《(实习报告模版)我国粮食生产与相关投入的计量模型分析》由会员分享，可在线阅读，更多相关《(实习报告模版)我国粮食生产与相关投入的计量模型分析（10页珍藏版）》请在金锄头文库上搜索。
1、我国粮食生产与相关投入的分析09丁颖班摘要：“民以食为天”，粮食是宝中之宝，世界上任何国家都注重粮食生产，我们中国也不例外，中国以7%的土地养活了世界22%的人口，取得举世瞩目的成果。但是应该清醒地看到，在生产实践过程中存在不少问题,制约了我国粮食生产安全。本文将从农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力等几个方面分析，应用计量模型，分析得出粮食生产函数，比较分析农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力对粮食生产的不同影响，并提出相应的政策建议。关键字：粮食生产影响因素经济模型政策建议1文献综述李子奈教授（1999）1采用了农用化肥施用量、粮
2、食播种面积、成灾面积、农业机械动力农业劳动力五个指标，根据19831995我国的粮食生产数据拟合出了关于我国粮食生产的线性回归模型。赵俊晔、李秀峰、王川（2006）2采用逐步回归和灰色关联分析的方法对19912004年影响我国粮食产量变化的主要因素进行了分析，发现有效灌溉面积与粮食产量一直保持高的关联度，成灾面积与粮食产量的关联度仅次于有效灌溉面积，在此基础上对提高我国粮食生产科技支撑能力、稳定发展粮食生产提出了建议。朱再清、陈昉源（2006）3利用湖北省1993年和2003年粮食生产的截面数据，运用OLS法建立1993年和2003年湖北省粮食产量的回归模型，就不同时期粮食生产投入要素对产出的
3、弹性进行了比较分析，找出了弹性变化的内在原因及粮食生产中存在的问题，并提出了相应的对策。梁子谦、李小军（2006）4选取了15个指标，通过建立因子分析模型，对中国粮食单产和播种面积的影响因子进行了实证分析，研究结果表明，对粮食单产影响最大的因子是科技进步水平，其次是物质投入因子、环境与气候因子和政策因子；对粮食播种面积影响最大的因子是资源及科技因子，其次是比较效益及政策因子。贾金荣、朱捷（2007）5通过分析认为，在农村经济获得一定发展并全面引入市场经济机制和随着我国成功入世之后，家庭联产承包责任制下我国粮食生产的激励机制已经失效，政府必须尽快构建适应市场经济体制的激励机制，以保证我国粮食生产
4、水平的稳定和提高。此外，沈颖（2006）6、谢杰（2007）7、王晓丽（2008）8、刘定惠和朱超洪（2009）9、李晔和崔岩（2009）10都对粮食生产问题做出了相关研究。根据前人的研究经验，本文将从影响粮食产量的可能因素进行分析，例如农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力等，得出粮食生产函数的经济模型，分析对粮食生产的显著影响因素，并结合分析的结果，提出一些建设性的建议。2粮食生产量影响因素的实证分析21理论假说根据农业经济学有关理论,在一定限度内，粮食产出量与农业化肥施用量、粮食播种面积、农业机械总动力、农村劳动力数量呈现正相关关系，即化肥、播种面积农业机械动
5、力、劳动力投入越多，则粮食产量越高；而粮食产量与成灾面积呈现负相关关系，即成灾面积越多，则粮食产量越少。2.2影响因素的选取粮食产量，以此作为建立经济模型的被解释变量。农业化肥施用量，化肥的施用量对粮食的产量产生一定的影响，我国从化肥的研发到使用，使粮食的产量有所提高，故选择其为解释变量，分析化肥的使用量对粮食产量的影响力度。粮食播种面积，中国的粮食播种面积在逐年的减少，这对于我们粮食的产量也有一定的影响，所以选择它为解释变量，分析其对粮食产量是正相关还是负相关。成灾面积，我国是一个频繁发展自然灾害的国家之一，旱灾、水灾、台风等，对我国的粮食的产量造成一定的影响，所以将其作为解释变量，分析其过
6、粮食产量的影响到底有多大。农业机械总动力，随着科学技术的发展，农业生产越来越趋向于机械化，在国外很过都是依靠机械化的生产，使得粮食产量有很大的提高，所以以其为解释变量，分析农业机械化的应用多我国粮食产量的影响。农村劳动力，劳动力是农业发展的保障，农业的发展离不开劳动力，所以以它为解释变量，分析其对粮食产量的影响2.3数据的收集和整理根据以上分析，我们选取19832010年中国粮食产量（Y）,农业化肥施用量（XI）,粮食播种面积（X2）咸灾面积（X3），农业机械总动力（X4），农业劳动（X5）的数据作为实例，进行分析。表1我国1983-2010年农业主要统计指标年份粮食产量/万吨农业化肥施用粮食
7、播种面积成灾面积/公顷农业机械总动农业劳动力/万人（X5）（Y）量/万千克（X1）/千公顷（X2）（X3）力/万千瓦（X4）1983387281660114047162091802231151198440731174011288415264194973086819853791117761088452270520913311301986391511931110933236562295031254198740208199911126820393248363166319883940821421101232394526575322491989407552357112205244492806733225
8、1990446242590.31134661781928707.7389141991435292805.11123142781429388.6390981992442642930.21105602589330308.4386991993456493151.91105092313431816.6376801994445103317.91095443138233802.5366281995466623593.71100602226836118.1355301996504543827.91125482123438546.9348201997494173980.71129123030742015.63
9、48401998512304083.71137872518145207.7351771999508394124.31131612673448996.1357682000462184146.41084633437452573.6360432001452644253.81060803179355172.1365132002457064339.41038912716057929.9368702003430704411.6994103251660386.5365462004469474636.61016061629764027.9352692005484024766.21042781996668397
10、.8339702006498044927.71049582463272522.1325612007501605107.81056382506476589.63144420085287152391067932228382190.4306542009530825404.41089862123487496.129708资料来源：中国统计年鉴(1993-2010)3模型的回归说明:为了更准确的预测，我们使用对数模型，设W=logYZi=logXi设粮食生产函数为W=P0+P1Z1+P2Z2+P3Z3+P4Z4+P5Z5+U(u为随机干扰项)3.2用OLS法估计模型DependentVariable:W
11、Method:LeastSquaresDate:05/10/11Time:20:54Sample:19832009(7.52)(9.54)(-5.15)(-1.09)(-1.837)RM2=0.9783DW=1.908Includedobservations:27VariableCoefficientStd.Errort-StatisticProb.C-4.0078301.892866-2.1173340.0463Z10.3827700.0509157.5178260.0000Z21.2131950.1271529.5412610.0000Z3-0.0812780.015787-5.14849
12、00.0000Z4-0.0477010.043658-1.0925930.2869Z5-0.1074880.058511-1.8370470.0804R-squared0.982553Meandependent10.72154varAdjustedR-squared0.978399S.D.dependentvar0.100377S.E.ofregression0.014753Akaikeinfocriterion-5.401667Sumsquaredresid0.004570Schwarzcriterion-5.113704Loglikelihood78.92251F-statistic236
13、.5331Durbin-Watsonstat1.908167Prob(F-statistic)0.000000得到估计模型W=-4.0078+0.3828Z1+1.213Z2-0.0813Z3-0.0478Z4-0.1075Z5(-2.117)RA2=0.9825F=236.533由于RA2较大，且接近于1,而且F=236.533F0.05(5,21)=2.68故认为粮食生产与上述解释变量间总体线性关系显著，但由于其中X4、X5前参数估计值未能通过t检验，而且符号的经济意义也不合理，故认为解释变量间存在多重共线性。4计量经济学检验41多重共线性检验(1)简单相关系数检验Z1,z2,z3,z4,
14、z5的相关系数如下Z5Z4Z3Z2z1z51.0000000.0153130.417344-0.0274380.203429z40.0153131.0000000.297318-0.6563570.964872z30.4173440.2973181.000000-0.2013490.375070z2-0.027438-0.656357-0.2013491.000000-0.558951z10.2034290.9648720.375070-0.5589511.000000由表格可知，XI与X4之间存在高度相关性(2)简单的回归形式分别做W与Zl、Z2、Z4、Z5间的回归(1) w=8.79+0.238Z1(45.38)(9.96)RA2=0.798F=99.12DW=0.8915(2) w=-l6.42-0.49Z2
