《中国粮食产量多因素分析》由会员分享，可在线阅读，更多相关《中国粮食产量多因素分析（13页珍藏版）》请在金锄头文库上搜索。
1、中国粮食产量的多因素分析院系：商学院 班级：财务管理 0901 班 姓名：杨肖红 学号： 2009314030317中国粮食产量的多因素分析摘要：近几年中国农业方面的发展受到越来越多因素的影响，各种农作物的产量随之产生显著变化。 本文利用以粮食播种面积以及 谷物单位面积产量作为变量因素， 对粮食的总产量进行分析， 并进一 步建立计量经济学模型显示数据化分析结果。关键字： 粮食产量，模型分析，计量经济学Abstract: in recent years, the development of Chinas agriculture are affected by more and more fac
2、tors, all kinds of crops caused significant changes. This paper uses to the grain sowing area and grain yield per unit area as variables, and the output of grain, and further analyzes the econometrics model shows that establish a digital analysis results.Key word: food output, model analysis, econom
3、etrics一、问题的提出粮食产量水平是一个关系到国民经济发展的重要战略问题。 粮食关系着国计 民生的大问题， 是一个具有时间和空间永恒性的问题， 保证国家粮食安全是一项 长期的、须臾不可放松的历史重。新中国成立以来， 尤其是改革开放的三十年来， 我国粮食产量得到大幅度提 高。近几年来，特别是 2007 年，粮食再次成为全世界关注的焦点和热点。在粮 食生产、供求关系等方面，国内外变化相差甚远。特别是粮食价格走势方面，国 内粮食价格保持基本平稳， 国际却大幅上涨。 历史再次雄辩地证明： 保障我国粮 食安全必须立足国内生产。1、近年来世界粮食生产增长乏力的大格局在上世纪 90 年代中期全球高粮价的
4、刺激下，世界粮食生产跨上了一个新台 阶，由 90年代前期的 18.5 亿吨左右增长到中后期的 20 亿吨以上。进入新世纪 以来，在农业科技进步的推动下，世界粮食单产水平不断提高。但另一方面，世 界粮食的增长速度并不能适应快速增长的人口。 很多地区如众多的非洲国家， 人 民在饱受饥饿的煎熬，粮食增长人中而道远。2、近年来世界粮食需求增长加快的现实状况 与生产相比，自上世纪 90 年代中期以来世界粮食需求增长一直比较快， 1995-1996年度只有 19亿吨， 2007-2008年度将达到 23.3 亿吨，增长了 22.6%。 特别是近几年来， 受石油连续涨价引起的生物质能源发展速度加快， 对玉米
5、、 大 豆等粮食品种的需求更为迅猛，世界粮食需求增长明显加快。 2004-2005 年度至 2007-2008 年度，年均增长达到 2.2%，远远高于前四年度 1.3%的增长速度。3、近年来世界粮食供求已进入比较紧张的阶段 近几年来一方面世界粮食需求加快增长，另一方面世界粮食生产增长乏力， 近年来世界粮食供求已进入一个比较紧张的历史阶段。 自 1999-2000 年度以来的 9 年里，只有 2004-2005 年度当期生产大于需求，其余年度都是产不足需，需要 动用库存来弥补越来越快的世界粮食消费增长， 连年的挖库存行为已经使得世界 粮食期末库存量由 2000-2001 年度的 5.72 亿吨下
6、降到 2007-2008 年度的 3.7 亿 吨；库存消费比也出现大幅度下降， 由 2000-2001 年度的 28.2%下降到 2007-2008 年度的15.8%吨，已明显低于FAO确定的粮食安全警戒线。二、模型设定（一）模型的建立计量经济学模型 本文采用的是计量经济学里古典回归中的多元回归分析的方法。 根据现 代回归分析的定义， 回归分析是关于研究因变量和多个自变量或解释变量之间依 赖关系的分析。1. 以下是多元回归方法的阐述和基本假设总体多元回!H 模型(population multiple regression model) 可表示为：y产B卄B iXh+ P跖+r Br+Hi其中
7、，眉表示因变量的预测值(dependent variable)T表ZK 自变量的观测值(independent variable)或回归因子(regressor)oP o 表示截距(inlercept)oPi为斜率(slope),示在其他自变量假设不变时,某一 个自变徴变化引起因变量变化的比率；0的正负表示因变 量与自变竄呈同方向或反方向的变化何说明二者具有正相 关或负相关的关系。在进行回归时，需对偏回归系数进行t 显著性检验，通过检验结果可判定方程的自变就与因变最是 否构成线性关系。p. i是误差项伽rok?rm)*其作用主要有三:是作为对 不可预测的随机性的反应;二是弥补大St被省略的自变
8、吊所 带来的误差;三是为了校正因变量测量上的误差。在进行占一典回归时需注意其假设前捉O占典多元回 的假设前提有以下几点：1溟差分布的均值为0、即对于所冇 的i, E( |JL i)=0 ； 2)i5J差项的方差相同拆珂4)=(7七3)渓差项相 互独V：,即Cnv( 4 * M片0; 4)所有的人都迢可观察的并且独 心一于A)=0*5)误差服从于正态分布.均值是0,方 差址a-；6)X是非随机的;7)所有的X之间不存在线性关系口本文研究中，由于针对每一年的数据进行分析，个体之间相互 独立；对于每一个个体i而言，对于每一个因变量丫、自变量 Xi和随机误差项ui均随机，且成正态分布；同时自变量 X是
9、 给定的，因而X是非随机的；因此古典回归的前 6项假设前 提都满足。对于误差项采用 DW佥验时，相应的DW=2.059244 2,说明误差项不存在自相关。2. 建立线性回归模型通过对数据观察，根据搜集到的 2000年至2010年的统计数据，可以看出, 粮食总产量(y)与粮食作物播种面积(x1)呈线性相关关系，与谷物单位面积产量（x2）呈线性相关，与有效灌溉面积（x3）呈线性关系。为分析粮食总产量、粮食 作物播种面与谷物单位面积产量以及有效灌溉面积之间的关系，可初步建立线性回归模型：Y=B 0+ B 1X1 + B 2X2+P 3+uiB 0：表示在没有任何影响条件下谷物的总产量，P 1 ：表示
10、粮食作物播种面积对粮食总产量的影响，B 2：表示谷物单位播种面积对粮食总产量的影响，B 3：表示有效灌溉面积对粮食总产量的影响，ui为随机扰动项。三、相关数据的搜集为了分析各因素对谷物的影响，选择以“粮食总产量”为被解释变量（ Y） 粮食作物播种面积、谷物单位面积产量、有效灌溉面积”为解释变量分别为（XI, X2, X3）。以下表1为2000-2010年粮食总产量的相关数据。表1 2000-2010年粮食总产量及其影响因素的数据分析表粮食总产量粮食作物播谷物单位面有效灌溉面积年份Y种面积X1积产量X2X3（万吨）（千公顷）（公斤/公顷）（千公顷）200050838.61131614945531
11、58.4200146217.5108463475353820.3200245263.7106080480054249.4200345705.8103891488554354.9200443069.599410487354014.2200546946.9101606518754478.4200648402.2104278522555029.3200749804.2104958531055750.5200850160.3105638532056518.3200952870.9106793554858471.7201053082.1108986544759261.4资料来源：中华人民共和国统计局所以
12、Eviews3.0利用的数据为表2数据:表2 Eviews3.0 利用数据obsX1X2X3Y2000113161.04945.00053158.4050838.602001108463.04753.00053820.3046217.502002106080.04800.00054249.4045263.702003103891.04885.00054354.9045705.80200499410.004873.00054014.2043069.502005101606.05187.00054478.4046946.902006104278.05225.00055029.3048402.202
13、007104958.05310.00055750.5049804.202008105638.05320.00056518.3050160.302009106793.05548.00058471.7052870.902010108986.05447.00059261.4053082.103、参数估计利用Eviews软件，做丫对XI、X2、X3做回归，回归结果如图1:图1 函数模型的参数估计结果Depe ndent Variable: YMethod: Least SquaresDate: 11/23/11 Time: 19:05Sample: 2000 2010In cluded observa
14、ti ons: 11VariableCoefficie ntStd. Errort-StatisticProb.X10.5091240.02253322.594180.0000X29.4327520.59530415.845270.0000X3-0.0393340.084451-0.4657570.6555C-51538.493196.387-16.123980.0000R-squared0.995493Mean depe ndent var48396.52Adjusted R-squared0.993561S.D.dependent var3245.184S.E. of regressi o
15、n260.3953Akaike info criteri on14.23757Sum squared resid474639.9Schwarz criteri on14.38226Log likelihood-74.30661F-statistic515.3823Durbi n-Watson stat2.120298Prob(F-statistic)0.000000由计算机所做出的回归分析结果可得：Y=-51538.49+0.509124X1+9.432752X2-0.039334X3t( B 0)= - 16.12398t( B 1)=22.59418 t( B 2)= 15.84527t( B 3)=
