当前位置:文档之家› 计量经济学论文

计量经济学论文

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。

相关主题