中国农业总产值的计量分析
- 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)。
[关键词]：农业总产值、农业从业人员、户均生产原值、耕地面积、农业机总动力、灌
溉面积、化肥施用量、出口额、进口额。
[内容提要]：
农业是国民经济的基础，它关系到我国的经济发展和社会稳定，可以说，目前“三农”问题是举国上下关注的焦点。在近几年中，农业总产值出现了一些波动，在这里，我们希望通过计量分析的方法找出影响农业总产值变动的因素及其在这些变动中所起的作用，并对这些现象作出合理的解释。
一．前言
众所周知，中国是一个农业大国，中国用不到占全世界7%的耕地养活了占世界20%的人口，这是一项举世瞩目的成就。据2003年中国农业统计年鉴，2002年我国农业总产值达到452.85亿元。
农业总产值受自然和社会因素的影响都很大。近年来由于自然灾害等各方面因素的影响，我国的农业总产值出现了一些波动。从1998年到2002年，我国的农业总产值分别为：14241.88亿元，14106.22亿元，13873.59亿元，14462.79亿元，14931.54亿元。在讨论中我们发现几个因素可能对此产生影响：第一，伴随着改革开放的进程，城市化进程加快，农村的耕地正因各种原因，以惊人的速度减少。因此，地少人多这一矛盾将长期困扰我国粮食生产。第二，近年来越来越多的农村青壮年劳动力加入进城打工的农民工的行列，农村留守从事种植业的人很多都是老人和小孩。第三，随着科技的进步，各种各样的肥料，新型的灌溉方式，农机具的使用也对农业总产值有着不同程度的影响。第四，在各种农作物中，有些是优良品种很受市场欢迎，但是有些品种却乏人问津，比如，近年来，由于籼型杂交水稻的口感比不上很多优质的新品种，已经逐渐被市场淘汰，而由于我国国产的黄豆品质价格与美国的同类产品相比不占优势，造成国内黄豆的减产，同时大量从美国进口黄豆。由此可以看出，粮食的市场需求和进出口都对粮食的产量有影响。第五，灌溉的面积、病虫害波及范围、程度，各地区土地的种类和分布等都会对粮食的产量造成一定程度的影响。
二．模型的建立
为了验证在我们能够考虑到的范围内的各种因素对某一时点上农业总产值是否有影响以及影响的程度，我们引入如下变量:
设定模型如下：Y=β
0+β
1
X
1
+β
2
X
2
+β
3
X
3
+β
4
X
4
+β
5
X
5
+β
6
X
6
+β
7
X
7
+β
8
X
8
+U
通过分析2003年我国31个省市农业总产量的历史资料可建立模型如下：Y为2002年农业总产值（亿元）
X1----农业从业人员（万元）
X2----户均生产原值（元/每户）
X3----为耕地面积（千公顷）
X4----农业机械总动力（万千瓦）
X5----灌溉面积（千公顷）X6----化肥施用量（万吨）X7----出口额（万美元）X8----进口额（万美元）
设定模型的函数形式如下：Y=β
0+β
1
X
1
+β
2
X
2
+β
3
X
3
+β
4
X
4
+β
5
X
5
+β
6
X
6
+β
7
X
7
+β
8
X
8
+U
三．具体分析过程
分析：
由上可以看出在5%的显著性水平下F=84.52395>F(8,22)=2.40，表明模型整上看农业总产与解释变量之间线性关系显著。但是X4的系数为负，与其经济意义相悖，而且常数项、X1、X2、X3、X4、X5、X8的T检验值都不显著，因此需要对模型的多重共线性进行检验。
（一）对模型进行多重共线性的检验：
计算解释变量间的相关系数
可以看出解释变量间存在高度线性相关。表明模型中确实存在严重的多重共线性。
修正：
1 运用OLS法逐一求对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。经分析Y对X6的线性关系强，如下图所示，两者趋势较一致，拟合程度最好，所以从X6开始进行逐步回归。
2 利用EVIWS逐步回归修正
Y=64.47880+2.989894X6
(2.465609) (20.90158)
Adjusted R-squared=0.935605 F-statistic=436.8761
再将其余解释变量逐一添加，由T-检验值，Adjusted R-squared值，F-检验值综合评估，得到以下的模型拟合效果为最优：
Y=48.83128+0.032959X5+2.640594X6
(1.782918) (1.571097) (10.05940)
Adjusted R-squared=0.938709 F-statistic=230.7323
Y=36.34899+0.0282845X5+2.489372X6+0.001063X7
(1.604827) (1.643220) (11.39764) (3.846975)
经上述逐步回归分析可知Y对X5,X6,X7以及常数项的回归模型为最优。
（二）对模型进行异方差的检验
由于我们获得的数据是截面数据，无法采用ARCH检验，又因为该模型有3个解释变量，不适用于需要排序的Goldfeld-Quandt检验，所以我们采用WHITE 检验对该模型进行异方差检验。WHITE 检验