0.807455 S.D. dependent var 5316.370 S.E. of regression 2332.818 Akaike info criterion 18.46401 Sum squared resid 1.14E+08 Schwarz criterion 18.61127 Log likelihood -218.5681 F-statistic 49.22643 Durbin-Watson stat 0.740395 Prob(F-statistic)0.000000(15571.88) (0.459774) (7065.872)t (-0.849037) (9.910879) (2.824256)2R =0.824198 2R = 0.807455 F = 49.22643２． 异方差利用Eviews 软件生成残差平方序列22)(resid e i =，绘制e i 2对X2和X4的散点如下：4283.199********.41.13221XX Y ++-=由上图可以看出，模型很可能存在异方差，但是是否确实存在还应通过更进一步的检验，下面将通过White检验法检验模型是否存在异方差．利用Eviews软件对模型进行White检验，结果如下表：Test Equation:Dependent Variable: RESID^2 Method: Least Squares Date: 12/17/07 Time: 16:19 Sample: 1980 2003 Included observations: 24Variable Coefficient Std. Error t-Statistic Prob. C 1.03E+09 1.02E+09 1.008926 0.3264 X2 84679.11 58380.25 1.450475 0.1641 X2^2 -0.453075 2.700281 -0.167788 0.8686 X2*X4 -37895.63 23260.25 -1.629201 0.1206 X4 -1.02E+09 9.60E+08 -1.062682 0.3020 X4^22.52E+082.25E+081.1179000.2783R-squared 0.530659 Mean dependent var 4761785. Adjusted R-squared 0.400286 S.D. dependent var 5800114. S.E. of regression 4491677. Akaike info criterion 33.68567 Sum squared resid 3.63E+14 Schwarz criterion 33.98018 Log likelihood -398.2280 F-statistic 4.070329 Durbin-Watson stat 2.210344 Prob(F-statistic)0.011990从表７中可以看出73581.122=nR ，在05.0=α下查2χ分布表得临界值0705.11)5(205.0=χ．73581.122=nR ＞0705.11)5(205.0=χ，所以模型存在异方差．利用加权最小二乘法修正异方差，选取权数21e w =，其中22)(resid e =．修正结果如下：表８ 最小二乘法修正异方差结果Dependent Variable: Y Method: Least Squares Date: 12/17/07 Time: 21:51 Sample: 1980 2003 Included observations: 24 Weighting series: W1Variable Coefficient Std. Error t-Statistic Prob. X2 4.651806 0.144925 32.09800 0.0000 X4 14592.19 2372.459 6.150660 0.0000 C -1774.1535157.215 -0.3440140.7343Weighted StatisticsR-squared 0.999833 Mean dependent var 42310.64 Adjusted R-squared 0.999818 S.D. dependent var 65888.75 S.E. of regression 889.9166 Akaike info criterion 16.53660 Sum squared resid 16630983 Schwarz criterion 16.68386 Log likelihood -195.4392 F-statistic 590.2806 Durbin-Watson stat1.749898 Prob(F-statistic) 0.000000Unweighted StatisticsR-squared 0.816751 Mean dependent var 42846.86 Adjusted R-squared 0.799299 S.D. dependent var 5316.370 S.E. of regression 2381.717 Sum squared resid 1.19E+08Durbin-Watson stat 0.6966834219.14592651806.4153.1774X X Y ++-=(5157.215)(0.144925) (2372.459)t (-0.344014) (32.09800) (6.150660)2R =0.999833 2R = 0.999818 F = 590.2806 再对修正结果进行White 检验如下：表９ White 检验结果（二）White Heteroskedasticity Test:F-statistic 0.980433 Probability 0.456336 Obs*R-squared5.137153 Probability0.399372Test Equation:Dependent Variable: STD_RESID^2 Method: Least Squares Date: 12/17/07 Time: 21:57 Sample: 1980 2003 Included observations: 24Variable Coefficient Std. Error t-Statistic Prob. C -1.68E+08 2.73E+08 -0.613038 0.5475 X2 8780.798 15671.48 0.560304 0.5822 X2^2 0.134301 0.724858 0.185279 0.8551 X2*X4 -4700.165 6243.935 -0.752757 0.4613 X41.43E+082.58E+080.5535490.5867X4^2-29383155 60467904 -0.485930 0.6329R-squared 0.214048 Mean dependent var 692957.6 Adjusted R-squared -0.004272 S.D. dependent var 1203170. S.E. of regression 1205737. Akaike info criterion 31.05540 Sum squared resid 2.62E+13 Schwarz criterion 31.34991 Log likelihood -366.6648 F-statistic 0.980433 Durbin-Watson stat 2.740051 Prob(F-statistic)0.456336此时 5.1371532=nR ＜0705.11)5(205.0=χ，说明异方差已消除．并且参数的t 检验均通过，可决系数大幅提高，Ｆ检验也显著．３．自相关对样本量为２４、两个解释变量的模型，在５％显著水平下查DW 统计表可知，188.1=L d ，546.1=U d ．由表８知，模型中DW 为1.749898，而L d ＜DW ＜4－U d ，说明不存在自相关．由于能力有限，本文不再对时间序列平稳性做检验．所以最终的粮食总产量影响因素模型为4219.14592651806.4153.1774X X Y ++-=se (5157.215) (0.144925) (2372.459) t (-0.344014) (32.09800) (6.150660)2R =0.999833 2R = 0.999818 F = 590.2806模型经济意义为，在假定其他变量不变的情况下，每年化肥施用量每加１万吨，粮食总产量将增加4.651806万吨；单位面积劳动力投入量每增加１人／公顷，粮食总产量将增加14592.19万吨．结果与理论分析和经验判断基本一致．Ⅴ．对模型的经济解释从模型可以看出化肥的施用量与单位面积劳动力投入量是影响农业产值增长的最显著因素．说明我国目前农业生产中，农民自己对农业的投入所产生的效益最大。
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)。
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
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.画散点图
由于点较分散，将他们取对数，使其更集中。
设A1=log(1) A2=log(2) A3=log(3) A4=log(4) A5=log(5) Z=log(y), 做散点图如左侧。
由图可以看出，log（y）和log(x1),log(x4)有较为明显的线性关系，建立多元回归模型。
2.用OLS估计模型：
LogY=b0+b1log(x1)+b2log(x2)+b3log(x3)+b4log(x4)+b5log(x5)
Logy=-4.173+0.381log(x1)+1.222log(x2)-0.081log(x3)-log(x4)-0.101l og(x5)
从模型可以看出，x1,x2,x3均通过了显著性检验，且估计量的系数符合经济含义，x4和x5未通过显著性检验，且系数为负，不符合经济含义。
模型整体R^2为0.981587，F-statistic为202.6826>2.74 (0.05水平下的F统计量值)，DW=1.79 ，可以看出模型整体较优，但个别解释变量没有通过显著性检验，具有多重共线性。
由于我们更关心多重共线性的程度，所以运用KLEIN判别法：
图中可以看出log(x4)和log(x1)存在高度相关性，但并没有超过R^2，不是有害的。
3.运用逐步回归法克服多重共线性：
用每个x对y进行简单回归，按R^2排序：
①Log(y)=8.902+0.224log(x1)
T=0.000 0.000
R^2=0.1101 DW=0.939
②Log(y)=15.1574-0.3834log(x2)
T=0.0174 0.4595
R^2=0.02 DW=0.33
③Log(y)=9.619+0.108log(x3)
T=0.0000 0.2177
R^2=0.0652 DW=0.597
④Log(y)=8.9490+0.16697log(x4)
T=0.000 0.0000
R^2=0.602 DW=0.62
⑤Log(y)=5.6007+0488731log(x5)
T=0.0319 0.0485
R^2=0.158 DW=0.32
排序后：R1^2=77% R4^2=60.2% R5^2=15.8% R3^2=6.5% R2^2=2.4%
由此可见，粮食生产受农业化肥施用量的影响最大，与经验相符合，选
Log(y)=8.092+0.224log(x1)为初始回归模型，依次引入Log(x4) log(x5) log(x3) log(x2)进行回归，寻找最佳回归方程（见下表）（Y=log(y)）
表2 逐步回归结果
如表中所示：
Log(x4)因为经济含义不符合，剔除
Log(x5)未通过显著性检验，剔除
Log(x3)未通过显著性检验，剔除
Log(x2)通过显著性检验，经济意义符合，R^2=0.94,均优于前面的，AIC，SC都有所降低，故保留。
Log(y)=-6.2856+0.2978log(x1)+1.2586log(x2)
R^2=0.9452 F+statistic=189.9002 DW=1.59
由上表可以看出，该方程为最优模型：各解释变量均通过显著性检验，
R^2 较优，F检验通过, 变量的系数均符合经济含义，已剔除多重共线性。
4.受线性约束回归的F检验 Wald检验：
通过此方法进一步验证是否应剔除解释变量log(x3) Log(x4)和log（x5）:
可以看出，F检验和Wald检验的伴生概率都<0.05,说明原假设不成立，约束条件b3=b4=b5=0不成立，进一步检验b3=0是否成立。
可以看出，F检验和Wald检验的伴生概率都<0.05,说明原假设不成立，约束条件b3=0不成立，不应剔除解释变量log(x3),在此基础上检验是否应剔除log(x4)和log(x5).
可以看出，F检验和Wald检验的伴生概率都>0.05,说明原假设成立，约束条件成立，b4=b5=0,可以剔除log(x4)和log(x5).
结合以上分析，在之前得出的模型中加入解释变量Log(X3)，建立多元回归模型：
由模型可知，所有解释变量均通过显著性检验，系数符号符合经济含义，R^2=0.978616，高于前面得出的模型，所以该模型为最优模型。
由下图可知，真实值和估计值拟合的很好。
最优模型为：
logy=-5.999638+0.323385log(x1)+1.290729log(X2)-0.086754log(
x3)
R^2=0.978616 DW=1.41 F=320.3438
5.异方差检验：
怀特检验：
Obs*R-squared 的伴生概率为0.2128，说明原假设成立，模型不存在异方差性。
6. 自相关性检验：
已知DW=1.413, dl=1.12 du=1.66,落在不确定区域，无法判断。
LM法检验自相关性：
据检验结果可知，obs*R-squared 的伴生概率>0.05，接受原假设，该模型不存在自相关性。
7、格兰杰（Granger）因果检验：
运用该检验可以判断两个变量在时间上的先导-滞后关系，由于该因果关系与哲学意义上的因果关系还是有区别的，如果可以证明“x是y的格兰杰原因”，只是表明“x中包含了预测y的有效信息”。
检验结果见下表:
表3 格兰杰因果检验结果分析
以上结果显示：
在滞后2期和滞后期为4的时候，log(x1)是log(y)的格兰杰原因。
在滞后期为6的时候，log（4）和log（5）是log（y）的格兰杰原因。
其余的不论在滞后几期都不是log(y)的格兰杰原因。
以上结果说明：
农业化肥的施用量包含了较多的对粮食产量的有效预测信息，但是在不同的年份，其影响是不确定的。
在滞后期为6的这一年，农业机械总动力（X4）、农业劳动力（X5）对粮食产量有显著影响，这两个因素有可能是以6年为一个周期对粮食产量产生影响，还需更多数据进一步验证。
四.预测：
用得出的最优模型进行预测：
logy=-5.999638+0.323385log(x1)+1.290729log(X2)-0.086754 log(x3)
得yf=48790.51 误差为1013.49万吨
由此可知模型预测较为准确。
五. 模型的确定与经济解释
1.模型的确定：
经过一系列的模型检验与设定，可以认为修正后的模型已无多重共线性，无异方差，无自相关，最终可将模型设定为：
logy=-5.999638+0.323385log(x1)+1.290729log(X2)-0.086754
log(x3)
R^2=0.978616 DW=1.41 F=320.3438
2.经济解释：
1）影响粮食生产(Y)的主要因素有：农业化肥施用量（X1）、粮食播种面积（X2）、成灾面积（X3）。
农业化肥施用量每增加1万公顷，粮食产量增加约0.3万吨；
粮食播种面积每增加1千公顷，粮食产量增加约1.29万吨；
成灾面积每增加1公顷，粮食产量减少约0.87万吨。
2）农民对化肥的投入量，即模型中的化肥施用量，是影响粮食总产量增产的最显著因素，说明我国目前农业生产中，农民对农业的投入所产生的效益最大。
3）粮食作物耕种面积也是影响粮食总产量的重要因素之一，扩大粮食作物耕种面积无疑是可以使粮食增产的。
4）成灾面积对粮食产量也有显著影响，应加大防护措施，防止灾害发生。
5）农业劳动力因素被排除在模型之外，这有悖于我们先前所设想的，这变更加使得我们有必要对现阶段农村劳动力转移的意义进行考虑。
提高农民收入的主要途径，有可能正在朝着农村外转移，即是说农村劳动的转移才是现在或者将来的增加农民收入的主要办法。