我国粮食综合生产能力影响因素的实证研究
时间：2021-02-01 12:04:13 来源：雅意学习网 本文已影响 人 
摘要:在粮食综合生产能力的影响因素中,选取灌溉面积、化肥施用量、农业机械总动力、粮食作物播种面积、农业灾害成灾面积、第一产业劳动力数这六个因素建立模型,采用EVIEWS软件对数据进行分析,通过拟合情况、系数的显著性、随机干扰自相关性、异方差、多重共线性、时间序列平稳生、单位根以及协整检验这八项检验,消除多重共线性,修正原回归模型,最终得到关于粮食综合生产能力影响因素的长期均衡和短期均衡模型。
关键词:生产能力 影响因素
1 粮食综合生产能力的概念
本文主要采用《十六大报告辅导读本》里关于粮食综合生产能力的定义,指一定时期一定地区,在一定的经济技术条件下,由各生产要素综合投入所形成的,可以稳定地达到一定产量的粮食产出能力。主要包括耕地保护能力、生产技术水平、科技服务能力、政策保障能力和抵御自然灾害能力这五个方面。从定义可以看出,粮食综合生产能力主要抱括两个方面,一方面,它是由土地、资本、物质、劳动力等要素的投入所形成,另一方面,粮食综合水平的高低,是由玉米、小麦、大豆、水稻等粮食产品的产出量体现。
2 模型的建立
影响粮食综合生产能力的因素有很多,本文选取了灌溉面积、化肥施用量、农业机械总动力、粮食作物播种面积、农业灾害成灾面积、第一产业劳动力数这六个可以量化的因素建立模型。根据尹成杰发表于《农业经济问题》的《关于我国粮食生产波动思考的建议》,1985年取消了部分鼓励粮食生产的优惠政策,因此直接选取了1985年以后的数据指标。根据国家统计局年度统计数据、《国家统计年鉴》及《中国粮食年鉴》的统计数据,整理出了1985-2008年全国的农业有效灌溉面积、化肥施用量、农业机械总动力、粮食作物播种面积、农业灾害成灾面积、第一产业劳动力等数据建立模型。
lny=a0+a1lnx1t+a2lnx2t+a3lnx3t+a4lnx4t+a5lnx5t+a6lnx6t+μ
式中:Y:粮食产量(亿公斤);X1:有效灌溉面积(千公顷);X2:化肥施用量(万公斤);X3:农业机械总动力(万千瓦);X4:粮食作物播种面积(千公顷);X5:农业灾害成灾面积(千公顷);X6:第一产业劳动力数;T:表示年数;μ:表示随机干扰项
通过EVIEWS软件对数据进行分析,最小二乘法回归分析的结果如下
Dependent Variable: LNYMethod: Least Squares
Date: 03/16/10Time: 13:18Sample: 1985 2008
Included observations: 24
方程的输出方式:
LNY=2.08002352+0.6859642336*LNX1+0.3307593023*LNX
2-0.1520786672*LNX3+1.182274229*LNX4-0.09209495786*LNX5-0.1770989136*LNX6
LNX1、LNX2、LNX4的系数为正,说明有效灌溉面积、化肥施用量、粮食播种面积与粮食产量是正向相关的关系,每增加1单位的有效灌溉面积、化肥施用量、粮食播种面积可分别增加0.685、0.331、1.182单位的粮食产量。同理,LNX3、LNX5、LNX6的系数为负,说明农业机械总动力、农业灾害成灾面积、第一产业劳动力的人数与粮食产量呈负向相关的关系。但农业机械总动力与粮食产量是弱负相关关系,这与我们的实际定性分析不想符合。原因可能是方程式中存在着多重共线性的问题,需要进一步修正检验。
2.1 拟合情况检验 从回归结果中,可以看到方程的各变量对粮食产量的解释程度很高,高达0.991975,剔除了变量之间的相互影响后调整的R2也高达0.98143。作为时间序列数据来说,这种高的拟合水平是正常的。
2.2 系数的显著性检验 从回归图中可以看到LNX1、LNX2、LNX3、LNX4、LNX5、LNX6的T值都均大于t0.05(28-6)=1.717,均能通过了检验。但由于LNX3、LNX6的系数符号出现了异常,可以推测因为存在着多重共线性,使得T检验的结果失效。
2.3 随机干扰项自相关检验 自相关现象大多出现在时间序列数据中,而经济系统的经济行为都具有时间上的惯性。
自相关的检验一般有两种方法,一种是图示法,一种是DW检验法。EVIEWS软件中直接提供了DW值,通过其观察可以判断方程是否存在自相关的问题。如图1所示:
图中DW=2.015997。DL=0.951,DU=1.958,4-DU=2.042。DW刚好落在(DU,4-DU)的区间中,说明本方程的随机扰动项不存在自相关关系,时间上的滞后效应不明显,随机扰动项依然服从于正态分布。
2.4 异方差的检验 本文中采用White检验和ARCH检验两种方法相结合来进行异方差检验。进行White检验时可得TR2=11.71093<χ20.05 (12)=28.8693。使用ARCH检验时可得:(n-p)R2=0.073600<χ20.05 (12)=3.84146。由此可以看出:方程不存在异方差。这也说明了该方程的结构较好,不存在把重要的解释变量遗落在随机扰动项中,方程转变了数学表述的形式不影响方程的结果。
2.5 多重共线性检验 通过直接观察单个解释变量的相关系数,易发现LNX1、LNX2、LNX3的系数相关性较高,说明这三个变量存在严重的多重共线性。因此采用逐步回归的办法,去检验和解决多重共线性问题。分别作Y对LNX1、LNX2、LNX3、LNX4、LNX5、LNX6的一元回归,结果如表1所示:
按R2的大小排序为:LNX2、LNX1、LNX3、LNX6、LNX4、LNX5。
以LNX2为基础,顺次加入其他变量逐步回归最终可得消除多重共线性的结果:
这说明,在其他因素不变的情况下,当化肥施用量、粮食作物播种面积增加1个单位,粮食产量将分别增加0.3315、1.3506单位;当农业灾害成灾面积、第一产业劳动力数增加1个单位时,粮食产量将分别减少0.0845、0.0859单位。
2.6 时间序列平稳性、单位根以及协整检验 为了避免时间序列数据存在伪回归的问题,我们要用检验来探究到底是真回归还是伪回归。通过单位根检验可得,在1%、5%、10%三个显著性水平下,单位根检验的Mackinnon临界值分别为-3.7343、-2.9907、-2.6348,t检验统计量值为-3.807394,小于相应临界值,从而拒绝H0,表明粮食产量的差分序列不存在单位根,是平稳序列。即粮食产量序列是二阶单整的,LNY～I(2)。采用同样方法,可检验得到LNX2、LNX4、LNX5、LNX6序列也是二阶单整的,即LNX2、LNX4、LNX5、LNX6～I(2)。为了分析粮食产量(LNY)和各解释变量(LNX2、LNX4、LNX5、LNX6)之间是否存在协整关系,我们先作两变量之间的回归,然后检验回归残差的平稳性。
以粮食产量(LNY)为被解释变量,(LNX2、LNX4、LNX5、LNX6)为解释变量,用OLS回归方法估计回归模型,提取残差项序列,进行单位根检验可得在1%、5%、10%三个显著性水平下,单位根检验的Mackinnon临界值分别为-2.6700、-1.9566、-1.6235,t检验统计量值为-4.315431,小于相应临界值,从而拒绝H0,表表明残差序列不存在单位根,是平稳序列,说明粮食产量(LNY)和(LNX2、LNX4、LNX5、LNX6)之间存在协整关系。
