影响粮食产量的多因素分析05经济40501031 冉峥嵘40501039 李仪40501061 谭金仪【摘要】本文采用计量经济分析方法,以1978—2005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。
分析结果表明,近年来我国粮食生产主要受到单产提高缓慢、播种面积波动大、农业基础设施投入不足、自然灾害频繁等重要因素的影响。
为提高粮食产量、促进粮食生产,首先应该提供一套促进粮食生产的政策措施,提高粮食种植效益,增加粮农收入是根本。
在这个前提下,才有可能提高单产、稳定面积、加强基础设施建设、提高抗灾能力,增强我国粮食生产能力和生产稳定性。
【关键词】粮食产量多因素分析一问题提出：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。
粮食生产的不稳定性对国民经济的影响是不可忽略的，主要体现在:粮食生产不稳定会引发粮食供求关系的变动,尤其当国家粮食储备不足的时候,很容易导致粮价上涨,从而影响整个宏观经济。
因此,对关系国计民生的这个特殊农产品,我们不得不慎重对待。
因此，分析粮食产量波动的原因，并据此提出相应的对策，对保障粮食生产持续稳定发展，具有重要意义。
二文献综述中国的粮食生产问题,不仅是中国经济界的重要研究课题,而且也越来越受到世界经济学家的重视。
许多经济学家对这一问题进行了深入的研究,得出了许多重要的结论。
目前国内学者研究这一问题时大多采用多元统计方法,或者是简单的计量模型，主要是从某一两个因素进行的分析，从而预测粮食产量的。
《1978-2003年我国农业科技投入和粮食产量关系的计量分析》（杨剑波）一文是采用计量模型检验科技投入增长对粮食生产增长的影响、是否存在因果关系。
主要用到的计量方法有协整分析、协整关系的检验与分析，向量误差修正模型(VEC模型)和动态调整模型。
得到中国科技投入增长对粮食生产增长有显著影响的结论。
美国学者布朗的一篇《谁来养活中国》的论文,曾引发了国内的大讨论。
从国内粮食生产领域来看,2003年秋冬以来,粮价在多年低位徘徊后出现上涨,引发了新一轮对粮食问题的热烈讨论。
而今年年初以来的农产品价格大幅上涨,尤其是猪肉价格的飙升,更引发了人们对我国食品安全问题的关注。
本文严格按照计量经济分析方法,以1978—2005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。
三模型设定，数据处理及检验1 本模型数据来源相应年度的《中国统计年鉴》、《中国农村统计年鉴》、《中国农业发展报告》、《中华人民共和国年鉴》、《中国统计摘要》,选用了粮食产量、粮食零售价格指数、受灾面积，化肥施用量，乡村农林牧渔业从业人员数，粮食作物播种面积，农用机械总动力，农村用电量这7个指标,把这7个指标的1978—2005年28年间的时间序列数据进行回归分析,来分析这些因素与粮食产量的关系。
以粮食产量作为因变量,其它7个指标作为解释变量进行回归分析。
数据：粮食产量粮食零售价格指数（上年=100）受灾面积化肥施用量乡村农林牧渔业从业人员数粮食作物播种面积农用机械总动力农村用电量(万吨)y (-)x1 (万公顷)x2(万吨)x3(万人)x4(千公顷)x5(万千瓦)x6(亿千瓦时)x71978 30476.5 101.3 5079 884 28455.6 120587 11749.9 253.1 1979 33211.5 103.7 3937 1086.3 29071.6 119263 13379.2 282.7 1980 32055.5 103.5 4452.6 1269.4 29808.4 117234 14745.7 320.8 1981 32502 103.9 3978.6 1406.9 30677.6 114958 15679.8 369.8 1982 35450 100.2 3313.3 1513.4 31152.7 113462 16614.2 396.9 1983 38727.5 99.9 3471.3 1659.8 31645.1 114047 18022.1 435.2 1984 40730.5 99.8 3188.7 1739.8 31685 112884 19497.2 464 1985 37910.8 110.9 4436.5 1775.8 30351.5 108845 20912.5 508.9 1986 39151.2 109.3 4713.5 1930.6 30467.9 110933 22950 586.7 1987 40473.3 106.2 4208.6 1999.3 30870 111268 24836 658.8 1988 39408 114.1 5087.4 2141.5 31455.7 110123 26575 712 1989 40754.9 121.3 4699.1 2357.1 32440.5 112205 28067 790.5 1990 44624.3 95.2 3847.4 2590.3 33336.4 113466 28707.7 844.5 1991 43529.3 108.6 5547.2 2805.1 34186.3 112314 29388.6 963.2 1992 44265.8 124.3 5133.3 2930.2 34037 110560 30308.4 1106.9 1993 45648.8 127.7 4882.9 3151.9 33258.2 110509 31816.6 1244.9 1994 44510.1 148.7 5504.3 3317.9 32690.3 109544 33802.5 1473.9 1995 46661.8 134.4 4582.1 3593.7 32334.5 110060 36118.1 1655.7 1996 50453.5 107.5 4698.9 3827.9 32260.4 112548 38546.9 1812.7 1997 49417.1 92.1 5342.9 3980.7 32677.9 112912 42015.6 1980.1 1998 51229.5 96.9 5014.5 4083.7 32626.4 113787 45207.7 2042.2 1999 50838.6 96.4 4998.1 4124.3 32911.8 113161 48996.1 2173.4 2000 46217.5 90.1 5468.8 4146.4 32797.5 108463 52573.6 2421.3 2001 45263.7 101.5 5221.5 4253.8 32451 106080 55172.1 2610.8 2002 45705.8 98.6 4711.9 4339.4 31990.6 103891 57929.9 2993.4 2003 43069.5 102.2 5450.6 4411.6 31259.6 99410 60386.5 3432.9 2004 46946.9 126.5 3710.6 4636.6 30596 101606 64027.9 3933 2005 48402.2 101.4 3881.8 4766.2 29975.5 104278 68397.8 4375.72 模型设定通过对中国粮食生产及影响因素的初步定性分析后假设,粮食产量与其它7个指标之间存在多元线性关系,即粮食零售价格指数、受灾面积，化肥施用量，乡村农林牧渔业从业人员数，粮食作物播种面积，农用机械总动力，农村用电量之间存在着线性关系,也即可以把粮食产量的线性回归模型初步设定为y=b0+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6+b7x7,其中,y:粮食产量, x1粮食零售价格指数、x2受灾面积，x3化肥施用量，x4乡村农林牧渔业从业人员数，x5粮食作物播种面积，x6农用机械总动力，x7农村用电量,然后利用已有的数据进行模型拟合,以便发现这些因素之间存在的数量关系。
可能有人会提出质疑,是否遗漏了其它重要的解释变量,的确像农业科技费用等这些因素对粮食产量有重要的影响,但考虑农业科技费用会导致严重的多重共线性(因为它们与粮食单产有极高的正相关性),又考虑到它代表对农业的投入和科技进步,在选用指标中已有灌溉面积、农机总动力等性质相似的指标,再加上分析工具的局限性,因此就舍弃了这几个指标。
这也是线性相关分析的局限性之一。
3 模型结果,检验和调整将收集到的数据运用计量分析软件进行运算,可得到以上设立模型的参数值,则模型结果为:Y=15833.13+8.813674x1-1.954853x2+9.762547x3-0.105747x4+0.154043x5+0.022186x6-5.516333x7Se=(25422.05) (30.81030) (0.565561) (1.802161) (0.482949) (0.143545) (0.203779) (2.316930)T=0.622811 0.286063 -3.456484 5.417134 -0.218960 1.073134 0.108874 -2.380880R^2=0.946831 dw=0.750906 df=26检验和调整（1）经济意义检验从回归结果可以看出，x1粮食零售价格指数，x3化肥施用量，x5粮食作物播种面积，x6农用机械总动力系数为正，x2受灾面积系数为负，符合经济意义。
（2）统计推断检验从回归结果可以看出，可决系数=0.946831，认为模型的拟合程度可以接受；系数显著性检验：大多数比较显著。
(3)计量经济学检验第一步，怀疑具有多重共线性，用逐步回归方法改善Dependent Variable: YMethod: Least SquaresDate: 12/23/07 Time: 11:28Sample: 1978 2005Included observations: 28Variable Coefficient Std. Error t-Statistic Prob.C 30097.87 1328.764 22.65102 0.0000X3 4.272552 0.425042 10.05206 0.0000R-squared 0.795346 Mean dependent var 42415.58 Adjusted R-squared 0.787475 S.D. dependent var 5897.959 S.E. of regression 2718.984 Akaike info criterion 18.72265 Sum squared resid 1.92E+08 Schwarz criterion 18.81781 Log likelihood -260.1171 F-statistic 101.0440 Durbin-Watson stat 0.564307 Prob(F-statistic) 0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/07 Time: 11:29Sample: 1978 2005Included observations: 28Variable Coefficient Std. Error t-Statistic Prob.C -9459.738 9982.682 -0.947615 0.3524X3 3.575994 0.381378 9.376509 0.0000X4 1.311414 0.329076 3.985139 0.0005R-squared 0.874849 Mean dependent var 42415.58 Adjusted R-squared 0.864837 S.D. dependent var 5897.959 S.E. of regression 2168.357 Akaike info criterion 18.30228 Sum squared resid 1.18E+08 Schwarz criterion 18.44502 Log likelihood -253.2320 F-statistic 87.37936 Durbin-Watson stat 0.935247 Prob(F-statistic) 0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/07 Time: 11:29Sample: 1978 2005Included observations: 28Variable Coefficient Std. Error t-Statistic Prob.C -38705.66 15308.13 -2.528439 0.0184X3 4.489125 0.518768 8.653426 0.0000X4 1.141247 0.310303 3.677843 0.0012X5 0.288313 0.120906 2.384612 0.0253R-squared 0.898821 Mean dependent var 42415.58 Adjusted R-squared 0.886174 S.D. dependent var 5897.959 S.E. of regression 1989.859 Akaike info criterion 18.16108Sum squared resid 95028898 Schwarz criterion 18.35139 Log likelihood -250.2551 F-statistic 71.06816 Durbin-Watson stat 0.785980 Prob(F-statistic) 0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/07 Time: 11:22Sample: 1978 2005Included observations: 28Variable Coefficient Std. Error t-Statistic Prob.C -42532.54 14425.73 -2.948381 0.0072X3 4.786369 0.505006 9.477839 0.0000X4 1.292310 0.298790 4.325142 0.0003X5 0.323185 0.114234 2.829153 0.0095X2 -1.239087 0.586775 -2.111690 0.0458R-squared 0.915252 Mean dependent var 42415.58 Adjusted R-squared 0.900514 S.D. dependent var 5897.959 S.E. of regression 1860.303 Akaike info criterion 18.05530 Sum squared resid 79596708 Schwarz criterion 18.29319 Log likelihood -247.7742 F-statistic 62.09847 Durbin-Watson stat 0.496727 Prob(F-statistic) 0.000000Dependent Variable: YMethod: Least SquaresDate: 12/23/07 Time: 11:30Sample: 1978 2005Included observations: 28Variable Coefficient Std. Error t-Statistic Prob.C -46560.69 15518.86 -3.000264 0.0066X3 4.900048 0.531811 9.213888 0.0000X4 1.247300 0.307543 4.055692 0.0005X5 0.351730 0.121422 2.896761 0.0084X2 -1.314537 0.600849 -2.187798 0.0396X1 21.32232 28.36814 0.751629 0.4602R-squared 0.917374 Mean dependent var 42415.58 Adjusted R-squared 0.898595 S.D. dependent var 5897.959 S.E. of regression 1878.151 Akaike info criterion 18.10137 Sum squared resid 77603888 Schwarz criterion 18.38684Log likelihood -247.4192 F-statistic 48.85207Durbin-Watson stat 0.527875 Prob(F-statistic) 0.000000第二步，自相关检验Dependent Variable: E1Method: Least SquaresDate: 12/23/07 Time: 11:32Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.E2 0.749544 0.129425 5.791341 0.0000R-squared 0.563223 Mean dependent var 24.96728Adjusted R-squared 0.563223 S.D. dependent var 1744.502S.E. of regression 1152.925 Akaike info criterion 16.97433Sum squared resid 34560159 Schwarz criterion 17.02232Log likelihood -228.1534 Durbin-Watson stat 1.340050科克伦-奥克特迭代法Ls y-0.749544*y(-1) c x3-0.749544*x3(-1) x4-0.749544*x4(-1) x5-0.749544*x5(-1) x2-0.749544*x2(-1)Dependent Variable: Y-0.749544*Y(-1)Method: Least SquaresDate: 12/23/07 Time: 11:35Sample (adjusted): 1979 2005Included observations: 27 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.C -7759.367 3505.592 -2.213425 0.0375X3-0.749544*X3(-1) 4.683751 0.669611 6.994732 0.0000X4-0.749544*X4(-1) 0.001626 0.385384 0.004218 0.0967X5-0.749544*X5(-1) 0.597471 0.117091 5.102617 0.0000X2-0.749544*X2(-1) -1.154681 0.315405 -3.660941 0.0014R-squared 0.822811 Mean dependent var 11231.62Adjusted R-squared 0.790595 S.D. dependent var 2169.503S.E. of regression 992.7818 Akaike info criterion 16.80447Sum squared resid 21683546 Schwarz criterion 17.04444Log likelihood -221.8604 F-statistic 25.54033Durbin-Watson stat 1.768527 Prob(F-statistic) 0.000000第三步，异方差检验White Heteroskedasticity Test:F-statistic 1.010209 Probability 0.498607Obs*R-squared 14.60659 Probability 0.405565Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/23/07 Time: 12:12Sample: 1979 2005Included observations: 27Variable Coefficient Std. Error t-Statistic Prob.C 8402725. 95143383 0.088316 0.9311DX3 -30381.54 20861.84 -1.456321 0.1710DX3^2 13.09756 6.114468 2.142060 0.0534DX3*DX4 0.161214 1.844124 0.087420 0.9318DX3*DX5 0.284033 0.715429 0.397010 0.6983DX3*DX2 -1.920415 1.346102 -1.426649 0.1792DX4 8032.127 13377.73 0.600410 0.5594DX4^2 -0.271613 0.776790 -0.349660 0.7327DX4*DX5 -0.096943 0.422218 -0.229605 0.8223DX4*DX2 0.181785 1.224959 0.148401 0.8845DX5 -2680.012 4759.428 -0.563095 0.5837DX5^2 0.062026 0.090684 0.683985 0.5070DX5*DX2 -0.128724 0.410774 -0.313368 0.7594DX2 5810.031 11223.37 0.517672 0.6141DX2^2 -0.772841 0.896444 -0.862119 0.4055R-squared 0.540985 Mean dependent var 803094.3Adjusted R-squared 0.005467 S.D. dependent var 989254.3S.E. of regression 986546.5 Akaike info criterion 30.74199Sum squared resid 1.17E+13 Schwarz criterion 31.46190Log likelihood -400.0169 F-statistic 1.010209Durbin-Watson stat 1.662201 Prob(F-statistic) 0.498607第四步，时间序列数据平稳性检验Genr dy= y-0.749544*y(-1)Null Hypothesis: DY has a unit rootExogenous: ConstantLag Length: 5 (Automatic based on SIC, MAXLAG=6)t-Statistic Prob.*Augmented Dickey-Fuller test statistic -1.153133 0.6742Test critical values: 1% level -3.7880305% level -3.01236310% level -2.646119全都没有单位根最后回归结果y-0.749544*y(-1)=-7759.367+4.683751x3-0.749544*x3(-1)+0.001626x4-0.749544*x4(-1)+0.597471x5-0.749544*x5(-1) -1.154681x2-0.749544*x2(-1)四、结果分析及政策建议根据以上的分析结果,可以认为,中国粮食生产的重要影响因素包括以下几个: x1粮食零售价格指数、x2受灾面积，x3化肥施用量，x4乡村农林牧渔业从业人员数，x5粮食作物播种面积，从一般常识来看,这些因素当然直接影响粮食总产量,但不能精确地估算这种影响之间的数量关系,而通过计量经济分析,我们可以更精确地知道影响的程度和大小。