中国农业总产值与其影响因素的分析论文

中国农业总产值及其影响因素的分析
摘要:本文根据我国农业的现状，从计量经济学的角度来检验哪些因素对于农业总产值有显著的影响。

根据计量经济学原理，本文在模型中引入了三个变量：有效灌溉面积、农业机械总动力、农用化肥施用折纯量，并收集了中国31个省2003年的各项指标数据，利用E-views软件对其计量模型进行了参数估计和检验，最后对所得的分析结果进行了经济意义的分析，并提出了一些相应的政策意见。

研究发现，农用化肥施用折纯量因素对于农业生产总值有显著的正面影响，而有效灌溉面积、农业机械总动力对农业生产总值的影响不显著。

关键词：农业总产值；有效灌溉面积；农业机械总动力；农用化肥施用折纯量
- - 考试资料
一、引言
我国是传统的农业大国，农业自古以来就是我国的支柱产业，是我国国民经济的基础。

我国的经济结构能否顺利调整，国民经济能否发展得更快、更好，在很大程度上取决于农业基础是否稳固。

只有加强农业基础，确保农产品供给，才能顺利推进我国的工业和城镇的快速发展；只有加强农业基础建设，使农业发展、农民富裕、农村稳定，才能保持整个社会的长期稳定与可持续发展。

但我国是一个生产力比较落后的国家，只有研究农业总产值主要受哪些因素影响，才能投入相应的对策，将基础产业发展上去。

选此模型的目的就在于分析决定农业生产总值的主要影响因素以及其影响程度，从而对生产提出一些建设性意见。

二、文献综述
农业是我国国民经济的基础，直接影响到我国的粮食安全。

学术界历来重视对三农问题的研究，并取得了一定的成果。

如：林毅夫（1994）、黄少安（2005）等，从制度经济学角度研究了我国农业问题，他们认为农村的经济体制改革对我国农业总产出的增加起到了至关重要的作用。

郝利等（2010）运用柯布道格拉斯生产函数，建立了农业科技进步贡献率测算模型，对北京市1990-2007年农业科技进步贡献率进行测算，得
出的结论是北京市1990-2007年农业科技进步贡献率为78.32%。

在农业总产出方面的研究，也有很多学者运用计量经济学方法进行了分析。

董梅生（2009）利用偏最小二乘回归分析方法对我国农业的投入产出进行了分析，认为我国农业产出主要受家庭经营费用支出、国家国家财政支农支出和化肥投入量的影响，受播种面积的影响不大；农林牧渔业从业人员数越多，农业产出反而越小。

廖翼等（2011）利用时间序列数据建立多元线性回归模型，对1986-2008年洞庭湖区农业总产值进行了分析，结果表明：农业机械总动力、机耕面积和化肥施用量每增加1%，农业总产值将分别上升1.17%、0.83和0.40%，农作物播种面积对湖区农业生产的影响不显著。

漆文萍（2005）采用多元回归方法，对江西省农业生产总值的影响因素进行分析，得出结论：1970-1998年间，江西农业生产中的科技含量偏低，农作物的播种面积对农业总产值的影响最为显著，化肥施用量其次，而政府对农业生产和事业财政支持的影响最小。

从上述学者的研究来看，不同时期、不同地区以及不同角度下，农业生产总值的影响因素不尽相同，例如，在董梅生的研究中农业总产出受播种面积影响不大，而在漆文萍的研究中，农作物播种面积是影响农业总产出的最显著的变量。

同时，在廖翼等人的研究中，农作物的播种面积却对洞庭湖区农业总产出的影响并不显著。

因此，在本文的分析中，将多个变量引入模型，并通过各种检验方法研究农业总产值的影响因素。

- - 考试资料
三、实证过程及分析
1.理论依据
本文研究的是全国农业总产值与有效灌溉面积、农业机械总动力、农用化肥施用折纯量之间的关系，所以寻找了与农业有关的各种真实指标数据，用计量经济学的方法探讨农业生产总值的各种影响因素。

2.建立模型
根据以上的理论分析，运用计量经济学的方法，以农业总产值（Y ）为被解释变量，有效灌溉面积(1X )、农业机械总动力(2X )、农用化肥施用折纯量(3X )、为解释变量，建立如下回归模型：
i i i i i X X X Y υ++++=3322110ββββ （试1）
试1中，i Y 是第i 年的农业总产值，i X 1是第i 年的有效灌溉面积，i X 2是第i 年的农业机械总动力，i X 3是第i 年的农用化肥施用折纯量，i υ为模型随机误差项。

通过自变量系数1β、2β、3β，可以判断农业总产值与有效灌
溉面积、农业机械总动力和农用化肥施用折纯量之间的线性关系。

若
β>0,
1
则农业总产值与有效灌溉面积成正相关，若
β<0,则农业总产值与有效灌
1
溉面积成负相关，若
β=0，则农业总产值与有效灌溉面积无相关关系。

农
1
业总产值与农业机械总动力和农用化肥施用折纯量之间的相关关系判断
同有效灌溉面积。

随机扰动项
中代表对Y由影响但又未纳入模型的诸
i
多因素的综合影响。

例如：一些未被认识或尚不能肯定的一些未知因素，
模型设定的误差以及变量的观测误差等等。

3.数据的来源
综合权衡数据可得性及其他相关因素的影响，本文将采用全国31个
省2013年的截面数据对中国农业总产值及其影响因素进行了深入研究，
农业总产值、有效灌溉面积、农业机械总动力、农用化肥施用折纯量等
相关数据来源于国家统计局全国年度统计数据。

4.数据的收集及处理
为了研究农业总产值与有效灌溉面积、农业机械总动力、农用化肥施用
折纯量之间的关系，本文选取了全国31个省2013年的面板数据作为样
本。

其中，假设农业总产值（Y）为被解释变量，有效灌溉面积(
X)、农
1
业机械总动力(
X)、农用化肥施用折纯量(3X)为解释变量，样本数据如下2
表所示：
表3—1 中国31个省的农业总产值及其影响因素数据
obs Y X1 X2 X3
1 170.4100 153.0200 207.7200 12.78000
2 217.1600 308.8700 554.1800 24.34000
3 3473.270 4349.030 10762.72 331.0400
4 932.1400 1382.790 3183.300 121.0200
5 1328.070 2957.760 3430.570 202.4200
6 1673.860 1407.840 2631.980 151.7600
- - 考试资料
7 1261.680 1510.130 2730.040 216.7900
8 2856.340 5342.120 4849.280 244.9600
9 172.2800 184.0900 113.1700 10.78000
10 3167.780 3785.270 4405.620 326.8300
11 1336.790 1409.390 2462.200 92.43000
12 2003.260 4305.530 6140.280 338.4000
13 1376.290 1122.420 1336.760 120.5700
14 1072.800 1995.600 2014.130 141.5800
15 4509.880 4729.030 12739.83 472.6600
16 4202.300 4969.110 11149.96 696.3700
17 2678.080 2791.410 4081.050 351.9300
18 2726.750 3084.300 5433.990 248.1900
19 2444.700 1770.760 2564.890 243.9100
20 1868.300 1586.370 3382.980 255.7000
21 485.4000 260.9300 502.1000 47.57000
22 909.1800 675.1800 1198.880 96.64000
23 2903.480 2616.540 3953.090 251.1400
24 997.1200 926.9000 2240.800 97.42000
25 1639.400 1660.270 3070.330 219.0200
26 57.92000 239.2700 517.3000 5.700000
27 1714.790 1209.940 2452.720 241.7300
28 1104.470 1284.080 2418.460 94.71000
29 138.3500 186.9000 410.5800 9.800000
30 269.0000 498.5600 801.9800 40.44000
31 1806.110 4769.890 2165.860 203.2200
注：资料来源：国家统计局
Y：农业总产值（单位：亿元）
X：有效灌溉面积（单位：千公顷）
1
X：农业机械总动力（单位：万千瓦）
2
X：农用化肥施用折纯量（单位：万吨）
3
5.变量间相关关系分析
（1）计算相关系数，如表3—2：
（2）表3—2 中国农业总产值及其影响因素相关系数矩阵
Y X1 X2 X3
Y 1.000000 0.854972 0.893869 0.919006
X1 0.854972 1.000000 0.804146 0.816556
X2 0.893869 0.804146 1.000000 0.877528
X3 0.919006 0.816556 0.877528 1.000000 从表2中看出，农业总产值（Y）与有效灌溉面积（
X）的相关系数
1
- - 考试资料
为0.854972，呈高度正相关，与农业机械总动力(2X )相关系数为0.893869，呈高度正相关，与农用化肥施用折纯量(3X )的相关系数为0.893869，呈高度正相关。

（3）绘图
2,000
4,0006,0008,00010,00012,00014,0005
1015202530
X1
X2
X3
Y
图3—1 Y 与X1、X2、X3的线图
从图中可以看出，农业总产值及其影响因素的差异明显，其变动的方向基本相同，相互间可能具有一定的相关系。

01,0002,0003,0004,0005,000
1,000
2,000
3,0004,000
5,000
6,000
X1
Y
01,000
2,000
3,000
4,000
5,000
4,000
8,00012,000
16,000
X2
Y
01,000
2,000
3,0004,000
5,000
200
400600
800
X3
Y
图3—2 Y 与X1、X2、X3的散点图
从以上三个散点图中可以看出，大多数散点均匀分布在直线的两侧，说明农业总产值（Y ）与有效灌溉面积(1X )、农业机械总动力(2X )、农用化肥施用折纯量(3X )之间近似于线性关系。

6.模型的参数估计
Method: Least Squares
Date: 06/24/15 Time: 21:03 Sample: 1 31 Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob. C 220.7614 124.4694 1.773619 0.0874 X1 0.175263 0.084105 2.083858 0.0468 X2 0.110792 0.052506 2.110101 0.0443 X3 3.724238 1.118091 3.330890 0.0025
- - 考试资料
R-squared
0.894734 Mean dependent var 1661.205
Adjusted R-squared 0.883038 S.D. dependent var 1203.481 S.E. of regression 411.5873 Akaike info criterion 14.99783 Sum squared resid 4573910. Schwarz criterion 15.18286 Log likelihood -228.4664 Hannan-Quinn criter. 15.05815 F-statistic
76.49777 Durbin-Watson stat 2.267030 Prob(F-statistic)
0.000000 F
图3—3 Y 与X1、X2、X3的回归分析结果
运用最小二乘估计法对模型进行估计，如图3—3，则回归结果为：
3
21724238.3110792.0175263.07614.220ˆX X X Y i +++= S.E(124.4694)(0.084105)(0.052506)(1.118091) t (1.773619)(2.083858)(2.110101)(3.330890)
894734.02=R 883038.02=R F=76.49777 DW=2.267030 n=31
该模型中，可决系数2R =0.894734,修正可决系数2R =0.883038,这说明模型对样本的拟合很好，参数t 检验均显著，F 检验也显著，解释变量参数估计检验通过，各变量参数均为正值，说明模型的多重共线性比较弱，不需要修正。

但由于各地区的环境存在着差异，农业总产值也不同，这种差异使得模型很容易产生异方差，从而影响模型的估计和应用。

为此，需对模型是否存在异方差进行检验。

7.模型的检验 （1）异方差 ①异方差的检验 a.残差图形分析
0100,000
200,000300,000400,000500,000600,000700,000800,000900,0000
1,000
2,000
3,0004,000
5,000
6,000
X1
E 2
0100,000
200,000300,000400,000500,000600,000700,000800,000900,0000
4,000
8,00012,000
16,000
X2
E 2
0100,000
200,000300,000400,000500,000
600,000700,000800,000900,0000
200
400600
800
X3
E 2
图3—4 E2与i X （i=1,2,3）的散点图
从图中看出，残差平方E2随i X 的增加而增加，表明i 可能存在异方差，但由于图形分析对异方差性的判断比较粗糙，仅靠图形判断很难确定是否存在异方差，因此是否确实存在异方差还应通过进一步的检验。

- - 考试资料
b.White 检验
F-statistic
3.591375 Prob. F(9,21)
0.0075
Obs*R-squared 18.79124 Prob. Chi-Square(9) 0.0270 Scaled explained SS
14.94045 Prob. Chi-Square(9) 0.0926
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares
Date: 06/24/15 Time: 22:40
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob. C 22653.21 74650.51 0.303457 0.7645 X1 105.9626 229.3547 0.462003 0.6488 X1^2 -0.089549 0.037311 -2.400089 0.0257 X1*X2 0.035884 0.045393 0.790531 0.4381 X1*X3 1.595706 0.985716 1.618829 0.1204 X2 -78.72186 126.9909 -0.619902 0.5420 X2^2 -0.026370 0.013960 -1.888990 0.0728 X2*X3 0.670058 0.575600 1.164104 0.2574 X3 725.5308 1394.214 0.520387 0.6082 X3^2
-14.25891 7.219043 -1.975181 0.0615 R-squared
0.606169 Mean dependent var 147545.5 Adjusted R-squared 0.437384 S.D. dependent var 217151.7 S.E. of regression 162880.5 Akaike info criterion 27.09512 Sum squared resid 5.57E+11 Schwarz criterion 27.55769 Log likelihood -409.9743 Hannan-Quinn criter. 27.24591 F-statistic
3.591375 Durbin-Watson stat 2.208639 Prob(F-statistic)
0.007539
图3—5 white 检验结果
从图中可以看出，79124.182=nR ,由White 检验，在α=0.05下，查χ分布表，得临界值9190.16)9(χ205.0=，比较计算的2χ统计量与临界值，因为
79124.182=nR >9190.16)9(χ2
05.0=，所以拒绝原假设，不拒绝备择假设，表明
模型存在异方差。

②异方差的修正
运用加权最小二乘法对模型的异方差进行修正，将权数取为w=1/ee^2,对模型进行参数估计，得到下图3—6，从图中知，运用加权最小二乘法消除了异方差后，参数t 检验均显著，F 检验也显著。

Method: Least Squares
Date: 06/24/15 Time: 23:13
Sample: 1 31
Included observations: 31
Weighting series: 1/EE^2
Variable Coefficient Std. Error t-Statistic Prob.
C 209.1896 3.596370 58.16689 0.0000
X1 0.157235 0.034641 4.539015 0.0001
X2 0.132225 0.010062 13.14117 0.0000
X3 3.550598 0.141710 25.05541 0.0000
Weighted Statistics
R-squared 0.999687 Mean dependent var 992.3950
Adjusted R-squared 0.999652 S.D. dependent var 5188.937
S.E. of regression 2.275971 Akaike info criterion 4.602605
Sum squared resid 139.8612 Schwarz criterion 4.787635
Log likelihood -67.34037 Hannan-Quinn criter. 4.662920
F-statistic 28734.73 Durbin-Watson stat 1.806726
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.893932 Mean dependent var 1661.205
Adjusted R-squared 0.882147 S.D. dependent var 1203.481
S.E. of regression 413.1517 Sum squared resid 4608747.
Durbin-Watson stat 2.223261
图3—6 用权数w的估计结果
（2）自相关
①自相关的检验
- - 考试资料
-1,000
-750-500-25002505007501,0005
10
15
20
25
30
EE
图3—7 残差图
图中，残差的变动连续为正和连续为负，表明残差项可能存在着一阶正自相关。

由于图形分析比较粗糙，故用BG 检验作自相关检验。

如下图3—8，78081.222 TR ,其p 值为0,表明存在自相关。

Breusch-Godfrey Serial Correlation LM Test:
F-statistic 34.64575 Prob. F(2,25) 0.0000 Obs*R-squared 22.78081 Prob. Chi-Square(2)
0.0000
Test Equation: Dependent Variable: RESID Method: Least Squares Date: 06/25/15 Time: 18:04 Sample: 1 31 Included observations: 31 Presample missing value lagged residuals set to zero. Weight series: 1/EE^2
Variable Coefficient Std. Error t-Statistic
Prob.
C 72.61083 9.024447 8.046014 0.0000 X1 -0.163933 0.032609 -5.027235 0.0000 X2 0.024906 0.010444 2.384809 0.0250 X3 0.956530 0.139035 6.879776 0.0000 RESID(-1) -0.068293 0.010052 -6.794224 0.0000 RESID(-2) -0.112240 0.013571 -8.270310
0.0000 Weighted Statistics
R-squared 0.734865 Mean dependent var 0.323183
Adjusted R-squared 0.681838 S.D. dependent var 2.134036
S.E. of regression 1.217902 Akaike info criterion 3.404122
Sum squared resid 37.08213 Schwarz criterion 3.681668
Log likelihood -46.76389 Hannan-Quinn criter. 3.494595
F-statistic 13.85830 Durbin-Watson stat 2.242564
Prob(F-statistic) 0.000002
图3—8 BG检验结果
②自相关的修正
Dependent Variable: Y
Method: Least Squares
Date: 06/25/15 Time: 22:06
Sample (adjusted): 2 31
Included observations: 30 after adjustments
Convergence achieved after 12 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 235.7052 123.6438 1.906324 0.0682
X1 0.160506 0.089078 1.801859 0.0836
X2 0.092365 0.053715 1.719533 0.0979
X3 4.157703 1.127921 3.686166 0.0011
AR(1) -0.186258 0.202833 -0.918286 0.3672
R-squared 0.892417 Mean dependent var 1710.898
Adjusted R-squared 0.875204 S.D. dependent var 1191.268
S.E. of regression 420.8333 Akaike info criterion 15.07336
Sum squared resid 4427516. Schwarz criterion 15.30690
Log likelihood -221.1004 Hannan-Quinn criter. 15.14807
F-statistic 51.84474 Durbin-Watson stat 1.983643
Prob(F-statistic) 0.000000
- - 考试资料
Inverted AR Roots
-.19
图3—9 科克伦-奥克特法估计结果
使用科克伦-奥克特迭代法作广义差分法回归，得到如图3—9所示结果，图中DW=1.983643,可以判断，u d =1.650，u u d DW d -4 ，说明在5%的显著水平下广义差分后已无自相关。

所以最终的回归方程为：
3
21157703.4092365.0160506.07052.235ˆX X X Y +++= S.E(123.6438)(0.089078)(0.053715)(1.127921) t (1.906324)(1.801859)(1.719533) (3.686166) （3） 经济意义检验
模型估计结果说明，在假定其他变量不变的情况下，有效灌溉面积每增加1千公顷，平均说来农业总产值将增长0.160506亿元；农用机械总动力每增加1万千瓦，平均说来农业总产值将增长0.092365亿元；当农用化肥施用折纯量增加1万吨时，平均说来农业总产值将增加4.157703亿元。

这与理论分析与经验判断相一致。

（4）拟合优度：由图3—9可以得到892417.02=R ，修正的可决系数
875204.02=R ，说明模型对样本的拟合很好。

（5）F 检验
针对0H :0βββ321===,给定显著水平α=0.05，在F 分布表中查得
34.3)27,3(α=F ,由于F=51.84474>3.34，应拒绝原假设0H ，说明回归方程显
著，即有效灌溉面积、农用机械总动力、农用化肥施用折纯量等变量联
合起来确实对农业总产值有显著影响。

（6）t 检验
针对0H :0βββ321===,给定显著水平α=0.05，在t 分布表中查得临界值
052.2)27(025.0=t ，当在其他解释变量不变的时候，农用化肥施用折纯量对
被解释变量农业总产值有显著的影响，而有效灌溉面积、农用机械总动力对被解释变量农业总产值没有有显著的影响。

8.模型的预测
X1 X2 X3 Y Mean
2047.526 3351.831 190.7048 1661.205 Median 1510.130 2564.890 202.4200 1376.290 Maximum 5342.120 12739.83 696.3700 4509.880 Minimum 153.0200 113.1700 5.700000 57.92000 Std. Dev. 1631.598 3146.262 152.1423 1203.481 Skewness 0.657700 1.678315 1.218146 0.623441 Kurtosis
2.152167
5.319095
5.144643
2.685889
Jarque-Bera 3.163420 21.50000 13.60773 2.135615 Probability
0.205623
0.000021
0.001109
0.343761
Sum
63473.30 103906.8 5911.850 51497.36 Sum Sq. Dev.
79863336
2.97E+08
694418.7
43451012
Observations
31
31
31
31
图3—10 统计描述
由图中信息可以看出，当平均有效灌溉面积达到2047.526千公顷，平均农用机械总动力达到3351.831万千瓦，平均农用化肥施用折纯量达到190.7048万吨时，农业总产值平均有1661.205亿元。

五、结论与政策建议
通过理论和多层次实证分析，用化肥施用折纯量因素对于农业生产总值有显著的正面影响，而有效灌溉面积、农业机械总动力对农业生产总值的影响不显著但也存在着一定的影响。

从模型的结果中我们可以看出，有效灌溉面积与农业总产值之间没有很强的相关性，这说明有效灌溉面积对农业总产值的影响并不明显。

化肥施用折纯量对农业总产值的影响是很大的，化肥的采用的确可以在短期内大幅度的提高总产值，但是化肥对土地的和生态环境的破坏也是有目共睹的。

从长远来看，如果考不断地增加化肥的施用量来提高农业总产值是不合理的，也是不符合可持续发展的要求的。

今后我国农业总产值的增长还是应该多在提高资源的利用效率上下功夫，只有这样才能以较小的成本获得较大的效益。

农业机械总动力虽然对农业总产值影响不是很显著，这是由于我国还未完全实现机械自动化和科技农业，所以像“农业机械总动力”这类的解释变量对农业总产值的影响不显著。

我国的农业生产力水平仍然落后，就劳动工具而言，我国农村使用的大多是原始的手工工具，普遍存在的还是人力播种，人力收割。

因此，我国应大力推广农业机械化，才能改变生产力落后状态，使农业生产上一个新的台阶。

参考文献
- - 考试资料
1.林毅夫.关于制度变迁的经济学理论：诱致性变迁与强制性变迁.财产权利与制度变迁[M].：上海三联书店.上海人民出版社.1994.
2.黄少安.中国土地产权制度对农业经济增长的影响—对1949-1978年中国大陆农业生产效率的实证分析[J].中国社会科学.2005.0
3.
3.郝利.1990-2007年北京市农业科技进步贡献率的测算[J].农业技术经济.2010.03
4.董梅生.中国农业投入和产出的关系—基于偏最小二乘回归法的分析[J].技术经济.2009.01.
5.廖翼，周发明.洞庭湖区农业总产值影响因素的实证分析[J].湖南农业大学学报.2011.04.
6.漆文萍.农业总产值指数影响因素的模型分析—以江西省为例[J].南昌大学学报.人文社会科学版.2008.0
7.25.。