我国粮食生产与相关投入计量经济学模型分析..doc

我国粮食生产与相关投入计量经济学模型分析 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 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. 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)。 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:Yt=AXitbiεt(i=1,2,…,7)(1) 两边取对数并进行变换,得:log Yt =b0+bilogXit+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 Squares Date: 06/10/09 Time: 03:55 Sample: 1980 2004 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C 3.375895 5.502111 0.613564 0.5476 LOG(X1) 0.958745 0.279512 3.430065 0.0032 LOG(X2) -0.103704 0.040353 -2.569950 0.0199 LOG(X3) 0.494867 0.104450 4.737819 0.0002 LOG(X4) -0.564973 0.462026 -1.222818 0.2381 LOG(X5) -0.014381 0.074375 -0.193354 0.8490 LOG(X6) 0.018388 0.119259 0.154182 0.8793 LOG(X7) -0.069499 0.137533 -0.505324 0.6198 R-squared 0.963763 Mean dependent var 10.66170 Adjusted R-squared 0.948842 S.D. dependent var 0.127561 S.E. of regression 0.028852 Akaike info criterion -3.998937 Sum squared resid 0.014151 Schwarz criterion -3.608897 Log likelihood 57.98671 F-statistic 64.59068 Durbin-Watson stat 1.245744 Prob(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。 模型的检验 1）多重共线性的检验与消除 [1]相关系数法.从各解释变量之间的相关系数(表3)也能初步看出各变量之间存在着多重共线性: 检验简单相关系数： [2]修正的Frish方法.下面我们用修正的Frish方法来消除该模型的多重共线性。 首先,做出被解释变量logY关于解释变量logXi的每一个回归方程,得各判决系数R2i依次为:R12=0.098512;R22=0.154683;R32=0.825167;R42=0.586538;R52=0.629207;R62=0.6871