《计量课设模板-我国共同富裕地区特征分析.docx》由会员分享，可在线阅读，更多相关《计量课设模板-我国共同富裕地区特征分析.docx（14页珍藏版）》请在课桌文档上搜索。
1、学号：孝世.大城NORTHCHINAUNWERS11YOFSCIENCEANDTECHNOLOGY经济数据之美结课论文论文题目：我国共同富裕地区特征分析学生姓名：专业班级：学院：经济学院2023年6月20日摘要：本文分为6部分，根据我国农业的现状，从计量经济学的角度来检验哪些因素对于农业总产值有显著的影响。根据计量经济学原理，在模型中我引入了五个变量：农林牧渔业从业人员、农业机械总动力、有效灌溉面积、农作物总播种面积、主要作物单位面积产量。并收集了1990年至2012年二十三年的全国的时间序列数据，利用E-views软件对其计量模型进行了参数估计和检验，多重共线性的检验，异方差的检验和自相关的
2、检验并加以修正。最后对所得的分析结果进行了经济意义的分析，并提出了一些相应的政策意见。研究发现，二十多年来农业机械总动力和主要作物单位面积产量这两个因素对于农业总产值有显著的正面影响，而农林牧渔业从业人员与农业总产值呈负相关，但影响不是十分显著。关键词：农业总产值；影响因素；计量模型一引言我国是有着13亿人口的农业大国，农业生产在整个国民经济结构中占有举足轻重的地位，农业的发展程度直接制约着我国的第二、第三产业的发展，随著经济社会发展以及人口的增加，我国粮食等主要农产品的消费需求不断增加。为了在更高层次上发展我国的经济,真正实现共同富裕的伟大目标,保证粮食安全,关注农业总产值是十分必要的。然而
3、影响到农业总产值的因素是多方面的。因此，我们提取农林牧渔业从业人员、农业机械总动力、有效灌溉面积、农作物总播种面积、主要作物单位面积产量这五个对农业总产值有较大影响的因素的时间序列数据来进行分析，希望通过建立一个合适的经济模型来从理论上找出影响农业总产值的显著因素，从而提出增加农业总产值的方法。（一）相关理论的介绍近几年来党中央、国务院以科学发展观统领全局，按照统筹发展的要求，采取了一系列惠农的政策，农业已经有了进一步的发展，对保持整个国民经济平稳较快发展起到了重要的支撑作用。但是人们清楚地看到，我国农业、农村发展仍然处于十分艰难的爬坡阶段。新农业技术尚未得到广泛的应用；农业基础建设仍然很薄弱
4、；农村社会主义改革滞后；农产品的价格太低，它在市场上与工业产品的交换并不等价；城乡居民收入差距扩大的矛盾依然突出。党的十六大提出全面建设小康社会的奋斗目标，由于我国目前达到的小康水平低，而全面建设小康社会，重点在农村，难点也在农村。因此，要全面建设小康社会就必须把工作的重点放在农村。农业问题是“三农”问题中很重要的一个方面，作为立国之本的农业，由于历史和现实原因自身存在很多问题，所以有提出研究的必要。农业问题中如何提高农业总产值是非常重要的一个方面，而影响农业总产值的因素又是多方面的，从这个问题的经济意义理解，我们可以选取农林牧渔业从业人员、农业机械总动力、有效灌溉面积、农作物总播种面积、主要
5、作物单位面积产量这五个因素对其进行研究以建立一个合适的模型找出对农业总产值影响较大的因素。（二）变量的选取及数据的收集Y-农业总产值（亿元）：指以货币表现的农、林、牧、渔全部产品的总量，它反映一定时期内农业生产总规模和总成果。农业生产总值反映了一个国家或地区农业生产的总规模和总水平。X2-农林牧渔业从业人员（万人）：指乡村人口中16岁以上实际参加农、林、牧、渔业生产经营活动并取得实物或货币收人的人员，既包括劳动年龄内实际参加劳动人员，也包括超过劳动年龄但实际参加劳动的人员，但不包括户口在家的在外学生、现役军人和丧失劳动能力的人，也不包括待业人员和家务劳动者。劳动者年龄为16岁以上。X3-农业机
6、械总动力（万千瓦）：指主要用于农、林、牧、渔业的各种动力机械的动力总和。农业机械总动力包括耕作机械、排灌机械、收获机械、农用运输机械、植物保护机械、牧业机械、林业机械、渔业机械和其他农业机械内燃机按引擎马力折成瓦（特）计算、电动机按功率折成瓦特计算）。不包括专门用于乡、镇、村、组办工业、基本建设、非农业运输、科学试验和教学等非农业生产方面用的动力机械与作业机械。X4-有效灌溉面积（千公顷）：灌溉工程设施基本配套，有一定水源、土地较平整，一般年景下当年可进行正常灌溉的耕地面积。X5农作物总播种面积（千公顷）：指实际播种或移植有农作物的面积。凡是实际种植有农作物的面积，不论种植在耕地上还是种植在非
7、耕地上，均包括在农作物播种面积中。在播种季节基本结束后，因遭灾而重新改种和补种的农作物面积，也包括在内。目前，农作物播种面积主要包括粮食、棉花、油料、糖料、麻类、烟叶、蔬菜和瓜类、药材和其它农作物九大类。X6-主要农作物单位面积产量(公斤/公顷)表1原始指标变量数据年份YX2X3X4X5X61990年7662.133336.428707.747403.1148362.33932.841991年815734186.329388.647822.1149585.83875.691992年9084.73403730308.448590.1149007.14003.791993年10995.533258
8、.231816.648727.9147740.74130.791994年15750.4932690.333802.548759.1148240.64063.231995年20340.932334.536118.149281.2149879.34239.71996年22353.732260.438546.950381152380.64482.851997年23788.432677.8942015.651239153969.24376.61998年24541.932626.445207.752296155705.74502.211999年24519.132911.7648996.125315815
9、6372.84492.592000年24915.832797.552573.6153820.33156299.94261.152001年26179.6532451.0155172.154249.39155707.94266.942002年27390.831990.5857929.8554355154635.54399.42003年29691.831259.6360386.54540141524154332.52004年36238.993059664027.9154478153552.64620.492005年39450.8929975.5468397.8555029.34155487.7464
10、1.632006年40810.8329418.4172522.1255750.51521494745.172007年48892.9628640.6876589.5656518.34153463.94748.32008年58002.1528363.682190.4158471.68156265.74950.82009年60361.0128065.2687496.159261.4158613.64870.552010年69319.7627694.7792780.4860347.7160674.84973.582011年81303.9227355.4297734.6661681.56162283.2
11、5165.892012年89453.0527032.2510255962490.52163415.75301.76建立模型：Yt=B1+22t+33t+44t+5X5t+6X6t+Ut3计量经济学的检验3.1多重共线性的检验及修正：(1)多重共线性的检验表2模型回归结果VariableCoefficientStd.Errort-StatisticProb.C-25190.1664775.39-0.3888850.7022X2-8.1778612.841498-2.8780110.0104X3-0.1809570.653399-0.2769470.7852X40.1757083.0065350.
12、0584420.9541X52.0353990.6777533.003160.008X60.3842869.5970590.0400420.9685R-squared0.979788Meandependentvar34748.06AdjustedR-squared0.973843S.D.dependentvar23137.49S.E.ofregression3742.021Akaikeinfocriterion19.5121Sumsquaredresid2.38E+08Schwarzcriterion19.80831Loglikelihood-218.3891F-Statistic164.81
13、81Durbin-Watsonstat0.787381Prob(F-Statistic)0由此可见，该模型R2=0.979788,R2=0.973843可决系数很高，F检验值164.8181,明显显著。但是当a=0.05时,ta/2(n-k)=t0,025(23-6)=2.110,不仅X3、X4X6的系数t检验不显著，而且X3系数的符号与预期相反，这表明很可能存在严重的多重共线性。计算各解释变量的相关系数，得相关系数矩阵如表3所示表3相关系数矩阵变量X2X3X4X5X6X21-0.9663-0.93194-0.75299-0.94135X3-0.96630110.9905030.8602860
14、.944137X4-0.9319380.99050310.9107870.945006X5-0.7529910.8602860.91078710.85899X6-0.9413550.9441370.9450060.858991由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。(2)多重共线性的修正：分别作Y对X2、X3X4.X5、X6的一元回归，结果如表3所示。表4一元回归估计结果变量X2X3X4X5X6参数估计值-9.6976770.9616694.9864254.62816857.18936t统计量-16.3141119.1477417.161298.3
15、0087315.8851R20.9268680.9458250.9334410.7664190.923172R20.9233850.9432460.9302720.7552960.919513由上表可知，加入变量的方程R2由大到小依次为X3、X4、X2、6.X5O所以以X3为基础依次加入各个变量。首先加入变量X4,进行回归，得到结果如表4所示。表5加入新变量的回归估计结果(一)R1X3、X40.8141152.1836170. 7775370. 3995640. 94088结果表示，新加入X4的方程R2=o.94088,没有改进，而且参数X4的t检验不显著，所以选择剔除变量X4。加入变量X2,
16、进行回归，得到结果如表5所示。表5加入新变量的回归估计结果（二）变量X3X2R20.630334-3.4929593.413853-1.8570720.949172结果表示，新加入X2的方程R2=O.949172,略有增加，但是参数X2的t检验不显著，所以选择剔除变量X2。继续加入变量X6,进行回归估计，得到结果如表6所示。表6加入新变量的回归估计结果（三）变量X3X6R20.59537523.353294.5851112.9878110.958798结果表示，新加入X6的方程R2=O.958798,有所改进，而且参数X6的t检验也显著，所以选择保留变量X6。在保留变量X6的基础上，继续加入变
17、量X5,进行回归估计，得到结果如表7所示。表7加入新变量的回归估计结果（四）变量X3X6X5R20.5571121.167780.4508334.0959162.5964840.9631820.958649结果表示，新加入X5的方程R2=0.958649,没有增加，而且参数Xs的t检验不显著，所以选择剔除变量X5。最后修正严重多重共线性影响后的回归结果如表8所示表8消除多重共线性后的回归估计结果VariableCoefficientStd.Errort-StatisticProb.C-104782.928141.2-3.723471X30.5953750.129854.585111X623.3
18、53297.8161882.9878110.00130.00020.0073R-squared0.962544Meandependentvar34748.06AdjustedR-squared0.958798S.D.dependentvar23137.49S.E.ofregression4696.49Akaikeinfocriterion19.86813Sumsquaredresid4.41E+08Schwarzcriterion20.01623Loglikelihood-225.4835F-statistic256.9797Durbin-Watsonstat0.47667Prob(F-Sta
19、tistic)0Yt=-104782.9+0.595375X3t+23.35329X6tt=(-3.723471)(4.585111)(2.987811)R2=0.962544R2=0.958798F=256.9797DW=0.47667可以看出运用逐步回归法消除多重共线性后，参数的t检验均显著，F检验也显著,也也很高。3.2异方差的检验及修正(1) 异方差的检验这里用White检验表9white检验WhiteHeteroskedasticityTest:F-statisticObs*R-squared4.48614413.08387ProbabilityProbability0.008649
20、0.022605VariableCoefficientStd.Errort-StatisticProb.C1.15E+082.88E090.0400400.9685X3-25770.0723206.33-1.1104760.2823X32-0.1186310.057533-2.0619850.0548X3*X68.5800786.4583371.3285270.2016X6218774.31566769.0.1396340.8906X62-70.32629212.9708-0.3302160.7453R-squared0.568864Meandependentvar19180018Adjust
21、edR-squared0.442059S.D.dependentvar23099521S.E.ofregression17254284Akaikeinfocriterion36.38448Sumsquaredresid5.06E+15Schwarzcriterion36.68069Loglikelihood-412.4215F-statistic4.486144Durbin-Watsonstat1.671991Prob(F-Statistic)0.008649从表10可以看出，nR2=13.08387,由White检验知，在a=0.05下，查2分布表，得临界值2oo5(5)=ll0705,。比
22、较2统计量与临界值，因为nR2=13.083872005(5)=11.0705,所以拒绝原假设，不拒绝备择假设，表明模型存在异方差。(2) 异方差的修正在运用加权最小二乘法估计过程中，我分别选用了权数WIt=jW2t=-xuXt八xtzW3t=I经估计检验发现用权数We的效果最好。下面是用We估计JXtresid检验的结果。如表10所示。表10用权数We的结果Weightingseries:WEVariableCoefficientStd.Errort-StatisticProb.C-98245.167058.313-13.919070.0000X30.5921070.02595822.809
23、800.0000X621.857531.84904111.821010.0000WeightedStatisticsR-squared0.998550Meandependentvar74586.67AdjustedR-squared0.998405S.D.dependentvar256398.7S.E.ofregression10240.25Akaikeinfocriterion21.42715Sumsquaredresid2.10E+09Schwarzcriterion21.57526Loglikelihood-243.4122F-statistic2596.577Durbin-Watson
24、stat0.326579Prob(F-Statistic)0.000000UnweightedStatisticsR-squared0.961470Meandependentvar34748.06AdjustedR-squared0.957617S.D.dependentvar23137.49S.E.ofregression4763.337Sumsquaredresid4.54E+08Durbin-Watsonstat0.440202表10的估计结果如下:Vt=-98245.16+0.592107X3t+21.85753X6tt=(-13.91907)(22.80980)(11.82101)R
25、2=0.998550R2=0.998405F=2596.577DW=0.326579可以看出运用加权最小二乘法消除异方差后，参数的t检验均显著，F检验也显著。1 .自相关的检验及补救(1)自相关的检验这里用DW检验法对样本量为23、两个解释变量的模型、5%显著水平，查DW统计表可知，dL=l.168,du=l.543,DW=O.32657900DWdu,说明在5%显著性水平下广义差分模型中已无自相关，不必再进行迭代。同时可见可决系数R2、t、F统计量也均达到理想水平。由差分方程式有l=-14227.48(1-0.8708)=-110119.81由此我们得到最终的中国农业总产值模型为Yt=-11
26、0119.81+1.231837X3t+13.08891X6t4时间序列分析令Yr=Y-0.8708*Y(-1)、Xm=X3-0.8708*X3(-l)、Xn=X6-0.8708*X6(-l)分别做Yr、Xm、Xn的时序图。图1Yr的时序图由图1可以看出，该序列可能存在趋势项。图2Xm的时序图由图2可以看出，该序列可能存在趋势项。图3Xn的时序图由图3可以看出，该序列应该不存在趋势项，但存在常数项。由于所用数据为时间序列数据，需要检验其平稳性，并用EG两步法考察它们之间是否存在协整关系。根据协整关系的检验方法，首先要考察各个变量的单整阶数。表13Yr差分序列的ADF检验结果(一阶差分)ADFT
27、estStatistic-11.016461%CriticalValue*-4.73155%CriticalValue-3.761110%CritiCalVaIiJe-3.3228wMacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.从检验结果看，在1%、5乐10%三个显著性水平下，单位根检验MaCKinnOn临界值分别为-4.7315、-3.7611、-3.3228,t检验统计量值TLOI646,小于相应临界值-3.7611,从而拒绝H。，表明Yr的差分序列不存在单位根，是平稳序列。即农业总产值(Yr)序列是一阶单整的，即Yr
28、1(1)。表14Xm差分序列的ADF检验结果(一阶差分)ADFTestStatistic-4.1378591%CriticalValue*-4.67125%CriticalValue-3.734710%CritiCalVaIUe-3.3086*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.从检验结果看，在1%、5%、10%三个显著性水平下，单位根检验MaCKinnorI临界值分别为-4.6712、-3.7347、-3.3086,t检验统计量值-4.137859,小于相应临界值-3.7347,从而拒绝H0,表明农业机械总动力
29、(Xm)的差分序列不存在单位根，是平稳序列。即Xnl序列是一阶单整的，即Xm1(1)。表15Xn差分序列的ADF检验结果(一阶差分)ADFTestStatistic-7.9501961%CriticalValue*-3.92285%CriticalValue-3.065910%CritiCalValUe26745wMacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.从检验结果看，在1%、5%、10%三个显著性水平下，单位根检验MaCKinnon临界值分别为-3.9228、-3.0659、-2.6745,t检验统计量值-7.950
30、196,小于相应临界值-3.0659,从而拒绝Hd,表明主要农作物单位面积产量(Xn)的差分序列不存在单位根，是平稳序列。即Xn序列是一阶单整的，Xn-I(I)0为了分析YnXm.Xn之间是否存在协整关系。我们先作它们之间的回归，然后检验回归残差的平稳性。表16回归结果VariableCoefficientStd.Errort-StatisticProb.C-14227.482935.131-4.8473060.0002XM1.2318370.1758767.0040150.0000XN13.088914.4310752.9538910.0099R-squared0.849993Meandep
31、endentvar8931.354AdjustedR-squared0.829992S.D.dependentvar5705.105S.E.ofregression2352.332Akaikeinfocriterion18.51521Sumsquaredresid83001995Schwarzcriterion18.66361Loglikelihood-163.6369F-statistic42.49758Durbin-Watsonstat2.058203Prob(F-Statistic)0.000001估计的回归模型为Yrt=-14227.48+1.231837Xmt+13.08891X11
32、t+et表17残差序列平稳性检验估计结果ADFTestStatistic-4.7863741%CriticalValue*-2.71585%CriticalValue-1.962710%CritiCaIVaIUe-1.6262*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.从检验结果看，在5%的显著性水平下，t检验统计量值-4.786374,小于相应临界值T.9627,从而拒绝Hg表明残差序列不存在单位根，是平稳序列。说明农业总产值(Yr)、农业机械总动力(Xn1)、主要农作物单位面积产量(Xn)之间存在协整关系。农业总产
33、值(Yr)农业机械总动力(Xm)主要农作物单位面积产量(Xn)之间存在协整关系，表明农业机械总动力(Xm)主要农作物单位面积产量(Xn)和农业总产值(Yr)之间有长期均衡关系，但是从短期来看，可能会出现失衡，为了增进模型的精度，可以把协整回归式中的误差项比看做均衡误差，通过建立误差修正模型把农业总产值(Yr)、农业机械总动力(Xm)主要农作物单位面积产量(Xn)的短期行为跟长期变化联系起来。误差修正模型的结构如下：AYrt=+Xr11t+YAXnt+et.1+t令DYrt=AYrt=Yrt-Yrt-IDXmt=Xmt=Xmt-XmtTDXnt=Xnt=Xnt-Xnt.1然后以DYrt作为被解释
34、变量，以DXm-DXnt和作为解释变量，估计回归模型，如表18所示。表18回归结果VariableCoefficientStd.Errort-StatisticProb.C-213.2296825.3832-0.2583400.8002DXM1.2513410.9509931.3158250.2110DXN12.195213.1535623.8671220.0019ET(-1)-1.0763400.284095-3.7886560.0023R-squared0.618467Meandependentvar707.5425AdjustedR-squared0.530421S.D.dependen
35、tvar3363.939S.E.ofregression2305.168Akaikeinfocriterion18.52602Sumsquaredresid69079367Schwarzcriterion18.72207Loglikelihood-153.4712F-statistic7.024357Durbin-Watsonstat2.056477Prob(F-Statistic)0.004735最终得到误差修正模型的估计结果：YFt=-213.2296+1.251341Xmt+12.195210Xnt-1.07634ObeJlt=(-0.258340)(1.315825)(3.867122
36、)(-3.788656)R2=0.618467DW=2.056477上述结果表明，农业总产值的变化不仅取决于农业机械总动力和主要农作物单位面积产量的变化，而且还取决于上一期农业总产值对均衡水平的偏离，误差项比.i估计的系数-L0763体现了对偏离的修正，上一期偏离越远，本期修正的量就越大、即系统存在误差修正机制。5结论及政策建议从模型的分析结果我们知道农用机械总动力和主要农作物单位面积产量是影响农业总产值的主要因素。农业机械总动力对农业产值的影响是非常大的，农业机械作为生产手段是农业生产力的重要内容，也是解放生产力的重要途径。但是农业机械化又与社会经济技术发展紧密相连。我国农业生产力水平仍然比
37、较落后，就劳动工具而言，我国农村广泛使用的仍然是原始的手工工具,普遍存在的还是人力播种，人力收割。只有大力推广农业机械化,才能改变生产力落后状态,使农业生产上一个新台阶。因此，我们应对广大农民群众宣传机械化的好处，对购买农业机械的农户给予国家补贴，减轻农户的经济负担，大力培养农业机械化技术人才，以此提高农业机械化程度，进而提高农业总产值。同时也应该发展相关的技术，如种质的资源创新、杂交技术的发展等，使我国的农产品在品质和数量上在全世界更具有竞争力。主要农作物单位面积产量是影响农业总产值的另一个非常重要的因素。众所周知，农作物播种面积越大，相应的农业总产值就会越大，但是农作物单位面积产量却从质量
38、方面诠释了对播种面积的利用效率。主要农作物单位面积产量越高,农业总产值也就越大。从这个方面讲，我们可以运用技术手段提高主要农作物单位面积产量来提高土地利用率，进而提高农业总产值。另外，从该计量模型中初始时对变量进行一元回归时可以看出，农林牧渔业从业人员与农业总产值呈现负相关。我认为，这其中有两点的原因。其一，我国农业劳动力过剩。其二，我国的农业机械总动力的发展程度大大高于了农业从业人员减少的程度。近年来，我国农林牧渔业从业人数慢慢的减少，逐渐从农村转移到了城市工作。但新技术的提高却还是使我国农业生产总值提高，所以这使得我国农林牧渔业从业人员与农业生产总值形成了负相关的原因。总的来说解决农业劳动
39、力过剩的问题，使流入城市工作的农村从业人员适应城市的节奏和生活，对于我国来说是刻不容缓的。与此同时，提高农民组织化程度，并提高农民的总体素质也是相当重要的。在现代化的生产中，信息和知识对于农业总产值来说显得更为重要。如何防止农业的受灾，如何合理的施肥，如何防止害虫等，这些对于农业都是十分重要的。所以要把农民组织起来，产生规模经济效应，并且要教授农民这些基本的常识，使得他们更加了解现代化的技术以及人们的需求。让我国的农产品能够保质保量满足我13亿人口的需求，也可以抵抗外来的竞争压力，甚至是出口到国外最后政府除了在技术上、人员上对于农民的帮助之外，也可以对他们有些财政上的补贴。如减少税收或者是政府直接批发购买农民的产出，解决其出售的渠道问题，也帮助农民解决价格上的打压。这样便能提高农民的积极性，使农业总产值能够提高。
