《計(jì)量經(jīng)濟(jì)學(xué)論文-我國糧食產(chǎn)量影響因素分析與預(yù)測(cè).doc》由會(huì)員分享，可在線閱讀，更多相關(guān)《計(jì)量經(jīng)濟(jì)學(xué)論文-我國糧食產(chǎn)量影響因素分析與預(yù)測(cè).doc（14頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。
1、我國糧食產(chǎn)量影響因素分析與預(yù)測(cè)摘要：本文采用計(jì)量經(jīng)濟(jì)分析方法,以19802010年中國糧食產(chǎn)量及其重要影響因素的時(shí)間序列數(shù)據(jù)為樣本,仿照C-D生產(chǎn)函數(shù)，建立了以糧食產(chǎn)量為因變量，以農(nóng)用化肥施用量、有效灌溉面積、財(cái)政支農(nóng)支出、農(nóng)村用電量、農(nóng)村機(jī)械總動(dòng)力、糧食作物播種面積、農(nóng)業(yè)災(zāi)害成災(zāi)面、農(nóng)業(yè)勞動(dòng)力八種可量化的影響因素為自變量的多對(duì)數(shù)回歸模型，利用模型對(duì)各個(gè)因素進(jìn)行了比較分析。同時(shí)，對(duì)模型進(jìn)行檢驗(yàn)與修整，并在此基礎(chǔ)上提出了一些關(guān)于增加糧食產(chǎn)量的可供參考的意見。 關(guān)鍵字：計(jì)量經(jīng)濟(jì)分析 糧食產(chǎn)量 多對(duì)數(shù)回歸模型一、 前言糧食是關(guān)系國計(jì)民生的重要戰(zhàn)略物資。糧食綜合生產(chǎn)能力與糧食安全問題一直是世界性的重大
2、問題，備受世界各國政府及專家學(xué)者的關(guān)注與研究。近年來，中國糧價(jià)上漲過快，通貨膨脹壓力明顯加大，不僅給低收入群體的生活帶來很多困難，也使得國民經(jīng)濟(jì)的發(fā)展受到了制約。糧食近年來連續(xù)減產(chǎn)、國家儲(chǔ)備庫存和農(nóng)民手中的存糧減少，加上消費(fèi)者需求的過量擴(kuò)大，糧食將從結(jié)構(gòu)性短缺轉(zhuǎn)為戰(zhàn)略性短缺。糧食生產(chǎn)關(guān)系到我國的社會(huì)經(jīng)濟(jì)發(fā)展，因此認(rèn)真研究和加深了解中國糧食生產(chǎn)的規(guī)律和特點(diǎn)，找出影響糧食總產(chǎn)量的主要因素，并采取針對(duì)性的糧食增產(chǎn)措施，對(duì)于穩(wěn)定和發(fā)展糧食生產(chǎn)就有重要意義，對(duì)增加農(nóng)民收入，乃至拉動(dòng)整個(gè)國民經(jīng)濟(jì)的增長(zhǎng)具有重要作用。二、 文獻(xiàn)綜述 我國學(xué)者很早就對(duì)糧食生產(chǎn)問題展開了研究，并取得了一系列突出成果。趙俊曄、王川
3、采用逐步回歸和灰色關(guān)聯(lián)分析的方法對(duì)1991-2004年影響我國糧食產(chǎn)量變化的主要因素進(jìn)行了分析，發(fā)現(xiàn)有效灌溉面積與糧食產(chǎn)量一直保持高的關(guān)聯(lián)度，成災(zāi)面積與糧食產(chǎn)量的關(guān)聯(lián)僅次于有效灌溉面積，在此基礎(chǔ)上對(duì)提高我國糧食生產(chǎn)科技支撐能力、穩(wěn)定發(fā)展糧食生產(chǎn)提出了建議。梁子謙、李小軍選取了15個(gè)指標(biāo)，通過建立因子分析模型，對(duì)中國糧食單產(chǎn)和播種面積的影響因子進(jìn)行了市政分析，研究結(jié)果表明，對(duì)糧食單產(chǎn)影響最大的因子是科技進(jìn)步，其次是物質(zhì)投入因子、環(huán)境與氣候因子和中策因子。趙芳麗對(duì)1978-2006年我國糧食產(chǎn)量及相關(guān)影響因素?cái)?shù)據(jù)建立C-D生產(chǎn)函數(shù)模型.表明在技術(shù)水平有限，農(nóng)村勞動(dòng)力素質(zhì)低的情況下，糧食種植面積是影
4、響我國糧食產(chǎn)量的首要因素，其次是化肥，而國家糧食補(bǔ)貼政策效果甚微。賈金榮、朱捷通過分析認(rèn)為，在農(nóng)村經(jīng)濟(jì)獲得一定發(fā)展并全面引入市場(chǎng)機(jī)制和隨著我國成功入世之后，家庭聯(lián)產(chǎn)承包責(zé)任制下我 國糧食生產(chǎn)的激勵(lì)機(jī)制已經(jīng)失效，政府必須盡快構(gòu)建適應(yīng)市場(chǎng)經(jīng)濟(jì)體制的激勵(lì)機(jī)制，以保證我國糧食生產(chǎn)水平的穩(wěn)定和提高。此外，諸多學(xué)者都對(duì)糧食生產(chǎn)問題做出了相關(guān)研究。諸多研究針對(duì)糧食總產(chǎn)量或糧食單產(chǎn)量，勞動(dòng)力、物力在糧食總產(chǎn)量中的影響會(huì)被或多或少的忽視，因此，本文加入勞動(dòng)力、物力的因素來擬研究對(duì)糧食產(chǎn)量的影響。本文嚴(yán)格按照經(jīng)濟(jì)計(jì)量分析方法，以1980-2010年（最后兩年用于預(yù)測(cè)分析）中國糧食產(chǎn)量極其主要影響因素的時(shí)間序列數(shù)據(jù)
5、為樣本，對(duì)影響中國糧食產(chǎn)量的諸多因素進(jìn)行了分析。三、 模型的選擇與確立1. 選取模型理論基礎(chǔ)對(duì)于糧食總產(chǎn)量的影響因素模型，除了一般的多元線性回歸模型外，C-D生產(chǎn)函數(shù)模型比較實(shí)用。生產(chǎn)函數(shù)一詞是由美國數(shù)學(xué)家Charles.Cobb 和經(jīng)濟(jì)學(xué)家Paul.Douglas提出來的。他們利用20 世紀(jì)初美國的歷史統(tǒng)計(jì)資料，展開了資本投入（K）和勞動(dòng)投入（L）對(duì)產(chǎn)量（Y）的影響研究，得出了一種生產(chǎn)函數(shù)。這種生產(chǎn)函數(shù)可以很好地分析資源投入與產(chǎn)品產(chǎn)出之間的經(jīng)濟(jì)數(shù)量關(guān)系。因此被廣泛地運(yùn)用。其基本模型為Y = AKL。 其中A 是常數(shù)項(xiàng)，代表一定的技術(shù)水平。、 分別為資本投入和勞動(dòng)投入的生產(chǎn)彈性。2. 確定模型
6、變量，包括解釋變量和被解釋變量依據(jù)研究目的和投入產(chǎn)出理論，選取糧食產(chǎn)量為被解釋變量，農(nóng)作物播種面積為解釋變量。依據(jù)經(jīng)驗(yàn)判斷，農(nóng)村勞動(dòng)力人數(shù)對(duì)于糧食產(chǎn)量的解釋變量，此外，農(nóng)業(yè)災(zāi)害成災(zāi)面積、農(nóng)用化肥施用量、有效灌溉面積、財(cái)政對(duì)農(nóng)業(yè)支出、農(nóng)村用電量、農(nóng)業(yè)機(jī)械總動(dòng)力也是影響糧食產(chǎn)量的一些重要因素。3. 解釋變量的解釋土地是農(nóng)作物生產(chǎn)的搖籃，播種面積越大，對(duì)糧食產(chǎn)量的貢獻(xiàn)越大。農(nóng)作物災(zāi)害成災(zāi)面積是指年內(nèi)因遭受旱災(zāi)、水災(zāi)、風(fēng)雹災(zāi)、霜凍、病蟲害及其他自然災(zāi)害，使農(nóng)作物較正常年景減產(chǎn)一成以上的農(nóng)作物播種面積。因此，農(nóng)業(yè)災(zāi)害成災(zāi)面積可能會(huì)對(duì)農(nóng)作物生長(zhǎng)的有很大的負(fù)面影響。施肥是保護(hù)性耕作的一個(gè)關(guān)鍵環(huán)節(jié)，化肥的使用
7、可以有效的保護(hù)糧食作物，防止受到害蟲、災(zāi)害的影響。因此，農(nóng)用化肥施用量可能會(huì)影響糧食產(chǎn)量。在影響農(nóng)業(yè)生產(chǎn)的過程當(dāng)中，國家財(cái)政支農(nóng)支出占財(cái)政總支出的比重較高，對(duì)農(nóng)業(yè)給予大力支持。糧食產(chǎn)量可能會(huì)受到支農(nóng)支出的影響，則受到支持的力量越大，則產(chǎn)量越多。經(jīng)過調(diào)查，現(xiàn)代農(nóng)業(yè)的基本特點(diǎn)是農(nóng)業(yè)勞動(dòng)生產(chǎn)率的極大提高，這在一定程度上取決于農(nóng)業(yè)機(jī)械總動(dòng)力的影響。機(jī)械代替人力，提高生產(chǎn)效率。一般意義上，農(nóng)業(yè)機(jī)械總動(dòng)力越多，農(nóng)業(yè)產(chǎn)量越多，糧食產(chǎn)量則越多。 農(nóng)村用電量與農(nóng)業(yè)機(jī)械總動(dòng)力是相輔相成的，隨著機(jī)械化的提高，農(nóng)村用電量也在增加，會(huì)對(duì)農(nóng)業(yè)作物產(chǎn)生很大影響。 雖然機(jī)械代替人力進(jìn)行生產(chǎn)，人力依舊是農(nóng)村發(fā)展必不可少的因素。
8、對(duì)農(nóng)村勞動(dòng)力的探討，有助于農(nóng)作物質(zhì)量與數(shù)量的研究，考察之間的數(shù)量關(guān)系。一般來說，農(nóng)村勞動(dòng)力人口越多，糧食產(chǎn)量越多。4. 確定模型數(shù)學(xué)形式由于C-D生產(chǎn)模型具有自動(dòng)消除異方差的優(yōu)勢(shì)，同時(shí)糧食的單位產(chǎn)出也受到類似資本、勞動(dòng)力和技術(shù)的影響，因此可借鑒C-D生產(chǎn)函數(shù)模型來分析研究影響糧食單位產(chǎn)量的因素。確定模型的數(shù)學(xué)形式如下：Y = AKL兩邊取對(duì)數(shù)得：InY = InA +InK +InL + u四、 估計(jì)模型參數(shù)1.獲取樣本統(tǒng)計(jì)數(shù)據(jù)原始數(shù)據(jù)中的數(shù)據(jù)均來自于中國統(tǒng)計(jì)年鑒2010以及中華人民共和國國家統(tǒng)計(jì)局網(wǎng)站：http:/ 2）初步OLS估計(jì)根據(jù)散點(diǎn)圖發(fā)現(xiàn)，大部分解釋變量與被解釋變量之間呈線性相關(guān)關(guān)
9、系。因此，用OLS法對(duì)模型進(jìn)行初步估計(jì)。設(shè)定待估模型的數(shù)學(xué)形式為：得到回歸結(jié)果如下圖所示：Dependent Variable: INYMethod: Least SquaresSample: 1980 2008Included observations: 29VariableCoefficientStd. Errort-StatisticProb. C-10.934016.617407-1.6523100.1141INX10.2508660.1568141.5997690.1253INX2-0.1364220.343868-0.3967270.6958INX3-0.1330000.07485
10、0-1.7769020.0908INX40.1009800.1226660.8232150.4201INX50.1143150.1173890.9738170.3418INX61.3635520.2401095.6788970.0000INX7-0.1144750.025468-4.4949310.0002INX80.4944990.4211551.1741500.2541R-squared0.942397 Mean dependent var10.68425Adjusted R-squared0.921355 S.D. dependent var0.131846S.E. of regress
11、ion0.025919 Akaike info criterion-4.218584Sum squared resid0.013435 Schwarz criterion-3.794251Log likelihood70.16947 F-statistic88.06858Durbin-Watson stat1.389335 Prob(F-statistic)0.000000擬合出的方程為：InY=-10.93401 + 0.250866InX1 -0.136422InX2 - 0.133000InX3 - 0.100980InX4 - （-1.652310）（1.599769） （-0.396
12、727） （-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=88.06858五、 模型檢驗(yàn)與調(diào)整1、 經(jīng)濟(jì)意義檢驗(yàn)從經(jīng)濟(jì)意義的角度上來說，糧食產(chǎn)量（InY）與農(nóng)用化肥施用量（InX1）、有效灌溉面積（InX2）、支農(nóng)支出（InX3）、農(nóng)村用電量（InX4）、農(nóng)業(yè)機(jī)械總動(dòng)力（InX5）、糧食作物播種面積（InX6）
13、、農(nóng)村勞動(dòng)力（InX8）成正比關(guān)系，與農(nóng)業(yè)災(zāi)害成災(zāi)面積（InX7）成反比。但從初步回歸的結(jié)果來看，有效灌溉面積（InX2）、支農(nóng)支出（InX3）的回歸系數(shù)與預(yù)期不符，成反比關(guān)系，其余變量均符合經(jīng)濟(jì)意義。2.統(tǒng)計(jì)推斷與計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)可決系數(shù)R2=0.942397。F=88.06858，Prob(F-statistic)近似于0，說明全部解釋變量對(duì)模型擬合程度很好，但仍有很大提升空間。只有InX6、InX7的回歸系數(shù)通過了5%的顯著性水平的t檢驗(yàn)，反映出其余解釋變量對(duì)InY沒有顯著的解釋能力，與理論分析和相關(guān)分析的結(jié)論不一致。說明原模型中存在較為嚴(yán)重的多重共線問題，D.W值也不理想，可能存在自相關(guān)
14、。因此，需要對(duì)模型進(jìn)行進(jìn)一步處理。I 多重共線檢驗(yàn)與處理1）多重共線的檢驗(yàn)相關(guān)系數(shù)矩陣如下2） 多重共線的處理逐步回歸法將InY分別對(duì)InX1、InX2InX8進(jìn)行OLS回歸，得到8個(gè)R2，按照從大到小的順序排序，將R2最大的回歸方程作為基礎(chǔ)方程，即 InY對(duì)InX1回歸得到的可決系數(shù)R2最大，為0.85，因此將此作為基礎(chǔ)方程。Dependent Variable: INYMethod: Least SquaresSample: 1980 2008Included observations: 29VariableCoefficientStd. Errort-StatisticProb. INX
15、10.2769770.02235212.391700.0000C8.4688630.17904047.301610.0000R-squared0.850460 Mean dependent var10.68425Adjusted R-squared0.844922 S.D. dependent var0.131846S.E. of regression0.051921 Akaike info criterion-3.011721Sum squared resid0.072786 Schwarz criterion-2.917424Log likelihood45.66995 F-statist
16、ic153.5543Durbin-Watson stat0.755025 Prob(F-statistic)0.000000按照從大到小的順序依次加入，將InX8加入基礎(chǔ)方程進(jìn)行回歸，R2沒有改善，而且系數(shù)符號(hào)發(fā)生偏差，因此InX8不予保留。將InX4加入基礎(chǔ)方程進(jìn)行回歸，R2得到改善，但I(xiàn)nX4的系數(shù)符號(hào)與經(jīng)濟(jì)理論不符，說明發(fā)生了多重共線，因此InX4應(yīng)剔除。將InX3、InX2、InX5分別加入基礎(chǔ)方程進(jìn)行回歸，現(xiàn)象同加入了InX4相似，說明發(fā)生了多重共線，因此InX3、InX2、InX5應(yīng)剔除。將InX6加入基礎(chǔ)方程進(jìn)行回歸，得到如下結(jié)果。Dependent Variable: INYM
17、ethod: Least SquaresSample: 1980 2008Included observations: 29VariableCoefficientStd. Errort-StatisticProb. INX10.3485970.02260415.421700.0000INX61.1984550.2543714.7114430.0001C-6.0137343.076839-1.9545170.0615R-squared0.919332 Mean dependent var10.68425Adjusted R-squared0.913126 S.D. dependent var0.
18、131846S.E. of regression0.038861 Akaike info criterion-3.559970Sum squared resid0.039264 Schwarz criterion-3.418525Log likelihood54.61956 F-statistic148.1537Durbin-Watson stat0.713210 Prob(F-statistic)0.000000R2得以提高，且回歸系數(shù)的t檢驗(yàn)通過1%顯著性水平，符號(hào)合理，因此對(duì)解釋變量是有用的，得以保留。在基礎(chǔ)方程中加入InX6進(jìn)行回歸的基礎(chǔ)上，加入InX7，進(jìn)行回歸，得到如下結(jié)果。Dep
19、endent Variable: INYMethod: Least SquaresSample: 1980 2008Included observations: 29VariableCoefficientStd. Errort-StatisticProb. INX10.3729080.02032218.350370.0000INX61.2630820.2150325.8739200.0000INX7-0.1025900.030035-3.4157220.0022C-5.9256942.591041-2.2869930.0309R-squared0.945000 Mean dependent v
20、ar10.68425Adjusted R-squared0.938400 S.D. dependent var0.131846S.E. of regression0.032723 Akaike info criterion-3.874010Sum squared resid0.026771 Schwarz criterion-3.685417Log likelihood60.17314 F-statistic143.1807Durbin-Watson stat0.566282 Prob(F-statistic)0.000000R2得以改善的程度更好，且回歸系數(shù)通過1%顯著性水平，符號(hào)表現(xiàn)與經(jīng)濟(jì)
21、現(xiàn)象保持一致，予以保留。至此為止，將解釋模型較好的解釋變量InX1、InX6、InX7所回歸的結(jié)果進(jìn)行進(jìn)一步分析，與預(yù)期經(jīng)濟(jì)現(xiàn)象相符，P值遠(yuǎn)遠(yuǎn)小于5%，R2越來越高，F(xiàn)-statistic很大，AIC、SC越來越小說明模型擬合的程度更好。目前優(yōu)化后的模型為：InY= -5.925694 + 0.372908InX1 + 1.263082InX6 - 0.102590InX7 (-2.286993) (18.35037) (5.873920) (-3.415722)R2 =0.945000 F=143.1807 D.W. =0.566282 AIC=-3.874019 SC=-3.685417I
22、I 異方差的檢驗(yàn)與處理優(yōu)化后模型進(jìn)行異方差檢驗(yàn)，使用懷特檢驗(yàn)得到詳情如下：White Heteroskedasticity Test:F-statistic2.643075 Probability0.135657Obs*R-squared16.12246 Probability0.164368Test Equation:Dependent Variable: RESID2Method: Least SquaresSample: 1980 2008Included observations: 29VariableCoefficientStd. Errort-StatisticProb. C33.
23、4543139.967210.8370440.4130INX1-0.1842200.647362-0.2845700.7791INX120.0038440.0040350.9527500.3527INX1*INX60.0005480.0541900.0101210.9920INX1*INX70.0113330.0085131.3312450.1989INX6-5.0033566.450733-0.7756260.4475INX620.1820540.2606610.6984330.4934INX6*INX70.0760000.0679261.1188610.2771INX7-0.7204630
24、.746213-0.9654930.3464INX72-0.0125340.009429-1.3293910.1995R-squared0.555947 Mean dependent var0.000923Adjusted R-squared0.345606 S.D. dependent var0.001876S.E. of regression0.001518 Akaike info criterion-9.876372Sum squared resid4.38E-05 Schwarz criterion-9.404890Log likelihood153.2074 F-statistic2
25、.643075Durbin-Watson stat2.423250 Prob(F-statistic)0.035657通過以上檢驗(yàn)，可以看出，Obs*R-squared項(xiàng)的P值為0.164368，大于5%，因此接受原假設(shè)，說明模型優(yōu)化后的模型不存在異方差。III自相關(guān)的檢驗(yàn)與處理1） 圖示檢驗(yàn)法繪制的散點(diǎn)圖，以res（-1）為橫軸，res為縱軸?？梢钥闯?，兩者存在正相關(guān)關(guān)系A(chǔ)R一階截尾，PAC二階截尾。2） 檢驗(yàn)法以AR（1）型、AR（2）型、ARMA（1,1）、ARMA（2,2）等形式進(jìn)行處理原模型。最后最理想的自相關(guān)形式是AR（1）得到結(jié)果如下：Dependent Variable: IN
26、YMethod: Least SquaresDate: 01/13/13 Time: 13:04Sample(adjusted): 1981 2008Included observations: 28 after adjusting endpointsConvergence achieved after 14 iterationsVariableCoefficientStd. Errort-StatisticProb. INX10.3322980.0399318.3218250.0000INX61.4060150.2353965.9729740.0000INX7-0.0741490.02121
27、6-3.4949390.0020C-7.5316322.884692-2.6108960.0156AR(1)0.6863780.1370225.0092370.0000R-squared0.992525 Mean dependent var10.69529Adjusted R-squared0.984747 S.D. dependent var0.119851S.E. of regression0.021524 Akaike info criterion-4.678850Sum squared resid0.010656 Schwarz criterion-4.440956Log likeli
28、hood70.50390 F-statistic203.5344Durbin-Watson stat1.975267 Prob(F-statistic)0.000000Inverted AR Roots .69結(jié)果顯示：自相關(guān)已經(jīng)被處理，DW值落在無自相關(guān)范圍內(nèi)。且P值可決系數(shù)等也合理。AIC、SC得到進(jìn)一步的優(yōu)化，模型的擬合程度越來越好。 IV政策分析國家于2006年1月1日起開始廢除農(nóng)業(yè)稅條例。從2006年1月1日全面取消了農(nóng)業(yè)稅，如下研究取消農(nóng)業(yè)稅的政策對(duì)糧食總產(chǎn)量的影響。定義新的變量D，從1980年-2005年取值為0,2006年-2008年取值為1，即D = 0 1980-2005年
29、D = 1 2006-2008年 將虛擬變量加入到方程中，結(jié)合前面的多元線性回歸的最有模型，經(jīng)過回歸，得到如下結(jié)果：Dependent Variable: INYMethod: Least SquaresSample(adjusted): 1981 2008Included observations: 28 after adjusting endpointsConvergence achieved after 13 iterationsVariableCoefficientStd. Errort-StatisticProb.INX10.3187480.0459286.9402170.0000I
30、NX61.3910730.2371695.8653200.0000INX7-0.0758880.021616-3.5106820.0020SER010.0205640.0224390.9164380.3694C-7.2341462.924829-2.4733570.0216AR(1)0.6919570.1379435.0162430.0001R-squared0.993558Mean dependent var10.69529Adjusted R-squared0.987548S.D. dependent var0.119851S.E. of regression0.021590Akaike
31、info criterion-4.645724Sum squared resid0.010255Schwarz criterion-4.360251Log likelihood71.04013F-statistic162.0011Durbin-Watson stat1.583678Prob(F-statistic)0.000000Inverted AR Roots.69由此分析可知，在5% 的顯著性水平下，D沒有通過t檢驗(yàn)，因此政策的影響效果不是很顯著。V 模型的最終形式確定InY= - 7.531632 + 0.332298InX1 + 1.406015InX6 - 0.074149InX7
32、 （-2.610896）（8.321825） （5.972974） （-3.494939） R2 =0.982525 F=203.5344 D.W. =1.975267 VI 模型預(yù)測(cè)與分析最近兩年的糧食產(chǎn)量數(shù)據(jù)根據(jù)年份YX1X6X72009年53082.15404.4108985.821234.432010年54647.75561.7109876.118538.24根據(jù)估計(jì)出來的產(chǎn)量模型InY= - 7.531632 + 0.332298InX1 + 1.406015InX6 - 0.074149InX7，進(jìn)行2009年與2010年產(chǎn)量的預(yù)測(cè)。將化肥施用量、糧食作物種植面積、正在面積的相關(guān)數(shù)
33、據(jù)代入到糧食總產(chǎn)量進(jìn)行預(yù)測(cè)。得到09年的預(yù)測(cè)值。預(yù)測(cè)值：Iny = - 7.531632 + 0.332298In5404.4 + 1.406015In108985.8 - 0.074149In21234.43 得到y(tǒng)=53853.04 Iny = -7.531632 + 0.332298In5561.7 + 1.406015In109876.1 - 0.074149In18538.24 得到y(tǒng)=54651.15MAPE=0.05110 預(yù)測(cè)精度較高，模型估計(jì)結(jié)果與最初猜想相一致。 通過對(duì)模型的設(shè)定、估計(jì)、檢驗(yàn)和預(yù)測(cè)，最終得到的模型不存在數(shù)學(xué)、經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)和計(jì)量學(xué)的問題，可以驗(yàn)證，該模型對(duì)糧
34、食產(chǎn)量的解釋是高度有效的，具有實(shí)際意義和一定的應(yīng)用價(jià)值。六、結(jié)論和政策建議通過最終的得到的模型可以分析出農(nóng)用化肥施用量（InX1）、糧食作物播種面積（InX6）和農(nóng)業(yè)災(zāi)害成災(zāi)面積（InX7）分別對(duì)糧食產(chǎn)量（InY）的影響。即農(nóng)用化肥施用量每增長(zhǎng)100%，糧食產(chǎn)量增長(zhǎng)33.23%；糧食作物播種面積每增長(zhǎng)100%，糧食產(chǎn)量增長(zhǎng)140.60%；農(nóng)業(yè)災(zāi)害成災(zāi)面積每增長(zhǎng)100%，糧食產(chǎn)量減少7.42%。根據(jù)以上的分析結(jié)果，了解到糧食產(chǎn)量的影響因素有很多，此模型中建立了糧食作物播種面積、農(nóng)業(yè)災(zāi)害成災(zāi)面積、化肥施用量對(duì)糧食的顯著影響。實(shí)際中，包括天氣、替代品價(jià)格等影響糧食產(chǎn)量的因素尚多，并未完全包含在模型中
35、，在此，可以進(jìn)行進(jìn)一步的研究與提升。在模型的基礎(chǔ)上，就糧食產(chǎn)量提高提出幾點(diǎn)建議：1. 從模型中可以看出，化肥施用量對(duì)糧食增產(chǎn)有著很顯著的影響，因此在一定程度上可以通過增加化肥施用量來提高糧食產(chǎn)量。但物極必反，過度使用化肥，必然會(huì)在很大程度上降低土地肥力，抑制糧食的生產(chǎn)。所以應(yīng)在合理控制化肥量的同時(shí)，也要加大對(duì)化肥質(zhì)的提高。2. 從模型結(jié)果看到，對(duì)糧食產(chǎn)出的另一個(gè)重要影響因素是農(nóng)作物成災(zāi)面積。自然災(zāi)害往往會(huì)導(dǎo)致糧食減產(chǎn)，通過模型我們更加清楚得看到了其影響程度。所以國家應(yīng)該在減少糧食受災(zāi)，提高糧食生產(chǎn)的安全性上加大投入。3. 一些未包含進(jìn)模型中的變量，在實(shí)際中對(duì)糧食產(chǎn)量也是有一定影響的，因此，對(duì)一
36、些類似于財(cái)政支農(nóng)支出等與糧食產(chǎn)量具有比較高的相關(guān)性的因素加以控制與運(yùn)用，可以在一定程度上提高糧食產(chǎn)量與質(zhì)量。參考文獻(xiàn)：1. 趙俊燁，李秀峰等. 近年我國糧食產(chǎn)量變化的主要影響因素分析。中國食物與營(yíng)養(yǎng)，2006（9）：912. 2. 朱再清，陳昉源. 湖北省糧食生產(chǎn)模型與投入要素效益比較分析。湖北農(nóng)業(yè)科學(xué)，2008（5）：531533.3.李子奈. 計(jì)量經(jīng)濟(jì)學(xué)M. 北京：高等教育出版社，2000. 4. 梁子謙，李小軍. 影響中國糧食生產(chǎn)的因子分析。農(nóng)業(yè)經(jīng)濟(jì)問題，2006（11）：1922.5. 賈金榮，朱捷. 中國糧食生產(chǎn)激勵(lì)機(jī)制及調(diào)整對(duì)策研究J. 財(cái)經(jīng)論叢，2007（1）：20226.李妍.
37、中國糧食生產(chǎn)影響因素及地區(qū)差異分析，經(jīng)濟(jì)研究導(dǎo)刊，2009(3):13-177.呂美巧、馬廣，農(nóng)業(yè)機(jī)械化發(fā)展影響因素分析與評(píng)價(jià)，農(nóng)機(jī)化研究, 2008(3):35-398.聶麗，我國農(nóng)村公共產(chǎn)品供求現(xiàn)狀極其因素分析，南方農(nóng)村，2005(5):21-269. 謝杰. 中國糧食生產(chǎn)影響因素研究J. 經(jīng)濟(jì)問題探索，2007（9）：364010. 王曉麗. 吉林省糧食生產(chǎn)影響因素的實(shí)證研究. 2008年中國數(shù)量經(jīng)濟(jì)學(xué)年會(huì)論文集 11. 劉定惠，朱超洪. 安徽省糧食生產(chǎn)變化特征及其影響因素分析J. 安徽農(nóng)學(xué)通報(bào)，2009（5）：303附表1糧食產(chǎn)量農(nóng)用化肥施用量有效灌溉面積支農(nóng)支出農(nóng)村用電量農(nóng)業(yè)機(jī)械總動(dòng)
38、力糧食作物播種面積農(nóng)業(yè)災(zāi)害成災(zāi)面積農(nóng)村勞動(dòng)力萬噸萬噸千公頃億元億千瓦時(shí)萬千瓦千公頃千公頃萬人YX1X2X3X4X5X6X7X81980年320561269.444888.0782.12320.814745.7117234.32977731835.91981年325021406.944573.873.68369.815680.1114957.718743.33332672.31982年354501513.444176.8779.88396.916614.18113462.416117.33333866.51983年38727.51659.844644.0786.66435.218021.9311
39、4047.216209.33334689.81984年40730.51739.84445395.9346419497.19112883.91560735967.61985年37910.81775.844035.9101.04508.920912.51108845.122705.33337065.11986年39151.21930.644225.8124.3586.722950110932.62365637989.81987年40297.71999.344403134.16658.824836111267.820392.66739000.41988年39408.12141.544375.9158
40、.7471226575110122.624502.66740066.71989年40754.92357.144917.2197.12790.528067112204.72444940938.81990年44624.32590.347403.1221.76844.528707.7113465.91781942009.51991年43529.32805.147822.1243.55963.229388.6112313.62781443092.51992年44265.82930.248590.1269.041106.930308.4110559.72585943801.61993年45648.831
41、51.948727.9323.421244.931816.6110508.72313344255.71994年44510.13317.948759.1399.71473.933802.5109543.73138344654.11995年46661.83593.749281.2430.221655.736118.05110060.42226745041.81996年50453.53827.950381.4510.071812.738546.9112547.921233452881997年49417.13980.751238.5560.771980.142015.6112912.130309462
42、34.31998年51229.534083.752295.6626.022042.245207.71113787.42518146432.31999年50838.584124.3253158.41677.462173.44948996.12113161.02673146896.492000年46217.524146.41253820.33766.892421.29552573.61108462.543437447962.1412001年45263.674253.76354249.39917.962610.77955172.1106080.033179348228.9392002年45705.7
43、54339.3954354.81102.72993.457929.85103890.6327318.948526.8522003年43069.534411.5654014.231134.863432.91660386.5499410.3732516.348971.022004年46946.954636.5854478.421693.793933.02764027.91101606.0316297.31649695.282005年48402.194766.21855029.331792.44375.70268397.85104278.3819966.0650387.2632006年49747.8
44、94927.69355750.52161.354895.81672522.1105489.1024631.9450976.81012007年50160.285107.856518.32232.455509.976589.6105638.425064.3151435.72008年52870.9523958471.72437.845713.282190.4106792.622283.1552145 2009年53082.15404.459261.42753.526104.487496.1108985.821234.4352317 2010年54647.75561.760347.73542.16632.392410.4109876.118538.2452891 14
計(jì)量經(jīng)濟(jì)學(xué)論文-我國糧食產(chǎn)量影響因素分析與預(yù)測(cè).doc
