©2010-2026 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
1、 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
2、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
3、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,
4、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
5、 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 7
6、31.90 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 120
7、6.79 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
8、 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 729.7
9、2 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
10、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
11、 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
12、 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
13、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 6
14、1.30 388.68 514.05 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
15、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 3
16、47.38 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
17、 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
18、 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
19、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
20、 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 8602.35 100.3
21、6 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
22、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.
23、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 1
24、81.32 571.26 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 4
25、53.55 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
26、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
27、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 498
28、3.977 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 7.8
29、94797 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 3
30、1 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
31、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
32、 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
33、 -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 0.698089
34、009056 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 -0.1
35、8701909586 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 1866863.889
36、29 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
37、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
38、 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 264.094
39、240816 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 2312.88
40、607168 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
41、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 -0.041
42、927 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 -0.60876
43、1 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
44、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） （-0.7
45、04395） （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
46、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
47、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
48、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
49、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
50、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
©2010-2026 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
