我国粮食生产与相关投入计量经济学模型分析
我国粮食生产与相关投入计量经济学模型分析 一. 理论分析 二. 建立模型 以 1980——2003 年各年粮食产量作为被解释变量,解释变量中,包括农 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。
模型设定为 ^0 1 1 2 2 3 3 4 4 5 5 Y X X X X X
其中
Y:粮食产量(万吨)
X1:农业化肥试用量(万吨)
X2:粮食播种面积(千公顷)
X3:成灾面积(千公顷)
X4:农业机械总动力(万千瓦)
X5:农业劳动力(万人)
显著性水平 =0.05 三. 估计参数 假定模型中随机项满足基本假定,用 OLS 法估计参数,估计结 果如下:
Dependent Variable: Y Method: Least Squares Date: 12/15/06
Time: 00:16 Sample: 1980 2003 Included observations: 24 Variable Coefficient Std. Error t-Statistic Prob.
C -5410.500 21545.50 -0.251120 0.8046 X1 8.164618 1.611512 5.066433 0.0001 X2 0.163901 0.151925 1.078830 0.2949 X3 -0.230792 0.103152 -2.237399 0.0381 X4 -0.251621 0.131538 -1.912919 0.0718 X5 0.638869 0.429496 1.487485 0.1542 R-squared 0.922443
Mean dependent var 42847.33 Adjusted R-squared 0.900899
S.D. dependent var 5325.186 S.E. of regression 1676.383
Akaike info criterion 17.89898 Sum squared resid 50584693
Schwarz criterion 18.19350 Log likelihood -208.7878
F-statistic 42.81740 Durbin-Watson stat 0.415364
Prob(F-statistic) 0.000000
估计方程为^1 2 3 4 5 5140.5 8.16 0.16 0.23 0.25 0.64 Y X X X X X
t:
(-0.25)
(5.07)
(1.08)
(-2.24)
(-1.91)
(1.49)
2R =0.9224
F=42.8174 由于 2 X , 4 X , 5 X 未通过 t 检验,而且 4 X 前的符号经济意义也不合理,
因此解释变量键可能存在多重共线性。
四. 多重共线性分析 1. 检验简单相关系数 1 X , 2 X , 3 X , 4 X , 5 X 的相关系数表如下:
X1 X2 X3 X4 X5 X1
1.000000 -0.844852
0.375109
0.980034
0.396547 X2 -0.844852
1.000000 -0.400823 -0.822917 -0.195668 X3
0.375109 -0.400823
1.000000
0.500381 -0.603832 X4
0.980034 -0.822917
0.500381
1.000000
0.268218 X5
0.396547 -0.195668 -0.603832
0.268218
1.000000 2. 用 Y 分别关于 1 X , 2 X , 3 X , 4 X , 5 X 作一元线性回归得:
变量 1 X
2 X
3 X
4 X
5 X
参数估计值 4.255 -0.348 0.469 0.281 3.235 t 统计量 8.29 -1.19 2.528 5.118 4.522 2R
0.7576 0.0606 0.2251 0.5435 0.4817
由上表知,解释变量的重要程度依次为 1 X , 4 X , 5 X , 3 X , 2 X
3. 将各解释变量按以上顺序分别引入基本回归模型中,并用 OLS 法估计。
先把 4 X 引入模型,用 Y 关于 1 X , 4 X 做回归并用 OLS 法估计得:
Dependent Variable: Y Method: Least Squares Date: 12/15/06
Time: 18:13 Sample: 1980 2003 Included observations: 24 Variable Coefficient Std. Error t-Statistic Prob.
C 29444.91 1146.287 25.68721 0.0000 X1 10.23087 1.309005 7.815765 0.0000 X4 -0.484598 0.101949 -4.753326 0.0001 R-squared 0.883222
Mean dependent var 42847.33 Adjusted R-squared 0.872101
S.D. dependent var 5325.186 S.E. of regression 1904.447
Akaike info criterion 18.05824 Sum squared resid 76165307
Schwarz criterion 18.20550 Log likelihood -213.6989
F-statistic 79.41445 Durbin-Watson stat 0.893524
Prob(F-statistic) 0.000000
^1 4 29444.91 10.231 0.485 Y X X
2R =0.9224
t
(25.69)
(7.82)
(-4.75) 可见,引入 4 X 后,拟合优度有所提高,但 4 X 回归参数的符号不对,所以应该把4 X 从模型中删除。
按照上面的方法依次引入 5 X , 3 X , 2 X ,经过检验均可保留。
删去不符合条件的解释变量 4 X ,得到 Y 关于 1 X , 2 X , 3 X , 5 X 的方程:
^1 2 3 5 33196.4 5.29 0.32 0.26 0.98 Y X X X X
(-1.95)
(8.51)
(2.37)
(-2.39)
(2.34)
2R =0.9067
F=46.1480
DW=0.38
Dependent Variable: Y Method: Least Squares Date: 12/15/06
Time: 12:41 Sample: 1980 2003 Included observations: 24 Variable Coefficient Std. Error t-Statistic Prob.
C -33196.40 16990.08 -1.953870 0.0656 X1 5.290239 0.621761 8.508471 0.0000 X2 0.322197 0.136035 2.368498 0.0286 X3 -0.260340 0.108892 -2.390807 0.0273 X5 0.977798 0.417731 2.340736 0.0303 R-squared 0.906676
Mean dependent var 42847.33 Adjusted R-squared 0.887029
S.D. dependent var 5325.186 S.E. of regression 1789.857
Akaike info criterion 18.00071 Sum squared resid 60868170
Schwarz criterion 18.24614 Log likelihood -211.0085
F-statistic 46.14801 Durbin-Watson stat 0.380375
Prob(F-statistic) 0.000000
五. 序列相关性分析 对上一步得到的回归方程 ^1 2 3 5 33196.4 5.29 0.32 0.26 0.98 Y X X X X
做序列相关性分析,采用 LM 检验法:
1. 2阶滞后:
0 1 1 2 2 3 3 5 5 1 21 2* * * * * * tt t tX X X Xe e e
Breusch-Godfrey Serial Correlation LM Test: F-statistic 24.93890
Probability 0.000009 Obs*R-squared 17.89932
Probability 0.000130
Test Equation: Dependent Variable: RESID Method: Least Squares Date: 12/15/06
Time: 13:05 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob.
C 5709.028 9294.296 0.614251 0.5472 X1 0.078765 0.332401 0.236959 0.8155 X2 -0.093432 0.075415 -1.238899 0.2322 X3 -0.103549 0.060792 -1.703326 0.1067 X5 0.216553 0.224804 0.963297 0.3489 RESID(-1) 1.223990 0.189696 6.452391 0.0000 RESID(-2) -0.518640 0.195301 -2.655586 0.0166 R-squared 0.745805
Mean dependent var 1.33E-11 Adjusted R-squared 0.656089
S.D. dependent var 1626.789 S.E. of regression 954.0127
Akaike info criterion 16.79772 Sum squared resid 15472384
Schwarz criterion 17.14132 Log likelihood -194.5727
F-statistic 8.312966 Durbin-Watson stat 2.552423
Prob(F-statistic) 0.000262
得估计结果为:
1 2 3 51 25709.028 0.079* 0.093* 0.104* 0.217* 1.224* 0.519*t t tX X X Xe e e t
(0.61)
(0.24)
(-1.24)
(-1.70)
(0.96)
(6.45)
(-2.66) 2R =0.7458
N=24
P=2
K=5(包含常数项)
LM=(N-P)*2R =(24-2)*0.7458=16.4076 2(0.05) (2) =5.99
由于 LM>2(0.05) (2) ,而且1 t e ,2 t e 的回归系数显著不为零,表明此模型存在一阶,
二阶自相关 2. 3阶滞后:
1 2 3 51 2 32300.225 0.011* 0.09* 0.077* 0.302* 1.07* 0.20* 0.30*t t t tX X X Xe e e e Breusch-Godfrey Serial Correlation LM Test: F-statistic 17.48614
Probability 0.000026 Obs*R-squared 18.39076
Probability 0.000365
Test Equation: Dependent Variable: RESID Method: Least Squares Date: 12/15/06
Time: 13:27 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob.
C 2300.225 9626.983 0.238935 0.8142 X1 -0.011440 0.337259 -0.033920 0.9734 X2 -0.090593 0.074578 -1.214746 0.2421 X3 -0.077094 0.064106 -1.202596 0.2466 X5 0.302066 0.233637 1.292883 0.2144 RESID(-1) 1.068591 0.228868 4.669025 0.0003 RESID(-2) -0.201809 0.329957 -0.611621 0.5494 RESID(-3) -0.302546 0.255535 -1.183971 0.2537 R-squared 0.766282
Mean dependent var 1.33E-11 Adjusted R-squared 0.664030
S.D. dependent var 1626.789 S.E. of regression 942.9348
Akaike info criterion 16.79707 Sum squared resid 14226017
Schwarz criterion 17.18976 Log likelihood -193.5649
F-statistic 7.494061 Durbin-Watson stat 2.363537
Prob(F-statistic) 0.000442 得估计结果为:
1 2 3 51 2 32300.225 0.011* 0.09* 0.077* 0.302* 1.07* 0.20* 0.30*t t t tX X X Xe e e e
t
(0.24)
(-0.03)
(-1.21)
(-1.20)
(1.29)
(4.67)
(-0.61)
(-1.18) 2R =0.7663
N=24
P=3
K=5(包含常数项)
LM=(24-3)*0.7663=16.0923>2(0.05) (3) =7.81,表明存在自相关;但由于3 t e 的回归系数不显著,故不存在三阶序列相关性。
3. 运用广义差分法进行自相关的处理
Dependent Variable: Y Method: Least Squares Date: 12/15/06
Time: 13:43 Sample(adjusted): 1982 2003 Included observations: 22 after adjusting endpoints Convergence achieved after 22 iterations Variable Coefficient Std. Error t-Statistic Prob.
C -28788.97 9833.202 -2.927731 0.0104 X1 4.812362 0.511629 9.405955 0.0000 X2 0.560230 0.090724 6.175116 0.0000 X3 -0.184112 0.034253 -5.375018 0.0001 X5 0.030205 0.336294 0.089817 0.9296 AR(1) 0.799979 0.223927 3.572494 0.0028 AR(2) -0.193220 0.187475 -1.030648 0.3190 R-squared 0.985985
Mean dependent var 43808.09 Adjusted R-squared 0.980378
S.D. dependent var 4410.156 S.E. of regression 617.7612
Akaike info criterion 15.94345 Sum squared resid 5724433.
Schwarz criterion 16.29060 Log likelihood -168.3780
F-statistic 175.8753 Durbin-Watson stat 2.504680
Prob(F-statistic) 0.000000 Inverted AR Roots
.40 -.18i
.40+.18i
结果表明,调整后的模型的 DW=2.5047>Ud =1.78,广义差分后的模型已不存在序列相关性,得到的回归方程为:
^1 2 3 5 28788.97 4.81 0.56 0.18 0.03 Y X X X X
六. 异方差性检验 1.采用怀特检验法,辅助回归模型的估计结果如下:
White Heteroskedasticity Test: F-statistic 2.936941
Probability 0.054487 Obs*R-squared 19.69010
Probability 0.140219
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/15/06
Time: 14:08 Sample: 1980 2003 Included observations: 24 Variable Coefficient Std. Error t-Statistic Prob.
C 4.25E+08 1.49E+09 0.285972 0.7814 X1 33760.93 82018.78 0.411624 0.6902 X1^2 0.725598 3.158302 0.229743 0.8234 X1*X2 -0.690653 0.673699 -1.025166 0.3320 X1*X3 0.129184 0.477089 0.270775 0.7927 X1*X5 1.128758 2.894952 0.389906 0.7057 X2 23241.78 24004.53 0.968225 0.3582 X2^2 -0.176049 0.106109 -1.659130 0.1315 X2*X3 -0.075448 0.093210 -0.809442 0.4391 X2*X5 0.620711 0.522640 1.187645 0.2654 X3 8993.285 13257.93 0.678332 0.5146 X3^2 -0.054573 0.058218 -0.937382 0.3730 X3*X5 0.054338 0.237093 0.229185 0.8238 X5 -115713.9 65324.90 -1.771360 0.1103 X5^2 0.627827 0.964622 0.650853 0.5314 R-squared 0.820421
Mean dependent var 2536174. Adjusted R-squared 0.541075
S.D. dependent var 3247638. S.E. of regression 2200079.
Akaike info criterion 32.31506 Sum squared resid 4.36E+13
Schwarz criterion 33.05134 Log likelihood -372.7807
F-statistic 2.936941 Durbin-Watson stat 2.136747
Prob(F-statistic) 0.054487
在同方差的条件下:n2R ~2 ( )h ,h=4,为解释变量的个数 从上图可知 n2R =19.6901,在显著性水平 =0.05 的情况下, 20.05 (4)=9.49,由于 n2R >20.05 (4)=9.49,故存在异方差性。
2.克服异方差,采用加权最小二乘法(WLS),以1ie为权数进行 WLS 估计,得估计结果如下:
Dependent Variable: Y Method: Least Squares Date: 12/15/06
Time: 14:22 Sample: 1980 2003 Included observations: 24 Weighting series: 1/ABS(RESID) Variable Coefficient Std. Error t-Statistic Prob.
C -38848.22 6162.635 -6.303833 0.0000 X1 5.626334 0.057435 97.96040 0.0000 X2 0.399669 0.036194 11.04228 0.0000 X3 -0.274706 0.020876 -13.15868 0.0000 X5 0.869675 0.087590 9.928966 0.0000 Weighted Statistics
R-squared 1.000000
Mean dependent var 41264.31 Adjusted R-squared 1.000000
S.D. dependent var 179318.7 S.E. of regression 37.90557
Akaike info criterion 10.29112 Sum squared resid 27299.81
Schwarz criterion 10.53655 Log likelihood -118.4935
F-statistic 6319.212 Durbin-Watson stat 0.924452
Prob(F-statistic) 0.000000 Unweighted Statistics
R-squared 0.904028
Mean dependent var 42847.33 Adjusted R-squared 0.883823
S.D. dependent var 5325.186 S.E. of regression 1815.075
Sum squared resid 62595422 Durbin-Watson stat 0.387567
最终拟合的回归方程为 ^1 2 3 5 38848.22 5.63 0.40 0.27 0.87 Y X X X X
t
(-6.30)
(97.96)
(11.04)
(-13.16)
(9.93)
2R =1.0000 和初始方程比较,无论是拟合优度还是个参数的 t 值都有显著的改善。拟合结果可以由下图形象的看出:
七. 模型的经济含义 经过以上分析,得出模型的回归方程为 ^1 2 3 5 38848.22 5.63 0.40 0.27 0.87 Y X X X X
2R =1.0000 表明,粮食总产量的变化可以完全由化肥施用量,粮食播种面积,成灾面积和农业劳动力的数值来解释; 1 X 的回归参数 5.63 表示:在其他条件不变的情况下,化肥施用量每增加1万吨,粮食产量增加 5.63 万吨; 2 X 的回归参数 0.40 表示:在其他条件不变的情况下,粮食播种面积每增加1000 公顷,粮食产量增加 4000 吨; 3 X 的回归参数-0.27 表示:在其他条件不变的情况下,成灾面积每减少 1000公顷,粮食产量增加 2700 吨; 5 X 的回归参数 0.87 表示:在其他条件不变的情况下,农业劳动力每增加1万人,粮食产量增加 8700 吨;
八. 模型预测 以此模型预测 2004 年的粮食产量,由统计年鉴的数据知,2004 年各解释变量的数值如下:
1 X =4636.6
2 X =101606 3 X =16297
5 X =30596 代入模型中得 Y=49979.33 而 2004 年实际粮食总产量为 50146.03,误差率为 0.059%,Eviews 模型如下:
附:中国粮食生产与相关投入资料
年份 粮食产量 (万吨)Y 化肥施用量 (万吨)
1 X
粮食播种面积 千公顷)
2 X
成灾面积 千公顷 3 X
农业机械总动力万千瓦 4 X
农业劳动力 (万人)
5 X
1980
32056.00
1269.400
117234.0
22317.30
14746.00
29808.40 1981
32502.00
1334.900
114958.0
18743.30
15680.00
30677.60 1982
35450.00
1513.400
113463.0
16120.30
16614.00
31152.70 1983
38728.00
1659.800
114047.0
16209.30
18022.00
31645.10 1984
40731.00
1739.800
112884.0
15264.00
19497.00
31685.00 1985
37911.00
1775.800
108845.0
22705.30
20913.00
30351.50 1986
39151.00
1930.600
110933.0
23656.00
22950.00
30467.00 1987
40208.00
1999.300
111268.0
20392.70
24836.00
30870.00 1988
39408.00
2141.500
110123.0
23944.70
26575.00
31455.70 1989
40755.00
2357.100
112205.0
24448.70
28067.00
32440.50 1990
44624.00
2590.300
113466.0
17819.30
28708.00
33330.40 1991
43529.00
2806.100
112314.0
27814.00
29389.00
34186.30 1992
44264.00
2930.200
110560.0
25894.70
30308.00
34037.00 1993
45649.00
3151.900
110509.0
23133.00
31817.00
33258.20 1994
44510.00
3317.900
109544.0
31383.00
33802.00
32690.30 1995
46662.00
3593.700
110060.0
22267.00
36118.00
32334.50 1996
50454.00
3827.900
112548.0
21233.00
38547.00
32260.40 1997
49417.00
3980.700
112912.0
30309.00
42016.00
32434.90 1998
51230.00
4083.700
113787.0
25181.00
45208.00
32626.40 1999
50839.00
4124.300
113161.0
26731.00
48996.00
32911.80 2000
46218.00
4146.400
108463.0
34374.00
52574.00
32797.50 2001
45264.00
4253.800
106080.0
31793.00
55172.00
32451.00 2002
45706.00
4339.400
103891.0
27319.00
57930.00
31990.60 2003
43070.00
4411.600
99410.00
32516.00
60387.00
31259.60 2004
50146.03
4636.600 101606.00 16297.00 64028.00
30596.00
资料来源:《中国统计年鉴》(2005,1985)
上一篇:XX医院医院应急管理制度
最新推荐New Ranking
温暖的阳光,诱人的花香,激动的脸庞,六一国际儿童节在小朋友和老师的热烈期盼中来到了我们的身旁。...
2某市医疗保障工作要点2022年是党的二十大召开之年,也是医保助力共同富裕的奋进之年。2022年全市医疗保障工作的总体要求是...
3区委书记在市委招商专题汇报会上讲话提纲今年来,XX区积极响应中央、省、市号召,立足当前经济形势,抢抓发展机遇,充分挖掘中心城区区位优势...
4在局推进基层正风反腐工作会议上讲话同志们:今天召开这次会议主要是贯彻落实3月24日我区基层正风反腐专项治理工作会议精神,部署开展我局...
5农村“五治”工作实施方案为深入学习贯彻XXX关于实施乡村振兴战略重要讲话精神,打赢改善农村人居环境这场硬仗,践行为民宗旨、厚...
6在市政协五届一次会议开幕会上讲话市政协四届一次会议以来的五年,是XX砥砺前行、克难攻坚的五年,也是拼搏进取、满载荣光的五年。五年...
7市全面推行证明事项告知承诺制工作实施方案为进一步深化“放管服”改革,深入开展“减证便民”行动,优化营商环境,激发市场主体活力和社会创造...
8党课讲稿:意识形态领域形势何以发生全局性根本性转变党的十九届六中全会通过的《中共中央关于党的百年奋斗重大成就和历史经验的决议》(以下简称《决议》...
9研讨发言:科技创新引领,构建现代产业体系(集团公司董事长,党委书记)中央经济工作会议把“强化国家战略科技力量”“增强产业链供应链自主可控能力”提到了前所未有的战略...
10在全省药品监管工作会议上经验交流发言2021年,全市市场监管系统在省药监局和市委、市政府的正确领导下,坚持以XXX“四个最严”为指导,聚焦...