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。