计量经济学论文影响粮食产量的因素分析：易士桢班级：金融1502学号：********影响粮食产量的因素分析我国土地资源稀缺，人口多而粮食需求量大，因此粮食产量的稳定增长，直接影响着人民生活和社会的稳定与发展。
本文严格按照计量经济分析方法,以1996-2015年中国粮食产量及其重要因素的时间序列数据为样本,对影响中国粮食生产的多种因素进行了分析。
一、模型的建立以Y i=粮食产量、X1=粮食播种面积、X2=农用化肥施用量、 X3=农用机械总动力、 X4=农、林、牧、渔业劳动力、 X5=耕地灌溉面积，设定Y i=c+β1X1i+β2X2i+β3X3i+β4X4i+β5X5i+u i 理论模型。
由经济规律知β1、β2、β3、β4、β5都应大于零。
二、数据的收集（资料来源于中国各年统计年鉴）三、模型的参数估计利用Eviews8得到结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/01/17 Time: 20:10Sample: 1996 2015Included observations: 20Variable Coefficient Std. Error t-Statistic Prob.C -66773.87 37106.01 -1.799543 0.0935X1 0.790068 0.119139 6.631499 0.0000X2 1.768843 8.059923 0.219462 0.8295X3 -0.028692 0.338671 -0.084720 0.9337X4 -0.087017 0.051349 -1.694614 0.1123X5 0.477765 0.663745 0.719802 0.4835R-squared 0.976250 Mean dependent var 51861.43Adjusted R-squared 0.967768 S.D. dependent var 5548.066S.E. of regression 996.0571 Akaike info criterion 16.88881Sum squared resid 13889816 Schwarz criterion 17.18753Log likelihood -162.8881 Hannan-Quinn criter. 16.94712F-statistic 115.0958 Durbin-Watson stat 1.811852Prob(F-statistic) 0.000000由此数据看出，可决系数和修正可决系数为0.976250和0.967768，F的检验值为115.0958，明显显著，拟合效果还可以。
但当a=0.05时，t a/2(n-k-1)=2.1448，说明X2与X5的t检验不显著，而且X3与X4系数的符号与经济解释相反，可能存在多重共线性。
四、模型的检验（一）Ⅰ、检验多重共线性（利用相关系数矩阵法）Covariance Analysis: OrdinaryDate: 06/01/17 Time: 20:27Sample: 1996 2015Included observations: 20CovarianceX4 -39201297 17367126 -9252927. -2.83E+08 2.43E+08-0.464814 0.265811 -0.809287 -0.787327 1.000000X5 21025898 5370007. 3232375. 1.03E+08 -49230933 203715990.861467 0.284004 0.976901 0.987377 -0.699371 1.000000由相关系数矩阵可以看出，有些解释变量之间的相关系数很高，证实确实存在多重共线性。
Ⅱ、修正多重共线性采用逐步回归的方法，去解决多重共线性的问题。
分别做Y对X1，X2，X3,X4,X5的一元按照各解释变量医院回归模型的拟合优度大小进行排序：X5、X2、X3、X1、X4。
以Y对X5的一元回归模型为最优基本模型，将其他解释变量引入，寻找最优回归模型。
1、加入X2，重新估计方程得到回归结果为：YΛ=-12886.76+1.256017X5-1.411091X2t=（-0.662047）（1.824837）（-0.332989）R2=0.743796，F=24.67670可以发现X2的系数估计值为负，参数经济意义不合理，予以剔除。
2、加入X3，重新估计方程得到回归结果为：YΛ= -52135.10+ 2.091869X5 -0.209898X3t=（-1.356001）（2.338466）（-1.199823）R2= 0.762257，F= 27.25294可以发现X3的系数估计值为负，参数经济意义不合理，予以剔除。
3、加入X1，重新估计方程得到回归结果为：YΛ= -64569.78+ 0.870047X5+ 0.614831X4t=（-8.359677）（12.92946）（8.480448）R2= 0.950698，F= 163.9052可以发现X1的系数估计值高度显著，保留X1。
4、加入X4，重新估计方程得到回归结果为：YΛ= -67319.59+0.564664X5+ 0.812037X1-0.104856X4t=（-12.02244）（6.356567）（11.44358） (-4.100895)R2= 0.985263，F= 233.9970可以发现X4的系数估计值为负，参数经济意义不合理，予以剔除。
综上保留X1、X5两个解释变量，最终得：Dependent Variable: YMethod: Least SquaresDate: 06/01/17 Time: 20:55Sample: 1996 2015Included observations: 20Variable Coefficient Std. Error t-Statistic Prob.C -64569.78 7723.957 -8.359677 0.0000X5 0.870047 0.067292 12.92946 0.0000X1 0.614831 0.072500 8.480448 0.0000R-squared 0.950698 Mean dependent var 51861.43 Adjusted R-squared 0.944897 S.D. dependent var 5548.066S.E. of regression 1302.352 Akaike info criterion 17.31921Sum squared resid 28834031 Schwarz criterion 17.46857Log likelihood -170.1921 Hannan-Quinn criter. 17.34837F-statistic 163.9052 Durbin-Watson stat 0.842832Prob(F-statistic) 0.000000YΛ= -64569.78+ 0.870047X5+ 0.614831X1t=（-8.359677）（12.92946）（8.480448）R2=0.950698，修正R2=0.944897，F=163.9052，D-W值=0.842832 （二）自相关性检验（利用拉格朗日乘数检验法）结果如下：Breusch-Godfrey Serial Correlation LM Test:F-statistic 3.000670 Prob. F(2,15) 0.0801Obs*R-squared 5.715197 Prob. Chi-Square(2) 0.0574Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 06/01/17 Time: 21:00Sample: 1996 2015Included observations: 20Presample missing value lagged residuals set to zero.Variable Coefficient Std. Error t-Statistic Prob.C 3405.848 7926.910 0.429656 0.6736X5 0.003061 0.060569 0.050543 0.9604X1 -0.033024 0.073925 -0.446717 0.6615RESID(-1) 0.590417 0.253959 2.324853 0.0345RESID(-2) -0.098270 0.280190 -0.350725 0.7307R-squared 0.285760 Mean dependent var -8.73E-12Adjusted R-squared 0.095296 S.D. dependent var 1231.901S.E. of regression 1171.734 Akaike info criterion 17.18268Sum squared resid 20594423 Schwarz criterion 17.43161Log likelihood -166.8268 Hannan-Quinn criter. 17.23127F-statistic 1.500335 Durbin-Watson stat 1.929589Prob(F-statistic) 0.251886由上表可知，TR2=20*0.285760=5.7152,P=0.0574,接受原假设，即不存在自相关性。
五、预测假设2016年耕地灌溉面积为67000千公顷，粮食播种面积114400千公顷，对2016年粮食产量进项预测。
在新生成的文件夹中可知YΛ2016=64060.07, S.E=1498.08。
Y的置信区间为：YΛ-t a/2*S.E<Y2016< YΛ2016+t a/2*S.E，t a/2(n-k-1)= t a/2(14)=2.1448,2016(64060.07-2.1448*1498.08,64060.07+2.1448*1498.08)=(60846.988016,67273.151984)保留两位小数，最终得置信区间为（60847.00,67273.15）。
六、结论由模型可知，在保持其他条件不变的条件下，粮食播种面积每增加1千公顷，粮食产量增加0.614831万吨；在保持其他条件不变的条件下，耕地灌溉面积每增加1千公顷，粮食产量增加0.870047万吨。