中国粮食总产量多因素分析
- 格式:doc
- 大小:147.50 KB
- 文档页数:7
中国粮食产量影响因素分析摘要:粮食是人类最基本的生活消费品,粮食问题是关系到国家的国计民生的头等问题。
众所周知,农业是国民经济发展的基础,粮食是基础的基础,因此粮食生产是关系到一个国家发展与生产的一个关键的主题。
建国以来我国的粮食产量出现了多次的变动,给消费者和生产者带来了很大的影响,所以了解影响粮食生产因素很重要。
通过计量经济学方法创建我国粮食生产函数,我们会发现粮食播种、化肥施用量、受灾面积是影响粮食生产的三大因素,其中粮食播种面积的影响最大。
【关键词】粮食产量;影响因素;回归分析一、引言众所周知,粮食是我们人类生命得以延续的最基础的物质条件,没有粮食这个重要基础,人类将无法继续生存。
回顾我国粮食的生产情况,我们会发现,随着技术水平的提高,社会的发展,从整体来讲我国粮食产量呈上升的趋势。
二、中国粮食生产现状分析在改革开放(1978年)之前我国粮食产量非常缓慢增长,一直都在30000万吨以下。
改革开放后,我国粮食产量从30000万吨一路疯狂走高,粮食生产得到飞速发展,但波动也更频繁复杂。
在1997年总产量首次跨上50000万吨的大难关,达到了50453万吨,增长率为8.13%。
但在2004年开始出现了几年的连续减产的现象,曾一路降到43069万吨的局面,一下子退回到十几年前的水平,让人更加担忧。
从2004年以来的5年里,我国粮食产量连续10年增产。
在2013年粮食产量达到60193.8万吨。
改革开放以来粮食产量一直是我国最关心的问题,我国逐步改革统购统销的体制,减少定购数量,提高粮食收购价格,使粮食生产实现高速增长。
我国粮食产量从30000万吨开始一路走高。
1980—2010年这30年,我国粮食生产得到快速发展。
1978年我国农村实行改革和粮食价格提高,极大地调动了农民的积极性。
1978年中国粮食产量首次突破30000万吨,增长了7.8%。
1979年粮食产量继续增长8.9%,主要是由于国家大幅度提高粮食收购价格,粮食统购价提高20%,超购部分加价50%,从而促进粮食产量飞速增长。
中国粮食生产的综合影响因素分析一、本文概述《中国粮食生产的综合影响因素分析》这篇文章旨在全面深入地探讨影响中国粮食生产的主要因素,以期为相关政策制定和农业可持续发展提供科学依据。
粮食生产作为国家安全和社会稳定的重要基石,其影响因素众多且复杂,包括自然资源、政策导向、科技进步、市场需求、农业生产组织方式等。
本文将从多个维度出发,系统地分析这些因素对中国粮食生产的影响机制和效果,以期揭示其内在规律和潜在问题。
在文章的结构上,本文将首先对中国粮食生产的现状进行概述,包括粮食产量、种植结构、区域布局等方面的情况。
然后,将逐一分析各影响因素对粮食生产的具体作用,包括自然资源条件、农业政策调整、科技进步与创新、市场需求变化、农业生产组织方式变革等。
在此基础上,本文将运用定性和定量相结合的研究方法,对影响因素进行综合评价,以明确各因素的作用大小和方向。
文章将提出相应的政策建议和研究展望,以期为提升中国粮食生产能力和保障国家粮食安全提供有益参考。
通过本文的研究,我们期望能够更全面地了解中国粮食生产的发展现状和面临的挑战,为制定更加科学、合理的农业政策和技术推广策略提供支撑。
本文也希望能够引起社会各界对粮食生产问题的关注和重视,共同推动中国农业的可持续发展。
二、中国粮食生产的总体状况中国,作为世界上人口最多的国家,粮食生产一直是国家安全和社会稳定的重要基石。
多年来,中国粮食生产在政策的引导、科技的推动以及农民的努力下,取得了显著的成绩。
总体上,中国粮食生产的状况呈现出稳定增长的态势,为保障国家粮食安全奠定了坚实的基础。
从产量上看,中国粮食总产量连续多年保持在较高水平,稳居世界前列。
粮食作物的播种面积和单位面积产量均有所增长,特别是科技含量较高的粮食作物,如杂交水稻、优质小麦等,其产量和品质都得到了显著提升。
同时,粮食生产的结构也在不断优化,逐步由传统的以口粮为主向多元化、优质化转变。
在粮食生产的布局上,中国形成了多个粮食主产区和优势产区,如东北平原、黄淮海平原、长江中下游平原等,这些地区的粮食生产能力强,对全国粮食总产的贡献率逐年提高。
粮食产量影响因素回归分析粮食产量是一个复杂的系统工程,受到多个因素的影响,包括自然因素和人为因素。
为了深入了解这些影响因素,可以运用回归分析方法对其进行量化分析。
下面将详细介绍粮食产量影响因素回归分析的步骤和应用。
回归分析是一种统计学方法,用于确定自变量与因变量之间的关系。
在粮食产量影响因素回归分析中,因变量是粮食产量,自变量则包括多个可能的因素,如天气、土壤条件、农业技术等。
首先,需要收集相关的数据,包括粮食产量的历史数据和可能的影响因素的数据。
对于年度产量数据,可以从农业统计年鉴等公开渠道获取,而对于自变量数据,可以通过相关研究或者实地调查获得。
接下来,对数据进行预处理,包括缺失值填充、异常值处理、数据标准化等。
这些步骤可以提高回归模型的准确性和可靠性。
然后,选择适当的回归模型进行分析。
根据问题的具体情况,可以选择线性回归模型、多项式回归模型、逻辑回归模型等。
线性回归模型是一种常用的回归模型,假设因变量与自变量之间存在线性关系。
而多项式回归模型可以描述因变量和自变量之间的非线性关系。
逻辑回归模型则用于因变量为分类变量的情况。
在建立回归模型后,需要对模型进行拟合和评估。
拟合是指找到最佳的回归系数,使得模型对数据的误差最小化。
评估包括解释模型的统计显著性、对模型的拟合优度进行检验等。
常用的评估指标包括R平方、调整R平方、F统计量等。
最后,根据回归模型得到的结果,可以分析各个自变量对粮食产量的影响程度和方向。
通过回归系数的正负来判断自变量对因变量的增益或减益作用。
此外,还可以进行模型的预测和验证,对未来的粮食产量进行预测,并与实际数据进行比较以验证模型的准确性。
总之,粮食产量影响因素回归分析是一种有效的量化分析方法,可以深入了解粮食产量背后的驱动因素,为农业生产提供科学指导。
这一方法在农业经济学、农业科学等领域具有广泛应用前景。
我国粮食产量影响因素分析与预测摘要:本文采用计量经济分析方法,以1980—2010年中国粮食产量及其重要影响因素的时间序列数据为样本,仿照C-D生产函数,建立了以粮食产量为因变量,以农用化肥施用量、有效灌溉面积、财政支农支出、农村用电量、农村机械总动力、粮食作物播种面积、农业灾害成灾面、农业劳动力八种可量化的影响因素为自变量的多对数回归模型,利用模型对各个因素进行了比较分析。
同时,对模型进行检验与修整,并在此基础上提出了一些关于增加粮食产量的可供参考的意见。
关键字:计量经济分析粮食产量多对数回归模型一、前言粮食是关系国计民生的重要战略物资。
粮食综合生产能力与粮食安全问题一直是世界性的重大问题,备受世界各国政府及专家学者的关注与研究。
近年来,中国粮价上涨过快,通货膨胀压力明显加大,不仅给低收入群体的生活带来很多困难,也使得国民经济的发展受到了制约。
粮食近年来连续减产、国家储备库存和农民手中的存粮减少,加上消费者需求的过量扩大,粮食将从结构性短缺转为战略性短缺。
粮食生产关系到我国的社会经济发展,因此认真研究和加深了解中国粮食生产的规律和特点,找出影响粮食总产量的主要因素,并采取针对性的粮食增产措施,对于稳定和发展粮食生产就有重要意义,对增加农民收入,乃至拉动整个国民经济的增长具有重要作用。
二、文献综述我国学者很早就对粮食生产问题展开了研究,并取得了一系列突出成果。
赵俊晔、王川采用逐步回归和灰色关联分析的方法对1991-2004年影响我国粮食产量变化的主要因素进行了分析,发现有效灌溉面积与粮食产量一直保持高的关联度,成灾面积与粮食产量的关联仅次于有效灌溉面积,在此基础上对提高我国粮食生产科技支撑能力、稳定发展粮食生产提出了建议。
梁子谦、李小军选取了15个指标,通过建立因子分析模型,对中国粮食单产和播种面积的影响因子进行了市政分析,研究结果表明,对粮食单产影响最大的因子是科技进步,其次是物质投入因子、环境与气候因子和中策因子。
中国粮食增长的贡献因素分析及政策建议【摘要】中国粮食增长对于国家粮食安全和农业发展具有重要意义。
本文旨在探讨中国粮食增长的贡献因素并提出政策建议。
在正文部分分析了经济因素、农业技术、政府政策、市场需求和国际贸易对粮食增长的影响。
经济因素如农民收入水平和市场价格对粮食生产具有重要影响,农业技术的不断进步使粮食产量得到提高,政府政策的支持和引导促进了粮食增长,市场需求和国际贸易也对粮食增长起到了推动作用。
结论部分提出了针对性的政策建议,包括进一步加大农业技术投入、完善粮食生产监管机制、推动农产品市场化改革等。
展望未来,中国粮食增长仍将面临挑战和机遇,需要政府、企业和社会各方共同努力以保障国家粮食安全和推动农业可持续发展。
【关键词】中国粮食增长、贡献因素、政策建议、经济因素、农业技术、政府政策、市场需求、国际贸易、未来展望、重要性、研究目的、影响、推动、展望。
1. 引言1.1 中国粮食增长的重要性中国粮食增长的重要性在我国经济和社会发展中具有至关重要的地位。
粮食是人类生存和发展的基本需求,而中国作为世界上最大的农业生产国之一,粮食生产一直是国民经济的重要支柱。
随着人口的增长和经济的发展,中国面临着粮食需求日益增长的压力。
保障粮食安全,提高粮食产量,不仅关系到国民经济的发展,也关系到国家的社会稳定和人民的生计。
中国的粮食增长不仅关系到国内经济社会的稳定发展,更直接影响到全球粮食市场的供需关系。
中国是世界人口最多的国家之一,其粮食需求量巨大,对全球粮食市场的影响不可忽视。
中国的粮食增长对全球粮食供应和价格具有重要影响,也对国际间的农业合作和贸易产生着深远影响。
为此,中国政府不断加大粮食生产力度,促进农业结构调整,加强农业科技创新,实施粮食生产和供给侧结构性改革,努力提高粮食产量和质量,以应对人口增长和经济发展的挑战。
1.2 研究目的本文旨在通过对中国粮食增长的贡献因素进行分析,探讨不同因素对粮食产量和质量的影响,并提出相关政策建议。
2024年粮食市场环境分析1. 引言粮食市场是国家经济发展的重要组成部分,对于保障国家粮食安全、促进农民增收和推动农业现代化具有重要意义。
2024年粮食市场环境分析是了解和评估粮食市场中各种因素对供求关系和价格波动的影响,为决策者提供科学依据和决策建议。
本文将对粮食市场环境进行综合分析,以帮助读者更好地理解和把握粮食市场的发展态势。
2. 国内粮食市场概况近年来,中国的粮食市场发展迅速,粮食总产量稳步增长。
根据国家统计数据,2019年我国粮食总产量达到了6.7亿吨,创历史新高。
然而,粮食产能过剩和供给依赖进口的问题依然存在。
另外,城市化进程和农村劳动力减少也对粮食市场产生了一定的影响。
3. 政策环境分析政策环境对粮食市场的稳定运行起到了重要作用。
我国政府对粮食市场实施了一系列政策措施,包括粮食收购和储备、价格调控、农业补贴和农产品流通体系建设等。
这些政策旨在保障粮食供给、稳定粮食价格以及提高农民收入。
同时,政府加大农业科技投入,推动农业现代化,提高粮食产量和质量。
4. 市场需求分析粮食市场需求是粮食价格波动的重要因素。
随着人民生活水平的提高,居民消费结构发生了变化,对粮食品质和营养价值的需求也不断增加。
工业发展对粮食需求的影响也不容忽视。
此外,农村劳动力外出务工和农村城市化进程也对粮食需求产生了影响。
5. 供给状况分析粮食市场供给状况是决定粮食价格的主要因素之一。
农业生产受自然因素的影响较大,如气候变化、自然灾害等。
此外,农业生产技术水平、农田面积、农民种植意愿等也影响着粮食市场的供给。
近年来,随着农业科技的进步和农业机械化程度的提高,粮食产量逐渐增加。
6. 价格波动分析粮食市场价格波动是市场调节和供需关系变化的表现。
供求关系、政策因素、国际市场等都会对粮食价格产生影响。
近年来,我国粮食价格保持相对稳定,政府通过物资储备和价格调控进行干预,保障市场供应和稳定市场价格。
7. 未来发展趋势粮食市场的未来发展受多种因素的影响。
改革开放以来我国粮食产量的影响因素及对策分析作者:黄卉来源:《经济研究导刊》2010年第17期摘要:粮食是关系国计民生的战略物质。
粮食安全问题不仅是经济问题更是关乎国家长治久安的社会问题。
改革开放以来,我国粮食产量经历了四个阶段的波动。
从政策、农民、科技、生产条件等四个方面分析影响粮食产量的因素,并在此基础上提出了要通过完善最低收购价政策、农业组织创新、严格保护和合理利用耕地与水资源、加强农业基础设施建设、强化粮食生产科技等措施来提高粮食产量的对策建议。
关键词:粮食产量;影响因素;对策建议中图分类号:F326.11 文献标志码:A文章编号:1673-291X(2010)17-0065-03粮食是人类赖以生存的必需物品,是国民经济发展和社会稳定的重要物质基础,是治国安邦的必要条件,粮食安全关乎国计民生。
我国历来重视粮食生产,尤其是近几年政府出台了不少加强粮食地位的政策。
2008年11月13日,国家公布了我国第一个中长期粮食安全规划《国家粮食安全中长期规划纲要(2008—2020年)》,这对我国粮食生产、粮食安全保障具有重大战略意义。
一、改革开放以来我国粮食产量变化趋势分析改革开放以来,我国逐步改革统购统销的体制,提高粮食收购价格,减少定购数量,使粮食生产实现高速增长。
笔者根据改革开放以来我国粮食产量的相关数据,绘制了1978—2009年我国粮食总产量曲线图(见图1)。
从图1可见,改革开放以来我国粮食生产得到快速发展,我国粮食产量从1978年的30 477万吨增长至2009年的 53 082 万吨。
同时,我们从图1得知,我国粮食产量总体呈曲线增长趋势,波动比较频繁,具体可分为四个阶段:第一阶段是1978—1984年。
1980—1984年我国粮食产量连续5年增产,由1980年的32 056万吨增加到1984年的40 731万吨,平均增长率为5.4%,增长幅度较大。
其原因主要有: 改革开放初期以家庭联产承包制为核心的农业生产和经营体制的变革,有效激励机制的建立成为农业尤其是粮食生产迅速发展的制度保障;1979—1982年国家连续3年大幅度提高粮食的收购价格,农民从粮食生产中获得了历史性的发展机遇;1980—1984年国家在农业基础设施建设方面进行了长期的积累,为体制改革后粮食生产的快速发展提供了必要的物质基础。
基于计量经济学分析我国粮食产量的影响因素一、概述粮食产量作为国家经济安全和社会稳定的重要基础,历来受到广泛关注。
中国作为世界上人口最多的国家,粮食产量的稳定与增长对于保障国家粮食安全、促进经济社会持续健康发展具有重大意义。
随着全球气候变化、土地资源紧张、农业生产技术革新等多重因素的影响,我国粮食产量面临着诸多不确定性。
深入分析影响我国粮食产量的因素,对于制定科学合理的农业政策、提高粮食生产效率和保障国家粮食安全具有重要的理论价值和现实意义。
本文旨在运用计量经济学的方法,系统分析我国粮食产量的影响因素。
通过对国内外相关文献的梳理和评价,明确粮食产量影响因素的研究现状和不足。
结合我国粮食生产的实际情况,选取适当的计量经济学模型,如多元线性回归模型、面板数据模型等,对影响粮食产量的因素进行定量分析和检验。
在此基础上,深入探讨各因素对粮食产量的具体影响程度和方向,揭示各因素之间的内在联系和作用机制。
根据分析结果,提出针对性的政策建议,为我国粮食生产的可持续发展和国家粮食安全的保障提供科学依据。
通过本文的研究,期望能够为我国粮食生产领域的决策提供有益参考,同时也为计量经济学在农业经济领域的应用拓展新的思路和方法。
简述粮食产量对国家经济和社会发展的重要性粮食产量对一个国家经济和社会发展的重要性不言而喻。
粮食是人类生存的基础,是满足人民基本生活需求的必需品。
粮食产量的稳定增长是保障国家粮食安全、维护社会稳定的重要前提。
只有粮食供应充足,人民才能安居乐业,社会才能和谐稳定。
粮食产业是国民经济的重要组成部分。
粮食的种植、加工、储运、销售等环节涉及众多行业和领域,对经济增长和就业有着直接的拉动作用。
粮食产量的增加不仅意味着农业生产水平的提升,也为工业和服务业的发展提供了有力支撑。
粮食产量还是国家宏观调控的重要工具。
政府通过调整粮食生产政策、价格等手段,可以影响市场供求关系,进而调控经济运行。
在面临经济危机或通货膨胀等复杂经济环境时,粮食产量的稳定对于稳定物价、保障民生、维护国家经济安全具有重要意义。
河北省粮食产量影响因素多元回归分析
河北省是中国粮食生产大省之一,其产量受多种因素的影响。
本文将利用多元回归分析方法,探究影响河北省粮食产量的多个因素。
在多元回归分析中,我们需要确定一个依赖变量和多个自变量。
在本文中,依赖变量为河北省粮食产量,而自变量可能包括气候因素(如降雨量、气温等)、土地利用情况、农业技术水平等。
为了进行分析,我们需要收集相关数据。
我们可以收集河北省的粮食产量数据、气象数据、土地利用数据、农业技术数据等。
这些数据可以从相关机构、研究报告、统计年鉴等渠道获取。
获取数据后,我们可以进行多元回归分析。
根据多元回归模型,我们可以得到每个自变量对粮食产量的影响程度和方向。
通过分析回归系数,我们可以确定哪些因素对粮食产量的影响比较大,哪些因素对粮食产量的影响比较小。
在分析中,需要注意的是,多元回归分析只能确定相关关系,并不能确定因果关系。
我们需要谨慎解释结果,不能过于绝对地认为某个因素对粮食产量有直接的因果影响。
除了多元回归分析,我们还可以通过分组分析、趋势分析等方法来进一步研究影响粮食产量的因素。
这些方法可以更全面地了解不同因素对粮食产量的影响。
通过多元回归分析等方法,我们可以揭示影响河北省粮食产量的多个因素。
这对于指导粮食生产、优化农业结构和提高粮食产量具有重要意义。
需要注意的是,多元回归分析只是其中的一种方法,我们还需要综合运用其他分析方法来更全面地研究这一问题。
西南财经大学2002届计量经济学课程论文中国粮食总产量多因素分析[摘要] 本文根据《中国农业信息网》的相关统计数据在建立计量经济学模型的基础上,分析探讨了中国粮食总产量的影响因素,进行了统计分析和经济意义分析,并提出了一些政策建议。
[关键词]因素分析参数检验粮食总产量一、导论粮食生产是关系国计民生的战略物资,尤其在我国具有特别重要的意义。
中国历史上,因为饥荒而引发的战乱是不胜枚举的,所以大凡出色的皇帝都有强烈的民本农耕思想。
直到现代社会,粮食依然是不可或缺的战略物资。
世界各国,无论是发达国家还是发展中国家,都对粮食生产十分重视。
依照战略的眼光,粮食和石油对一个国家特别是大国具有十分重要的制约作用,缺乏这两种物资,就会在国际竞争中处于被动地位,受制于人。
我国是世界人口第一大国,来自人口的压力直接作用到粮食生产上。
西方国家某些学者所讲的中国威胁论,很大一部分来源于对我国粮食生产的担心。
鉴于农业在国民经济中有如此重要的作用,我们想通过计量经济学的方法来分析一下影响粮食总产量的因素和我国农业现状。
粮食生产量是一个变量,其增减和播种面积的多少有着很大的相关性。
而施用化肥提高单位面积的农作物产量,就等于变相扩大了耕地面积。
中国农村人口占总中国总人口的2/3,是个相当庞大的数目。
人多地少,是中国农业的一个特点,在中国农业生产以劳动密集型为主的现在,农业劳动力对粮食产量的影响是不可忽视的。
随着经济的发展,农业生产条件显著改善,农业机械拥有量快速增长,农业机械化水平不断提高。
现阶段,农业生产中由农业机械承担的劳动已占到40%以上,对粮食产量的影响力同样不容小觑。
再则,水旱灾害是农业主要的自然灾害,对农业来说,不可抗拒的自然力对粮食产量的影响也非常大。
二、模型设定劳动力”以及“受灾面积”设为因变量,设定了以下经济学模型:u X X X X X Y 55443322110++++++=ββββββ其中:1X :农业化肥施用量(万公斤) 2X :粮食播种面积(千公顷) 3X :受灾面积(公顷) 4X :农业机械劳动力(万千克) 5X :农业劳动力(万人) 数据如下:(表1) obs Y X5 X4 X3 X2 X1 1983 38728.00 18022.10 34710.00 31645.00 114047.0 1660.000 1984 40731.00 19497.20 31890.00 31685.00 112884.0 1740.000 1985 37911.00 20912.50 44370.00 30352.00 108845.0 1776.000 1986 39151.00 22950.00 47140.00 30468.00 110933.0 1931.000 1987 40298.00 24836.00 42090.00 30870.00 111268.0 1999.000 1988 39408.00 26575.00 50870.00 31456.00 110123.0 2142.000 1989 40755.00 28067.00 46990.00 32114.00 112205.0 2357.000 1990 44624.00 28707.70 38470.00 33336.00 113466.0 2590.000 1991 43529.00 29388.60 55470.00 34186.00 112314.0 2805.000 1992 44266.00 30308.40 51330.00 34037.00 110560.0 2930.000 1993 45649.00 31816.60 48830.00 33258.00 110509.0 3152.000 1994 44510.00 33744.00 55040.00 32690.00 109544.0 3318.000 1995 46662.00 36118.10 45874.00 32335.00 110060.0 3594.000 1996 50454.00 38546.90 46989.00 32260.00 112548.0 3828.000 1997 49417.00 42015.60 53429.00 32435.00 112912.0 3981.000 1998 51230.00 45208.00 50145.00 32626.00 113787.0 4086.000 1999 50839.00 48996.10 49981.00 32912.00 113161.0 4124.000 2000 46218.00 52573.60 54688.00 32998.00 108463.0 4146.000 2001 45264.00 55172.10 52215.00 32451.00 106080.0 4254.000 2002 45706.00 57929.90 47120.00 31991.00 103891.0 4339.000 200343070.0060386.5054386.0031260.0099410.004412.000资料来源:《中国农业信息网》/sjzl/baipsh/2004.htm 以下是根据上表所作出的趋势图:从上图我们可以直观的看出,粮食总产量与农业化肥施用量、粮食播种面积以及农村劳动力的走势相仿,可能存在一定的线性关系,但是与受灾面积的关系似乎不大。
但具体它们之间存在一种怎样的关系,还需要通过计量模型进行进一步的分析。
三、参数估计1、对原模型,用EVIEW 估计结果如下:(表2)Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 11:53 Sample: 1983 2003 Included observations: 21Variable Coefficient Std. Error t-Statistic Prob. X5 -0.174708 0.062677 -2.787446 0.0138 X4 -0.072177 0.036671 -1.968260 0.0678 X3 -0.095688 0.221397 -0.432201 0.6717 X2 0.511455 0.083372 6.134650 0.0000 X1 6.783589 0.797829 8.502559 0.0000 C-20485.3610285.35-1.9917030.0649 R-squared0.973458 Mean dependent var 44210.48 Adjusted R-squared 0.964610 S.D. dependent var 4089.884 S.E. of regression 769.3957 Akaike info criterion 16.36404 Sum squared resid 8879547. Schwarz criterion 16.66248 Log likelihood -165.8225 F-statistic 110.0270 Durbin-Watson stat1.945236 Prob(F-statistic)0.000000110.0270F 769.3957S.E. 9735.0R (-2.7874)(-1.9683) (-0.4322) (6.1347) (8.5026) 9917).1(t 0.1747X 0722X .00957X .05115X .07836X .636.20485Y 254321===-=---++-=四、检验与修正 1、多重共线性检验 ①分析:从推断结果可以看出,R 2=0.9735拟和效果非常好;55.3)18,2(F 100.0270F 05.0=>=(显著性水平α=0.05),从整体上看,粮食总产量与解释变量之间线性关系显著。
②检验:我们采用简单相关系数矩阵法对其进行检验,如下图:(表3)X5 X4 X3 X2 X1 X5 1.000000 0.586885 0.218822 -0.623385 0.948744 X4 0.586885 1.000000 0.356708 -0.391814 0.634071 X3 0.218822 0.356708 1.000000 0.242627 0.390217 X2 -0.623385 -0.391814 0.242627 1.000000 -0.444032 X10.9487440.6340710.390217-0.4440321.000000从上表可以看出,解释变量之间存在高度线性相关。
同时,从表2也可以看出,尽管整体上线性回归拟合较好,但是3X 的t 值并不显著,54X ,X 的系数符号为负,与经济意义相悖,应剔出。
其他解释变量没有与经济意义相悖,有经济意义,但是存在多重共线性,需修正。
③修正:由表2可以看出1X 的t 值最大,因而粮食需求量Y 对农业化肥施用量1X 的线性关系最好,拟合程度好,因此把1X 作为基本变量,即:39.4913F 2391.555S.E. 0.6955R (6.2842)0644).19(t 3.4118X 47.33623Y 21====+-=加入2X 模型变为: 194.7641F 906.0395S.E. 9558.0R )(10.6948 (19.6115) ) 0594.6(t 0.6763X 4.5019X 44378.57Y 221===-=++-=可见,加入该变量以后模型的拟合程度的到了很好的改善,并且t 检验也能够很好地通过。
加入3X 模型变为: 122.9513F 931.1391S.E. 9559.0R (-0.2066)(9.0915) (15.7597) 2804).5(t 0520X .06841X .05360X .464.43670Y 2321===-=-++-= 可见该变量的引入仅使拟合优度仅略有变动,但其自身的t 值太小,不能通过t 检验,因而其对Y 的影响并不显著,故将3X 删除。
模型修改形式如下: 22110X X Y βββ++= 新模型的估计结果如下:Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 11:54 Sample: 1983 2003 Included observations: 21Variable Coefficient Std. Error t-Statistic Prob. X1 4.501931 0.229555 19.61153 0.0000 X2 0.676305 0.063237 10.69483 0.0000 C-44378.577323.980-6.0593510.0000 R-squared0.955831 Mean dependent var 44210.48 Adjusted R-squared 0.950924 S.D. dependent var 4089.884 S.E. of regression 906.0395 Akaike info criterion 16.58761 Sum squared resid 14776336 Schwarz criterion 16.73682 Log likelihood -171.1699 F-statistic 194.7641 Durbin-Watson stat1.927554 Prob(F-statistic)0.0000002、自相关检验从模型设定来看,没有违背D-W 检验的假设条件,因此可以用D-W 检验来检验模型是否存在一阶自相关。