我国农产品生产价格总指数影响因素分析
- 格式:doc
- 大小:527.73 KB
- 文档页数:13
一.提出问题
农业是国民经济的重要组成部分,在现代社会中称为第一产业,在我国经济发展中有重要作用。农业所包含的具体内容在不同的国家,在一个国家的不同时期有所不同。一般说,农业包括植物栽培(种植业和林业),和动物饲养(畜牧业和渔业)。在当前农产品价格指数日益上涨的情况下,分析农产品价格指数的各组成部分对总指数的影响,有助于更好得对农产品未来价格进行预测。种植业,渔业,林业及畜牧业的价格指数是如何影响农产品价格总指数的呢?我们又如何能根据四个分支的价格指数来如何预测未来农产品价格总指数的呢?这是本项目研究的主要目的。
二.理论综述
为了准确及时地反映全国农产品价格变动情况,跟踪监测农产品市场走势,客观反映农产品生产者实际所得,更好地为各级党政部门的宏观决策服务,国家统计局农调总队从2000年开始组织实施农产品生产价格调查试点,经过三年的实践与调整,方案逐步完善,现场调查逐步规范,资料实效性有较大提高。季度和年度的农产品价格和价格指数较好地反映了全国农产品供求与价格走势。从2003 年第二季度开始国家统计局建立了全国农产品生产价格调查制度,定期按季发布全国农产品生产价格指数。
农产品生产价格是指农产品生产者直接出售其产品时实际获得的单位产品价格,它客观反映农户与农场的实际所得。生产价格是农产品从生产环节进入流通领域的第一手价格,也是农产品市场价格的源头。农产品生产价格指数是综合反映一定时期内农产品生产价格变动趋势和变动程度的相对数。常用的价格指数因基期的选择不同形成同比和环比两种指数.农产品价格受季度性因素的影响较大,现行的农产品生产价格指数采用同确定农业补贴政策和补贴标准提供依据。
三.模型设定
农产品生产价格总指数包括种植产品、林业产品、畜牧产品和渔业产品4 个大类,谷物、棉花、油料、糖料,蔬菜、园艺、水果、中药材、林产品、牲畜、家禽、禽蛋、奶类、海水产品和淡水产品等15个中类,30个小类,180种代表产品的价格指数。在本篇论文中我们设立的模型为:
1、因素分析:(1)被解析变量:农产品生产价格总指数(Y)
(2)解析变量:A、种植业产品价格指数 X1
B、林业产品价格指 X2
C、畜牧业产品价格指数 X3
D、渔业产品价格指数 X4
2、理论模型: Y=a + b*X1 + c*X2+ d*X3 + e*X4 + U
四.数据收集
本文获取了1978—2009年的数据,如下表所示:
全国农产品生产价格总指数(2009年) (上年=100)
五.模型估计
1.农产品生产价格总指数对种植业,林业,畜牧业,渔业生产价格指数的回归。
从表中可以看出,解释变量X4系数检验的t值不显著(-0.370081),而且其系数太小(-0.008737),考虑到渔业产品价格指数对农产品生产价格总指数影响极小,改变模型设定的形式。重新进行OLS估计:
模型设定为:
Y=3.241647 + 0.639845*X1 + 0.040328*X2 + 0.288833*X3
t =(2.070226)(30.09505)(3.085690)(13.73205)
(1.565842) (0.021261) (0.013069) (0.021034)
R^2= 0.995735 F=2179.207
六.模型检验
(1)、经济意义检验
回归估计值 b = 0.639845 〉0 ,说明种植业生产指数与农产品生产价格总指数呈正向变动,当其他条件不变时,种植业生产指数每增加一个点时,对农产品生产价格总指数平均增加0.639845个点;c = 0.040328〉0 ,说明林业生产指数与农产品生产价格总指数呈正向变动,当其他条件不变时,林业生产指数每增加一个点时,对农产品生产价格总指数平均增加0.040328个点;d=0.288833〉0,说明畜牧业生产指数与农产品生产价格总指数呈正向变动,当其他条件不变时,畜牧业生产指数每增加一个点时,对农产品生产价格总指数平均增加
0.288833个点;
(2)统计推断检验
S.E = 0.689741,说明回归方程的各个观测点的平均误差为0.689741个点;R^2 = 0.995735,说明样本模型函数的解释能力为99.57% ,即上述种植业、林业、畜牧业、渔业的生产价格指数对农产品生产价格总指数的99.57%作出解释,回归方程的拟合优度良好;
查表所得t值为1.7081,由于各解释变量系数的t值均大于临界值,所以种植业,林业,畜牧业的生产价格指数对农产品生产价格总指数有显著的影响。(3)计量经济学检验
【1】多重共线性检验
1)相关系数检验:
由此可见各解释变量间存在多重共线性
2)辅助回归模型检验:
X1=50.35631-0.142282X2+0.939332X3-0.267937X4
T=5.038482) (-1.038024) (6.667026) (-1.385892) R2=0.707037 R’2=0.675648 F=22.52510
X2=32.41975-0.260441X1+0.114662X3+0.849720X4
T=(1.838138) (-1.038024) (0.374888) (3.906024) R2=0.662351 R’2=0.626175 F=18.30881
X3=-24.68165+0.653147X1+0.043556X2+0.531401X4
T=(-2.346178) (6.667026) (0.374888) (3.995709) R2=0.862810 R’2=0.848111 F=58.69893
X4=15.14641-0.239582X1+0.415085X2+0.683363X3
T=(1.189641) (-1.385892) (3.906024) (3.995709) R2=0.816907 R’2=0.797290 F=41.64251
3)消除多重共线性——逐步回归
变量X1 X2 X3 X4
参数估
0.927439 0.329753 0.724213 0.508655 计