对我国农业总产值的分析.docx

中国农业生产总值的计量模型

统计0901李婷婷

2009111050

对中国农业生产总值的因素分析
(一) 前言
通过对影响我国农业产值的因素分析，找出对其影响较大的因素，有针对性的提高部分因素，从提高农业总产值达到边际效用最大化，合理利用资源。
(二) 理论背景
农业对我国的综合发展有着至关重要的作用。就目前形式来说，“三农”问题已经成为举国上下关注的焦点。农业是我国国民经济的基础，它关系到我国的经济发展和社会稳定。可以说，在近些年中，农业总产值出现了一些波动，并对我国的经济发展产生了一定的影响，那么分析出现这些波动的原因，是一件非常有意义的事情。
迄今为止有许多的专家做过这些方面的研究，从国民经济核算的角度，农业总产值下设的科目中影响农业产值的有耕地面积、主要农业机械拥有量、播种面积、有效灌溉面积、化肥施用量、农村水力设施及用电量、受灾面积、成灾面积。下面我们从1农业机械总动力（万千瓦）2播种面积（千公顷）3农业化肥使用量（万公斤）4成灾面积（公顷）5有效灌溉面积（千公顷）6乡村办水电站装机容量（万千瓦时）7大中型拖拉机配套农具（万部）8主要农作物产量（万吨）9农产品价格指数%几个方面来分析对农业产值的影响。
(三) 模型的选择与建立
本模型是以2010年为准的31省截面数据
其中模型中的被解释变量为：
y 农业总产值（万亿元）
解释变量为:
x1农业机械总动力（万千瓦）
x2播种面积（千公顷）
x3农业化肥使用量（万公斤）
x4成灾面积（千公顷）
x5有效灌溉面积（千公顷）
x6乡村办水电站装机容量（万千瓦时）
x7大中型拖拉机配套农具（万部）
x8主要农作物产量（万吨）
x9农产品价格指数%
初始模型为：
Y = f[(X1,X2,X3,X4,X5,X6,X7,X8,X9),(β0,β1,β2,β3,β4,β5,β6,β7,β8,β9)]+u

(四) 数据来源于分析
一、 原始数据
中国农业总产值与相关投入资料
省份
农业总产值(亿万元）
农业机械总动力（万千瓦）
播种面积（千公顷）
农业化肥使用量（万公斤）
成灾面积（千公顷）
有效灌溉面积（千公顷）
乡村办水电站装机容量（万千瓦时）
大中型拖拉机配套农具每百户台
主要农作物产量（万吨）
农产品价格指数%
北 京
140.44
271.54
320.13
13.82
10.17
218.71
4.29
1.33
3569.02
103.39
天 津
139.69
595.00
455.20
25.96
48.00
347.38
0.50
2.83
561.73
104.85
河 北
1927.77
9861.12
8682.50
316.17
1642.03
4552.95
37.02
2.48
11271.30
103.27
山 西
556.33
2655.04
3717.86
104.32
1229.35
1260.99
17.26
2.10
3545.40
102.90
内蒙古
731.90
2891.64
6927.83
171.42
2389.92
2949.75
5.35
4.56
6028.29
97.35
辽 宁
913.48
2142.93
3919.14
133.61
1033.70
1509.58
30.73
4.07
5806.95
97.50
吉 林
777.45
2001.13
5077.54
174.18
1630.37
1684.80
39.10
9.38
7631.87
98.08
黑龙江
1206.79
3401.27
12129.15
198.87
3130.10
3405.86
24.16
17.90
12772.08
103.09
上 海
147.52
99.23
396.05
12.56
8.00
202.32
23.46
0.17
505.78
98.65
江 苏
1948.19
3810.57
7558.15
344.00
393.39
3813.66
5.27
1.21
10735.97
103.29
浙 江
879.04
2384.03
2504.79
93.59
243.33
1446.37
361.01
1.30
3468.57
102.56
安 徽
1289.79
5108.85
9036.18
312.79
320.00
3484.08
82.84
4.85
10479.88
103.98
福 建
826.22
1175.01
2258.01
120.68
128.36
960.12
684.68
0.77
3069.43
104.86
江 西
729.72
3358.93
5376.38
135.76
656.99
1840.43
258.85
0.69
7023.88
102.59
山 东
3223.99
11080.66
10778.43
472.86
1182.33
4896.92
6.97
3.73
17218.60
102.73
河 南
2833.27
9817.84
14181.40
628.67
1063.00
5033.03
35.43
11.68
19900.10
103.12
湖 北
1511.49
3057.24
7527.50
340.25
531.90
2350.10
269.78
1.85
8602.35
103.76
湖 南
1596.64
4352.39
8019.33
231.60
626.07
2720.68
488.34
0.38
10143.90
105.92
广 东
1551.03
2190.18
4476.04
233.15
189.00
1871.09
652.63
0.72
7063.77
105.57
广 西
1134.97
2550.93
5826.50
229.32
459.49
1522.14
345.34
1.34
13441.97
105.31
海 南
307.56
396.07
829.40
46.29
86.90
243.17
29.70
0.98
1541.21
105.04
重 庆
522.84
967.41
3308.30
91.17
177.20
672.02
138.12
0.97
3569.00
106.78
四 川
1806.06
2952.66
9476.56
247.97
696.81
2523.66
657.11
0.73
10800.37
104.64
贵 州
501.52
1606.42
4780.69
86.54
401.90
1016.04
195.43
0.31
3703.03
102.77
云 南
850.65
2159.40
6343.86
171.39
716.57
1562.07
721.86
1.38
7058.47
104.24
西 藏
39.05
358.44
235.07
4.69
20.10
235.15
18.40
3.33
222.20
87.38
陕 西
823.60
1832.97
4154.10
181.32
571.26
1293.34
82.73
4.14
5677.89
103.80
甘 肃
587.26
1822.65
3938.64
82.90
669.08
1264.17
155.35
3.72
3203.99
105.18
青 海
61.30
388.68
514.05
7.96
74.14
251.67
59.38
3.17
326.16
106.03
宁 夏
146.78
702.55
1226.67
35.54
126.67
453.55
0.32
1.33
1239.00
108.58
新 疆
898.62
1503.31
4663.80
154.98
778.15
3675.68
93.65
6.58
5528.56
107.80
说明：数据来源《中国统计年鉴》2010
二、数据调整
中国农业总产值与相关投入资料
省份
农业总产值(亿万元）
农业机械总动力（万千瓦）
播种面积（千公顷）
农业化肥使用量（万公斤）
成灾面积（公顷）
有效灌溉面积（千公顷）
乡村办水电站装机容量（万千瓦时）
大中型拖拉机配套农具每百户台
主要农作物产量（万吨）
农产品价格指数%
北 京
140.44
271.54
320.13
13.82
10.17
218.71
4.29
1.33
3569.02
100
天 津
139.69
595.00
455.20
25.96
48.00
347.38
0.50
2.83
561.73
101.41
河 北
1927.7
9861.12
8682.50
316.17
1642.03
4552.95
37.02
2.48
11271.30
99.89
山 西
556.31
2655.04
3717.86
104.32
1229.35
1260.99
17.26
2.10
3545.40
99.53
内蒙古
731.87
2891.64
6927.83
171.42
2389.92
2949.75
5.35
4.56
6028.29
94.16
辽 宁
913.45
2142.93
3919.14
133.61
1033.70
1509.58
30.73
4.07
5806.95
94.3
吉 林
777.42
2001.13
5077.54
174.18
1630.37
1684.80
39.10
9.38
7631.87
94.87
黑龙江
1206.75
3401.27
12129.15
198.87
3130.10
3405.86
24.16
17.90
12772.08
99.71
上 海
147.51
99.23
396.05
12.56
8.00
202.32

0.17
505.78
95.41
江 苏
1948.12
3810.57
7558.15
344.00
393.39
3813.66
5.27
1.21
10735.97
99.9
浙 江
879.01
2384.03
2504.79
93.59
243.33
1446.37
361.01
1.30
3468.57
99.2
安 徽
1289.75
5108.85
9036.18
312.79
320.00
3484.08
82.84
4.85
10479.88
100.57
福 建
826.19
1175.01
2258.01
120.68
128.36
960.12
684.68
0.77
3069.43
101.42
江 西
729.69
3358.93
5376.38
135.76
656.99
1840.43
258.85
0.69
7023.88
99.23
山 东
3223.88
11080.66
10778.43
472.86
1182.33
4896.92
6.97
3.73
17218.60
99.36
河 南
2833.17
9817.84
14181.40
628.67
1063.00
5033.03
35.43
11.68
19900.10
99.73
湖 北
1511.44
3057.24
7527.50
340.25
531.90
2350.10
269.78
1.85
8602.35
100.36
湖 南
1596.58
4352.39
8019.33
231.60
626.07
2720.68
488.34
0.38
10143.90
102.45
广 东
1550.98
2190.18
4476.04
233.15
189.00
1871.09
652.63
0.72
7063.77
102.11
广 西
1134.93
2550.93
5826.50
229.32
459.49
1522.14
345.34
1.34
13441.97
101.85
海 南
307.55
396.07
829.40
46.29
86.90
243.17
29.70

1541.21
101.59
重 庆
522.82
967.41
3308.30
91.17
177.20
672.02
138.12

3569.00
103.28
四 川
1806
2952.66
9476.56
247.97
696.81
2523.66
657.11
0.73
10800.37
101.2
贵 州
501.5
1606.42
4780.69
86.54
401.90
1016.04
195.43
0.31
3703.03
99.4
云 南
850.62
2159.40
6343.86
171.39
716.57
1562.07
721.86
1.38
7058.47
100.82
西 藏
39.05
358.44
235.07
4.69
20.10
235.15
18.40
3.33
222.20
84.52
陕 西
823.57
1832.97
4154.10
181.32
571.26
1293.34
82.73
4.14
5677.89
100.4
甘 肃
587.24
1822.65
3938.64
82.90
669.08
1264.17
155.35
3.72
3203.99
101.74
青 海
61.3
388.68
514.05
7.96
74.14
251.67
59.38
3.17
326.16
102.55
宁 夏
146.77
702.55
1226.67
35.54
126.67
453.55
0.32
1.33
1239.00
105.02
新 疆
898.59
1503.31
4663.80
154.98
778.15
3675.68
93.65
6.58
5528.56
104.27
说明：数据为“截面数据”数据,故价格指数、农业产值需做调整，原始数据绝对数据，以北京为基准来调。
（三） 变量的基本统计信息。
为了模型参数估计、检验、各种系数计算和预测的方便，各变量的基本统计分析如表３、4、5所示：
表３ 各变量的基本统计分析

Y
X1
X2
X3
X4
X5
X6
X7
X8
X9
Mean
987.4158
2822.455
5117.395
174.3332
684.9768
1911.661
177.5755
3.225161
6635.830
99.68548
Median
826.1900
2159.400
4663.800
154.9800
531.9000
1522.140
59.38000
1.850000
5806.950
100.3600
Maximum
3223.880
11080.66
14181.40
628.6700
3130.100
5033.030
721.8600
17.90000
19900.10
105.0200
Minimum
39.05000
99.23000
235.0700
4.690000
8.000000
202.3200
0.320000
0.170000
222.2000
84.52000
Std. Dev.
777.7788
2773.708
3680.074
143.0464
723.7858
1452.069
231.8515
3.782618
4983.977
3.828861
Skewness
1.119894
1.828631
0.541928
1.241578
1.721846
0.683331
1.316032
2.401572
0.799994
-2.177402
Kurtosis
4.046637
5.708971
2.689702
4.713510
5.955863
2.429601
3.335773
9.014193
3.171387
9.167074

Jarque-Bera
7.894797
26.75570
1.641744
11.75698
26.60335
2.832777
9.093990
76.51925
3.344558
73.62130
Probability
0.019305
0.000002
0.440048
0.002799
0.000002
0.242589
0.010599
0.000000
0.187818
0.000000

Observations
31
31
31
31
31
31
31
31
31
31

表４　变量的协方差

Y
X1
X2
X3
X4
X5
X6
X7
X8
X9
Y
1
0.879842661737
0.844276624063
0.944955242934
0.288748031544
0.873805896096
0.113838517923
0.189978070907
0.904778660552
0.146701340189
X1
0.879842661737
1
0.788357585806
0.857884923955
0.386604689627
0.863358629671
-0.146031041283
0.238672544388
0.826783790372
0.0468242315953
X2
0.844276624063
0.788357585806
1
0.87703328045
0.594746819682
0.884838954265
0.0397103680816
0.481470394683
0.924100179882
0.105496238594
X3
0.944955242934
0.857884923955
0.87703328045
1
0.298245416194
0.873701825311
0.0181735429742
0.291488874959
0.923590561335
0.118743910177
X4
0.288748031544
0.386604689627
0.594746819682
0.298245416194
1
0.522055295446
-0.27211048969
0.698089009056
0.4403820479
-0.18701909586
X5
0.873805896096
0.863358629671
0.884838954265
0.873701825311
0.522055295446
1
-0.122611522011
0.401911484001
0.850023102206
0.109301194705
X6
0.113838517923
-0.146031041283
0.0397103680816
0.0181735429742
-0.27211048969
-0.122611522011
1
-0.420850870042
0.0332361660793
0.285036908188
X7
0.189978070907
0.238672544388
0.481470394683
0.291488874959
0.698089009056
0.401911484001
-0.420850870042
1
0.389458201933
-0.152233362719
X8
0.904778660552
0.826783790372
0.924100179882
0.923590561335
0.4403820479
0.850023102206
0.0332361660793
0.389458201933
1
0.120682603633
X9
0.146701340189
0.0468242315953
0.105496238594
0.118743910177
-0.18701909586
0.109301194705
0.285036908188
-0.152233362719
0.120682603633
1

表５ 简单相关系数表

Y
X1
X2
X3
X4
X5
X6
X7
X8
X9
Y
593757.542228
1866863.88929
2326737.33312
102921.224117
160271.725606
945826.888349
20666.3338653
558.63
3397569.07419
444.556377041
X1
1866863.88929
7582390.35269
7763978.85627
333903.706161
766837.774715
3339538.22928
-94736.6208551
2507.966575
11094721.3453
507.06300051
X2
2326737.33312
7763978.85627
12791340.1352
443366.86368
1532228.24246
4445436.11283
33460.4343974
6571.18695357
16106399.0409
1483.82673776
X3
102921.224117
333903.706161
443366.86368
19979.2080167
30366.6037849
173478.03452
605.199241582
157.227073214
636194.626302
66.0067992347
X4
160271.725606
766837.774715
1532228.24246
30366.6037849
518879.630435
528252.951236
-46179.3944163
1918.93526071
1545910.31106
-529.794514796
X5
945826.888349
3339538.22928
4445436.11283
173478.03452
528252.951236
1973259.63177
-40578.2242293
2154.46152679
5818944.5819
603.816835969
X6
20666.3338653
-94736.6208551
33460.4343974
605.199241582
-46179.3944163
-40578.2242293
55505.916374
-378.367721429
38159.4349421
264.094240816
X7
558.63
2507.966575
6571.18695357
157.227073214
1918.93526071
2154.46152679
-378.367721429
14.5623821429
7242.66574107
-2.28462142857
X8
3397569.07419
11094721.3453
16106399.0409
636194.626302
1545910.31106
5818944.5819
38159.4349421
7242.66574107
23748859.1801
2312.88607168
X9
444.556377041
507.06300051
1483.82673776
66.0067992347
-529.794514796
603.816835969
264.094240816
-2.28462142857
2312.88607168
15.4659423469

四、各解释变量与被解释变量间的散点图

由散点图可以看出：y与x1、x2、x3、x5、x8、线性显著 与x4、x6、x7、x9呈集中式分散尤其与x9近似一条垂直线。
五、 理论模型的建立与估计
1)对模型进行初步估计，运用OLS估计法对模型中参数进行估计：
Dependent Variable: Y
Method: Least Squares
Date: 12/03/11 Time: 09:06
Sample: 1 31
Included observations: 31
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
64.91980
1090.336
0.059541
0.9531
X1
0.062657
0.035821
1.749158
0.0949
X2
-0.041927
0.042796
-0.979700
0.3384
X3
2.584564
1.047616
2.467091
0.0223
X4
0.004143
0.111135
0.037275
0.9706
X5
0.132517
0.080134
1.653683
0.1131
X6
0.445773
0.223936
1.990624
0.0597
X7
-12.32321
17.49474
-0.704395
0.4889
X8
0.041402
0.027929
1.482435
0.1531
X9
-0.608761
11.02852
-0.055199
0.9565
R-squared
0.948795
Mean dependent var
987.4158
Adjusted R-squared
0.926850
S.D. dependent var
777.7788
S.E. of regression
210.3599
Akaike info criterion
13.79121
Sum squared resid
929277.2
Schwarz criterion
14.25379
Log likelihood
-203.7638
F-statistic
43.23519
Durbin-Watson stat
2.494662
Prob(F-statistic)
0.000000

=64.91980+0.062657x1-0.041927x2+2.584564x3+0.004143x4+
t（0.059541） （0.0949） （0.3384） （2.467091） （0.037275）
0.132517x5+0.445773x6--12.32321x7+0.041402x8-0.608761x9
（0.037275） （1.990624） （-0.704395） （1.482435） （-0.055199）
R2= 0.948795 =0.926850 F= 2.494662 DW = 2.494662
1．经济意义检验：
模型估计结果说明，在假定其他变量不变的情况下，农业机械总动力每增加1万千瓦，农业总产值万亿元将增加0.062657万亿元；在假定其他变量不变的情况下，播种面积每增加1千公顷，农业总产值将减少0.041927万亿元；在假定其他变量不变的情况下，农业化肥使用量每增加1万公斤，农业总产值将增加2.584564万 亿元；在假定其他变量不变的情况下，受灾面积每增加1千公顷，农业总产值将增加0.004143万 亿元；在假定其他变量不变的情况下，有效灌溉面积每增加1千公顷，农业总产值将增加0.132517万亿元；在假定其他变量不变的情况下，乡村办水电站装机容量每增加1万千瓦时，农业总产值将增加0.44577万亿元；在假定其他变量不变的情况下，大中型拖拉机配套农具每增加1万部，农业总产值将减少12.32321万亿元；在假定其他变量不变的情况下，主要农作物产量每增加1万吨，农业总产值将增加0.041402万亿元；在假定其他变量不变的情况下，农产品价格指数每增加%农业总产值相对将减少0.618761万亿元。这里大中型拖拉机配套农具的不符合经济意义检验，其他农业机械总动力（万千瓦）、成灾面积（千公顷）、农业化肥使用量（万公斤）、播种面积（千公顷）、有效灌溉面积（千公顷）、乡村办水电站装机容量（万千瓦时）、主要农作物产量（万吨）、农产品价格指数%都符合经济意义检验。

2.统计检验：
（1）拟合优度：由表可知，R2=0.948795 修正的可绝系数，=0.926850 这说明模型对样本拟合的很好。
（2）F检验：由表可知，在给定的显著水平α=0.05的条件下，由于P(F)=0.000000<0.05，所以拒绝原假设，即解释变量x1农业机械总动力（万千瓦）、x2成灾面积（千公顷）、x3农业化肥使用量（万公斤）/x4播种面积（千公顷）、x5有效灌溉面积（千公顷）、x6乡村办水电站装机容量（万千瓦时）、x7大中型拖拉机配套农具（万部）、x8主要农作物产量（万吨）、x9农产品价格指数%，联合起来对被解释变量“农业总产值”有显著影响。
t检验：在给定显著性水平α=0.05的条件下，P(tx3)=，0.0359小于于0.05，所以拒绝原价是，即解释变量x3化肥施用量对被解释变量“农业总产值”有显著的影响；P(tx1)=，0.1117P(tx2)=0.3322，P(tx4)=0.9541，P(tx5)=0.1122,，P(tx5)= 0.0594 P(tx7)=0.5954,，P(tx8)=0.1683，P(tx9)=0.8863均大于0.05，所以接受原假设，即解释变量x1农业机械总动力（万千瓦）、x2播种面积面积（千公顷）、x4成灾面积（千公顷）、x5有效灌溉面积（千公顷）、x6乡村办水电站装机容量（万千瓦时）、x7大中型拖拉机配套农具（万部）、x8主要农作物产量（万吨）、x9农产品价格指数%，对被解释变量“农业总产值”没有有显著影响。
由上图可以看出可决系数为0.945843 ，表明模型整上看农业总产值与解释变量之间线性关系显著。但是x2、x4、X7的系数为负，与其经济意义相悖，而且常数项x1、x5、x6、x7、x8、x9的T检验值都不显著，因此需要对模型的异方差和多重共线性进行检验。
2）对模型进行多重共线性的检验：
由解释变量间的相关系数 ，可以看出解释变量间存在高度线性相关。表明模型中存在严重的多重共线性。
修正：
1 运用OLS法逐一求对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。经分析Y对X3的线性关系强，如下图所示，两者趋势较一致，拟合程度最好，所以从X3开始进行逐步回归。
变量
X1
X2
X3
X4
X5
X6
X7
X8
X9
参数估计值
0.249413
0.181237
5.163473
0.370636
0.473565
0.539211
49.66098
0.142483
28.52945
t统计量
10.4