计量经济学论文-我国粮食产量影响因素分析与预测.doc

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19—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，以化肥施用量、有效灌溉、、农村用电量、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。 计量经济分析粮食产量多对数回归模型 确定模型的数学形式如下： Y = AKαLβ 两边取对数得： InY = InA +αInK +βInL + u 估计模型参数 1.获取样本统计数据 原始数据中的数据均来自于《中国统计年鉴2010》以及中华人民共和国国家统计局网站：/。原始数据见附表1： 2．选择估计方法与初步估计 1）散点图分析 2）初步OLS估计 根据散点图发现，大部分解释变量与被解释变量之间呈线性相关关系。因此，用OLS法对模型进行初步估计。设定待估模型的数学形式为： 得到回归结果如下图所示： Dependent Variable: INY Method: Least Squares Sample: 1980 2008 Included observations: 29 Variable Coefficient Std. Error t-Statistic Prob. C -10.93401 6.617407 -1.652310 0.1141 INX1 0.250866 0.156814 1.599769 0.1253 INX2 -0.136422 0.343868 -0.396727 0.6958 INX3 -0.133000 0.074850 -1.776902 0.0908 INX4 0.100980 0.122666 0.823215 0.4201 INX5 0.114315 0.117389 0.973817 0.3418 INX6 1.363552 0.240109 5.678897 0.0000 INX7 -0.114475 0.025468 -4.494931 0.0002 INX8 0.494499 0.421155 1.174150 0.2541 R-squared 0.942397 Mean dependent var 10.68425 Adjusted R-squared 0.921355 S.D. dependent var 0.131846 S.E. of regression 0.025919 Akaike info criterion -4.218584 Sum squared resid 0.013435 Schwarz criterion -3.794251 Log likelihood 70.16947 F-statistic 88.06858 Durbin-Watson stat 1.389335 Prob(F-statistic) 0.000000 拟合出的方程为： InY=-10.93401 + 0.250866InX1 -0.136422InX2 - 0.133000InX3 - 0.100980InX4 - （-1.652310）（1.599769） （-0.396727） （-1.776902） （0.823215） 0.114315InX5 + 1.363552InX6 - 0.114475InX7 + 0.494499InX8 (0.973817) (5.678897) (-4.494931) (1.174150) R2=0.942397 Adjusted R-squared =0.921355 F=88.06858 模型检验与调整 经济意义检验 从经济意义的角度上来说，粮食产量（InY）与农用化肥施用量（InX1）、有效灌溉面积（InX2）、支农支出（InX3）、农村用电量（InX4）、农业机械总动力（InX5）、粮食作物播种面积（InX6）、农村劳动力（InX8）成正比关系，与农业灾害成灾面积（InX7）成反比。但从初步回归的结果来看，有效灌溉面积（InX2）、支农支出（InX3）的回归系数与预期不符，成反比关系，其余变量均符合经济意义。 2.统计推断与计量经济学检验 可决系数R2=0.942397。F=88.06858，Prob(F-statistic)近似于0，说明全部解释变量对模型拟合程度很好，但仍有很大提升空间。只有InX6、InX7的回归系数通过了5%的显著性水平的t检验，反映出其余解释变量对InY没有显著的解释能力，与理论分析和