提升河南粮食综合生产能力的实证分析
时间:2021-02-01 12:12:25 来源:雅意学习网 本文已影响 人
【摘要】 河南省作为中国的粮仓,其粮食综合生产能力直接影响着国计民生。本文采用回归分析的方法,得到影响河南省粮食综合生产能力的主要因素是粮食播种面积和化肥施用量,并提出了应对之策。
【关键词】 粮食综合生产能力 实证分析
农业是国民经济最重要的的产业。作为中国的粮仓,河南省如何确保其粮食产量稳步增收是关系到国计民生的大事。2011年9月28日出台的《国务院关于支持河南省加快建设中原经济区的指导意见》明确指出要“着力稳定提高粮食综合生产能力”。在此背景下,研究河南省粮食综合生产能力不仅有助于明晰中原经济区建设在农业生产上的方向,也有助于保障我国的粮食安全。
河南的农业在全国具有举足轻重的地位,特别是小麦,播种面积占到全国的21%,产量占到全国的27%。但其仍然存在着诸如灌溉技术落后、过度依赖农药化肥投入、组织化程度低等问题。近年来,河南省粮食产量占全国的比重明显下降,由1980年的15%左右下降到如今的10%左右。鉴于河南农业生产的粮食主产区地位,着眼河南省粮食生产中的问题,展开对河南粮食综合生产能力的研究显得迫切而必要。
一、建立理论模型
1、确定被解释变量
被解释变量一般就是要分析的问题,本文着力分析的是河南省的粮食综合生产能力。粮食综合生产能力是由包括产出能力、耕地保护能力、环境保持能力等在内的一系列指标所代表的,考虑到河南省的粮食主产区地位以及环境数据等的不可获得性,选取河南省的粮食总产量作为被解释变量进行分析和研究。
2、确定解释变量
解释变量一般是指作为研究对象的变量。从理论上来讲,影响粮食产量的因素很多,但主要的影响因素有两大类。一类是生产要素投入,如劳动和土地,另一类是其他投入,如水、电、化肥等的投入。因此,本文选取包括乡村从业人员、粮食播种面积、农用机械总动力、化肥施用量和有效灌溉面积共五个指标作为解释变量进行分析。
3、确定模型的具体形式
本文选取Cobb-Douglas生产函数这个在经济领域应用较为广泛的函数模型来分析影响河南省粮食综合生产能力的主要因素,该生产函数的基本形式为:Y=AKαL?茁。其中A代表技术水平,Y代表产出,K代表基本物质投入,L代表人力资本投入;α、?茁分别表示K、L相对于Y的产出系数。
依据研究内容,制定多变量形式的函数模型:
Y=eC·X1a1·X2a2·X3a3·X4a4·X5a5
为了方便运算和估计,将上述Cobb-Douglas生产函数两边取对数,建立如下双对数形式的生产函数模型:
lnY=C+a1lnX1+a2lnX2+a3lnX3+a4lnX4+a5lnX5+?着
其中,Y:河南省粮食总产量(万吨);X1:乡村从业人员(万人);X2:粮食播种面积(千公顷);X3:农用机械总动力(亿千瓦);X4:化肥施用量(万吨);X5:有效灌溉面积(千公顷);?着:残差;a1、a2、a3、a4、a5、a6为待估参数,分别表示粮食播种面积、农用机械总动力、农业从业劳动力数量、化肥施用折纯量和有效灌溉面积、农村用电量的生产弹性。
二、数据收集
依据前面确定的解释变量和被解释变量,本文收集了1995到2010年共21年河南省粮食总产量、乡村从业人员、粮食播种面积等各指标的相关数据(数据略)。
三、模型参数的估计
通过回归分析对模型参数进行估计,分析方法为普通最小二乘法,即OLS回归分析方法。运用Eviews 6.0软件对收集到的数据进行回归分析,得到如图1所示的输出结果。
由图1可得回归方程为:
lnY=-20.58-0.587*lnX1+2.397*lnX2-0.101*lnX3
(-1.822) (-1.085) (3.302) (-0.432)
+0.319*lnX4+1.297*lnX5
(1.208) (1.381)
R2=0.937 R2=0.915 F=44.256 D.W.=1.975
四、模型的检验与修正
1、模型的检验
首先进行统计检验,统计检验准则有拟和优度检验、方程的显著性检验和变量的显著性检验。
从图1的输出结果可以看出,R2=0.937,R2=0.915,说明模型对样本的拟合程度较高。由F=44.256可知,在5%的显著水平下,F>F?琢=F?琢(k,n-k-1)=F0.05(5,15)=2.90,即模型中被解释变量与解释变量之间的线性关系在总体上比较显著。
在对每个解释变量进行变量的显著性检验时,给定显著水平?琢=0.05,可得临界值t?琢/2(n-k-1)=t0.025(15)=2.131。由图1知,除LNX2通过检验之外,其余变量均未能通过t检验,并且LNX1和LNX3等的经济意义也未能通过检验,因此需考虑各解释变量之间是否存在着多重共线性。并且通过Eviews软件获得的各解释变量的相关系数矩阵中,解释变量之间存在着较高的相关关系,很多甚至超过了0.9,这也说明各解释变量之间的确存在着多重共线性的现象。
2、模型的修正
由于模型存在着多重共线性的现象,因此对模型运用逐步回归法进行修正,去除引起共线性的变量,得到如图2所示的输出结果。
从图2的输出结果可以看出,拟合优度R2=0.927,R2=0.919,F=114.124,说明方程的拟合程度较高,通过方程的显著性检验。LNX2和LNX4的和统计量也较高,说明通过了变量的显著性。在显著性水平?琢=0.05下,得n=21,k=3时的dl=1.13,du=1.54。输出结果中D.W.=1.718,有du