毕业论文-影响农业的因素分析.docx

目录摘要.3英文摘要.4一 问题的提出.51、 总论.52、 问题.5二 文献综述61、 问题解决.62、 方法原理.63、 文献综述.6三 模型设定.81、 数据收集.82、 建立模型.9四 模型的估计与调整.101、 多重共线性的检验.102、 修正多重共线性.113、 异方差的检验.144、 自相关性检验.15五 结论.161、 总论说明.162、 政策解析.163、 建议.17 六文献资料.18摘要：中国经济不断发展，正逐渐变成制造大国，随之各种矛盾接踵而来，用地矛盾不断凸显，工业抢占农业用地，城市抢占农村用地，我国耕地正在面临逐渐减少的局面，加上近年来各种自然灾害频发，比如西南地区的缺水危机和长江中下游的缺水危机，致使粮食危机也可能将要显现出来，但是中国政府出台了一些列保护农业的措施才不会让危机真正到来，近年来中国粮食丰收持续好几年，农业产值也不断增加。这与加大农业的投入密切相关，工业的发展促进了农业的发展。与农用机械的增加，各种水利设施的建设，化肥的用量都有很大的关系。关键词：多重共线性 逐步回归法Abstract：China's economic has a lot of development ,and is gradually turned into a manufacturing power .But then through various contradictions, Land unceasingly highlighting contradictions, For example , Industrial preempted agricultural land, rural land city race , so cultivated land are facing gradually reduce situation. And in recent years, all kinds of natural disasters has happened, For example Southwest's water crisis, and the Yangtze river's water crisis, so as to the food crisis also could be about to show , But the Chinese government introduced a series of measures to protect agricultural won't let crisis coming true. Recent years China's grain harvest continued for several years and agricultural production are also increasing. This increase is closely related with the increasing of investment in agriculture. And the development of industry promoted the development of agriculture. And also it is closely related with the increase of agricultural machinery, all kinds of water conservancy facilities, the amount of chemical fertilizer and so on. 一问题的提出1.总论随着中国经济的高速增长，中国逐渐变成工业制造大国，随之而来的各种矛盾也不断加剧，比如用地矛盾不断显现出来，工业抢占农业用地，城市发展不断占用耕地，从而使我国的农业用地不断减少，中国的粮食安全问题渐渐凸显。但是好在政府提出了确保十八亿亩耕地的红线，才不至于让中国真正面临粮食危机。而且近年来我国粮食连续几年丰收，农业年产值也不断增加，从1995年11884.6亿元到2009的30661.1亿元，几乎增长了近三倍左右，这不能不说是一个重大的进步。农业生产上的成就与我国政府重视农业生产有关，而且还与中国经济的不断发展有关，工业的发展为农业的发展提供了动力，农用机械的增加，各种水利设施的建设，与化肥的用量都有很大的关系。但是这些因素中那些是主要因素，哪些是次要因素也是一个值得研究的问题，因为只有了解哪些是主要影响因素，就把大部分生产成本投入到这个方面上，才能起到四两拨千斤的作用。2.问题以下我将就哪些是影响农业产值的主要因素，哪些是影响产值的次要因素作出分析。二 文献综述1.问题解决计量经济学中对多重共线性的检验能够检验出解释变量之间的线性关系，通过对模型的修正剔除不能显著影响被解释变量的解释变量，从而达到准确估计的目的。 2.方法原理所谓多重共线性，不仅包括解释变量之间精确的线性关系，还包括解释变量之间近似的线性关系。从数学意义上去说明多重共线性，就是对于解释变量X2,X3，Xk，如果存在不全为0的数1，2，k，能使得1+2X2i+3i+kXki=0 （i=1,2,n）则称解释变量X2,X3，Xk之间存在完全的多重共线性。 3文献综述在庞皓主编的计量经济学中，产生多重共线性多的背景主要有以下几种情形：1，经济变量之间具有共同变化趋势。2，模型中包含滞后变量。3，利用截面数据建立模型也可能出现多重共线性。4，样本数据自身的原因。如果一个模型中出现多重共线性将会产生严重的后果，其一：参数估计为不定式。其二：参数估计量的方差无限大。在此书中提出了几种检验多重共线性的方法。（1）简单相关系数检验法。（2）方差扩大（膨胀）因子法。（3）直观判断法。（4）逐步回归检测法。（5）特征值与病态指数。其中的逐步回归检测法既是检测的方法也是修正多重共线性的方法。除此之外还有剔除变量法，增大样本容量，变换模型形式。利用非样本先验信息，截面数据与时间序列数据并用，变量变换等等。三 模型设定1.数据的收集以下是1995年至2009年中国农业生产总值，及各种农业投入，如下表： 农业总产值/亿元农机动力/万马力工业产值/亿元农村用电量/亿千瓦时化肥用量/万吨固定资产/元199511884.636118.149281.20 1655.73593.72774.27199613539.838546.950381.40 1812.73827.92865.34 199713852.542015.651228.51 1980.13980.73211.76 199814241.945207.767737.142042.24083.73435.64 199914106.248996.172707.042173.44124.34123.45 200013873.652573.685673.662421.34146.44676.98200114462.855172.195448.982610.84253.84883.80200214931.557929.9110776.482993.44339.45221.33200314870.160386.5142271.223432.94411.65586.34200418138.464027.9201722.193933.04636.65956.18200519613.468397.8251619.504375.74766.27155.55200621522.372522.1316588.964895.84927.77647.09200724658.176589.6405177.135509.95107.88389.84200828044.282190.4507448.255713.25239.09054.92200930611.187496.1548311.426104.45404.49970.57Y: 农业总产值/亿元 X2：农机动力/万马力 X3：工业产值/亿元X4：农村用电量/亿千瓦时 X5：化肥用量/万吨 X6：固定资产/元注：数据来源：中华人民共和国国家统计局 http:/www.stats.gov.cn/tjsj/ 中国统计年鉴20102.建立模型研究影响农业产值的因素，主要从农业的投入成本方面分析，如：农业机械的投入，灌溉面积，用电量，化肥用量，固定资产等等。（1）利用以上数据做散点图分析，如下图：由上图可以看出，农业产值的增长一般是随着各种要素投入的增长而增长。 （2）建立以下计量经济模型： Y=1+2X2+3X3+4X4+5X5+6X6四 模型的估计与调整1、多重共线性的检验用eviews对以上数据做回归分析，并进行多重共线性检验，如下图：Dependent Variable: YMethod: Least SquaresDate: 01/06/12 Time: 19:23Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C-12152.734943.742-2.4582050.0363X2-0.2299000.113115-2.0324480.0726X30.0370170.00325611.367700.0000X4-1.9960340.579711-3.4431530.0074X58.9846391.9400314.6311840.0012X60.5642770.7773000.7259440.4863R-squared0.997388 Mean dependent var17890.03Adjusted R-squared0.995938 S.D. dependent var5804.141S.E. of regression369.9422 Akaike info criterion14.95375Sum squared resid1231715. Schwarz criterion15.23697Log likelihood-106.1531 F-statistic687.4330Durbin-Watson stat2.149956 Prob(F-statistic)0.000000由上图可见，该模型R2=0.997388,R2=0.995938表明可决系数很高，F检验值为687.4330明显显著。但是当=0.05时，t/2(n-k)=t0.025(15-6)=2.262, X2，X4，X6不显著，而且X2的符号还与预期的相反，这表明该模型很可能存在严重的多重共线性。计算个解释变量的相关系数，选择X2,.X3.X4.X5.X6数据，得相关系数矩阵图，如下图：X2X3X4X5X6X2 1.000000 0.946033 0.983358 0.992302 0.995049X3 0.946033 1.000000 0.972118 0.955096 0.965778X4 0.983358 0.972118 1.000000 0.986694 0.990389X5 0.992302 0.955096 0.986694 1.000000 0.988563X6 0.995049 0.965778 0.990389 0.988563 1.000000由相关系数矩阵可以看出，个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.修正多重共线性 利用逐步回归的办法，去验证和解决多重共线性问题。分别做Y对X2，X3，X4，X5，X6的一元回归，结果如下表：变量X2X3X4X5X6参数估计值0.3408020.0337093.60663310.2572.386544t统计量9.34677633.4908311.9551911.0794711.205860.8704690.9885430.9166270.9042390.9061850.8605050.9876610.9102140.8968730.898969其中，加入X3方程R2最大，现在以X3为基础，顺次加入其他变量进行回归，结果如下图所示， X2X3X4X5X6R2X3、X2-0.026462(-0.778734)0.036033(11.42457)0.989094X3、X40.03918(9.414103)-0.625273(-1.352171)0.990057X3、X50.033227(9.405645)0.160438(3.142748)0.988562X3、X60.037745(9.791764)-0.308982(-1.083996)0.989564 经过比较，加入X4后R2最高，但是X4的参数值依然为负，所以不予以考虑。加入X5的方程R2=0.988562，改进最大，而且各参数的t检验显著，选择保留X5。加入其他新变量逐步回归，结果如下表： X2X3X4X5X6R2X3、X5、X2-0.213105(-3.032796)0.032842(12.04785)6.521983(2.873828)0.993771X3、X5、X40.040238(12.56183)-2.300013(-3.546175)4.528404(3.081071)0.994663X3、X5、X60.037668(11.85273)4.486269(2.579945)-1.334317(-2.890009)0.993499再次经过比较，加入X2、X4、X6后，参数与预期相反，所以应该剔除X2、X4、X6 ，则X3、X5对Y值有显著影响。 再次用X3、X5对Y进行回归分析，如下图：Dependent Variable: YMethod: Least SquaresDate: 01/06/12 Time: 20:01Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C10626.244351.7932.4418070.0311X30.0332270.0035339.4056450.0000X50.1604380.0510563.1427480.8889R-squared0.988562 Mean dependent var17890.03Adjusted R-squared0.986656 S.D. dependent var5804.141S.E. of regression670.4808 Akaike info criterion16.03072Sum squared resid5394534. Schwarz criterion16.17233Log likelihood-117.2304 F-statistic518.5673Durbin-Watson stat1.404803 Prob(F-statistic)0.000000由上图可见，该模型的R2值较高，说明该模型的拟合优度很高，同时各解释变量的t值均显著，F值也较高。 所以计量经济模型为： Y=10626.24+0.033227X3+0.160438X5 (2.441807) (9.405645) (3.142748) R2=0.988562 F=518.5673 DW=1.404803 这说明，在其他因素不变的情况下，当工业产值每增加一亿元，化肥用量每增加一万吨，农业产值就会增加0.033227亿元，0.160438亿元。 3、异方差的检验 使用Goldfeld-Quanadt法检验： 采用Y与X3的数据 Sample1：Dependent Variable: YMethod: Least SquaresDate: 01/06/12 Time: 20:49Sample: 1995 2000Included observations: 6VariableCoefficientStd. Errort-StatisticProb. C9322.0472186.6214.2632200.0130X30.0970410.0493821.9651050.1208R-squared0.491200 Mean dependent var13583.10Adjusted R-squared0.364000 S.D. dependent var866.1864S.E. of regression690.7803 Akaike info criterion16.17472Sum squared resid1908710. Schwarz criterion16.10531Log likelihood-46.52417 F-statistic3.861636Durbin-Watson stat1.368140 Prob(F-statistic)0.120845 Sample2：Dependent Variable: YMethod: Least SquaresDate: 01/06/12 Time: 20:50Sample: 2004 2009Included observations: 6VariableCoefficientStd. Errort-StatisticProb. C-18251.362135.672-8.5459570.0010X30.5586930.02824119.783330.0000R-squared0.989883 Mean dependent var23764.58Adjusted R-squared0.987354 S.D. dependent var4896.986S.E. of regression550.6892 Akaike info criterion15.72142Sum squared resid1213034. Schwarz criterion15.65201Log likelihood-45.16426 F-statistic391.3800Durbin-Watson stat1.697874 Prob(F-statistic)0.000039所以，F=e2i2e1i2=12130341908710=0.6355,在=0.05下，上式中分子、分母的自由度均为4，查F 分布表，得临界值F0.05(4,4)=6.39，因为F=0.6355<F0.05(4,4)=6.39,所以不能拒绝原假设，即说明该模型不存在以方差性。 4、自相关性检验 采用Y与X3 回归如下： Dependent Variable: YMethod: Least SquaresDate: 01/06/12 Time: 21:06Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C11246.25258.967843.427240.0000X30.0337090.00100733.490830.0000R-squared0.988543 Mean dependent var17890.03Adjusted R-squared0.987661 S.D. dependent var5804.141S.E. of regression644.7238 Akaike info criterion15.89909Sum squared resid5403695. Schwarz criterion15.99349Log likelihood-117.2432 F-statistic1121.636Durbin-Watson stat1.435970 Prob(F-statistic)0.000000 建立模型为：Y=11246.25+0.033709X3(43.42724) (33.49083)R2=0.988543,F=1121.636,df=15,DW=1.435970该方程的可决系数很高，回归系数均显著。对样本容量为15、一个解释变量的模型，5显著水平，查DW统计表可知，dL=1.077,dU=1.361，模型中dU<DW=1.43597<2，说明该模型中没有存在自相关性。五 结论1、 总论说明 通过对1995年到2009年中国农业产值的尽量经济实证分析，可以看出影响农业产值的因素主要有工业的产值，化肥的施用量等有密切关系，虽然通过多重共线性检验与修正，把农用机械，农村用电量，农民固有资产等因素剔除，但是并不意味着农业的产值就与以上几个因素无半点关系，事实却并非如此，农机动力（X2），农村用电量（X4），固定资产（X6）等通过单独影响农业产值的回归分析却是有显著性的。 通过多重共线性的检验与修正，异方差性和自相关性的检验，均通过，说明此模型已经拟合得很好，即为 Y=10626.24+0.033227X3+0.160438X5 其经济意义为，在其他因素不变的情况下，当工业产值每增加一亿元，化肥用量每增加一万吨，农业产值就会增加0.033227亿元，0.160438亿元。 2、政策解析 虽然目前中国工业化进程加快的同时，抢占了大部分耕地，造成耕地面积下降，但是不能说就不发展工业了，因为工业的发展会带动农业的发展，农业与工业是相辅相成的，农业是工业的基础，没有农业的发展，就不会有工业的发展，反过来，工业的发展会促进农业的发展。在每个国家工业化和城市化的同时，都会带来一些土地不够的问题，但只要不触及农业生产的底线就不会出现什么大问题，因此中国政府出台了保护十八亿亩耕地红线的政策，希望藉此来规划中国的非农业用地，以保护农业，防止粮食危机的产生。 工业对农业的促进作用具体体现在，农产品的工业化加工，农产品进行加工后会带来更多附加值，能为农民带来更多的收益；工业的发展会为农业生产带来更多技术上的创新，从而提高农业生产效率，比如，农用机械的普及会大大提高农业的生产效率；化工工业的发展，能生产更优质的化肥，从而提高农作物的存活率与产出率。 3.建议 首先，在短期内，为缓解粮食供应紧张，应通过相应的政策，比如在稳定中提高粮食价格，或控制非农业用地，建立农田保护区等措施，进而影响播种面积，是土地得到充分利用。 其次，为了提高化肥的施用量，政府应当有效地控制化肥等农用物资的价格，让农民用得起化肥，也可以通过适当的补贴或激励机制鼓励化肥的施用。 最后，在长期内，一定要努力发展工业，维持工业生产的稳定，发展工业与发展农业其实并不矛盾，因为二者之间相辅相成。只有稳定的工业生产才会带来稳定的农业生产。 综上，只要我国不要触及十八亿耕地的红线，大力发展工业，用工业上的成就来促进农业的发展，我国的农业总产值还会更上一个台阶。六 参考文献（1） 庞皓 计量经济学 科学出版社（2） 许光宇 影响我国粮食产量因素的计量经济学研究 （中国集体经济.下2011年第5期）（3） 杨国强 工业化和城市化对农业的影响（论文）（4） 李柱锡 关于我国工农业的增长轨道计量经济学的分析（学术月刊1983年第01期）16