关于我国粮食生产的单方程计量经济学模型

2006－2007第2学期计量经济学课程大作业大作业名称：关于我国粮食生产的单方程计量经济学模型组长：学号：姓名：专业：成员：学号：姓名：专业：学号：姓名：专业：选课班级：A02任课教师：徐晔成绩：评语：本文以我国改革开放以来1978-2002年的相关数据为依托，运用计量经济学方法对影响我国粮食生产的主要因素进行了回归分析，并通过统计检验、计量经济学检验、经济意义检验和模型预测检验，最终得出结论：粮食播种面积对我国粮食生产的正面影响最大。同时，利用模型对提高我国的粮食产量进行了数量化分析，并就如何增加我国粮食产量提出一些可供参考的意见。教师签名：批阅日期：计量经济学模型---------------------关于我国粮食生产的单方程计量经济学模型粮食生产是关系国计民生的战略物资。本文以我国改革开放以来1978-2002年的相关数据为依托，运用计量经济学方法对影响我国粮食生产的主要因素进行了回归分析，并通过统计检验、计量经济学检验、经济意义检验和模型预测检验，最终得出结论：粮食播种面积对我国粮食生产的正面影响最大。同时，利用模型对提高我国的粮食产量进行了数量化分析，并就如何增加我国粮食产量提出一些可供参考的意见。近年来，中国的经济一直处在高速增长时期，被誉为东亚乃至世界经济发展的一个新引擎。经济的持续增长当然值得庆贺，然而，对于经济增长中所出现的一些问题，如果不能及时地发现和正视，那么它所引起的后果也可能是严重的。现阶段的农业就是最需要重视的一个问题。农业是封建社会最重要的物质生产部门，而粮食更是国民经济的基础。粮食生产对一个农业国家的经济，特别是对于一个封建国家的经济，真有极为重要的意义。粮食总产量代表封建国家的经济实力，粮食单位面积产量，反映土地利用的效果，是农业生产力发展水平的重要指标。清代的粮食生产获得了很大的发展，它的发展同任何社会经济的发展一样，都是由时间上的上升运动和空间上的扩散运行交织而成。清代各地的粮食亩产，与前代相比，均有所提高。只是农业比较发达地区提高的幅度小一些，其他发展中地区提高的幅度大一些。清代粮食生产最突出的成就是地区扩散，即粮食亩产量在全国广大地区普遍提高，从而导致了粮食总产量和全国平均亩产量的提高。长期以来，我国的粮食消费具有明显的城乡和地域差异，粮食消费市场主要集中在农村，城乡差别主要体现在人均口粮和粮食总量的消费上，农村居民的粮食消费远远大于城镇居民的粮食消费。粮食消费的地域差异除了在粮食消费量上有所体现外，更主要的是体现在粮食消费品种的差异上，这两种差异目前均处于缩小的趋势。从总体上看，我国南方地区居民的粮食消费主要以稻谷为主，而北方地区居民则以小麦为主要消费对象，这是我国居民长期以来的生活习惯使然随着我国粮食流通体制的进一步改革、城镇化速度的加快、人口流动规模的扩大，以及农产品物流市场的不断发展，“南米北面”的粮食消费地域差异也将会逐步缩小。粮食产量下降直接与传统农业模式不足以支撑农民升高了的生活需求、农民种粮积极性低落相关。在今天的中国农村，一边是越来越多的“农民进城”、在城市中寻找就业机会，一边是相伴的田地被大量抛荒或者挪作他用。有地无人种导致许多传统上能够实现粮食自给并且还有盈余可供售卖的农户，现在也加入到了在市场上买粮的非耕大军中，这种现象在有些地方已经到了极其严重的程度。而农田被挪作他用，比如改作鱼塘、种树甚至用作屋场等等，在农村中也越来越常见。粮食产量下降与农民种粮积极性的低落，正在给未来中国的粮食安全敲响警钟。如果任时下的中国粮食生产状况持续下去，那么可能引发的后果将不堪设想。与其他人口小国或人均资源丰富的国家不同，未来的中国一旦遭遇重大的天灾、发生大规模的粮食减产，并因此而出现粮荒的话，那么一个有着十几亿生灵的人口大国，不仅其内部无法互相接济，就是花巨额外汇储备从国外购买，也可能买不到足够的粮食来渡过危机。因此，对我国粮食生产的影响因素进行定量分析，研究粮食生产涨落的原因以及提供某些政策性的建议是十分必要的。著名经济学家李子奈教授在文献[1]中曾对我国1983—1995年粮食生产数据进行过研究分析,他选取的影响因素数据是：农用化肥施用量，粮食播种面积，成灾面积，农业机械动力和农业劳力，并拟合出了关于我国粮食生产的线性回归模型。在本文中，我们将运用计量经济学的方法对上述模型问题进行研究。对于粮食产量的影响，除了选取上述影响因素外，还把农村用电量、国家财政用于农业的支出和灌溉面积的影响因素数据也加到了模型中去。被解释变量与解释变量的确定与C-D生产函数模型我们把粮食总产量确定为被解释变量，把影响粮食产量的因素确定为解释变量。依据国家政策对粮食生产的积极扶持作用，影响粮食生产的主要因素是投入要素，即资本和劳动力。而农业生产的特点决定了其资本主要是土地和化肥；至于农业劳动力，过去我国一直是人工种植，但近年来由于呈现农业经济多种化经营的趋势，所以许多人都从事副业生产；同时由于科技进步的影响，农业机械化水平的提高也对粮食生产有一定的影响。综合以上考虑，我们最终确定影响粮食生产的因素为：播种面积、成灾面积、化肥施用量、农业机械动力、农村用电量、国家财政用于农业的支出、灌溉面积和农业劳动力。另外影响粮食生产的因素还有农民的积极性，但这是一个不太好量化的因素，因此可把它作为随机的因素引入到模型中。因此，我们最终确定的模型的被解释变量为：粮食总产量；解释变量为：播种面积、成灾面积、化肥施用量、农业机械动力、农村用电量、国家财政用于农业的支出、灌溉面积和农业劳动力。由初步的分析知，粮食产量与成灾面积是负相关的，而与其它变量则是正相关的我们选择在经济领域应用最广泛的一种生产函数模型—C-D生产函数模型来进行研究。生产函数是描述生产过程中投入的生产要素的某种组合同它可能的最大产出量之间的依存关系的数学表达式。即,,,YfAKL其中Y为产出量，A，K，L分别为技术、资本、劳动的投入要素。生产要素对生产函数的作用与影响，主要是由一定的技术条件决定的，从本质上讲，生产函数反映了生产过程中投入要素与产出量之间的技术关系。1928年,美国数学家CharlesCobb和经济学家PaulDauglas提出的生产函数的数学形式为YAKL（2.1）根据要素的产出弹性的定义，很容易推出11kkYKKEAKLKYYYLLEAKLLYY即:参数、分别是资本与劳动的产出弹性。那么由产出弹性的经济意义，应该有01,01在最初提出的C-D生产函数中，假定了参数满足1，即生产函数的一阶齐次性，也就是假定研究对象满足规模报酬不变。这是因为AKLAKLAKL即:当资本与劳动的数量同时增长倍时，产出量也增长倍。1937年，Durand提出了C-D生产函数的改进型，即取消了1的假定，允许要素的产出弹性之和大于1或小于1，即承认研究对象可以是规模报酬递增的，也可以是规模报酬递减的，取决于对参数的估计结果。模型(2.1)中的待估参数A称为效率系数，是广义技术进步水平的反映，显然应有0A。由上可见，C-D生产函数的参数具有明确的经济意义，这一显著特点是它被广泛应用的重要原因。我们现在看模型(2.1)对要素替代弹性的假设。根据要素替代弹性的定义，可以得到1.由此可知,C-D生产函数模型的要素替代弹性为1，这样就更加逼近于生产活动的实际样本数据收集3．1数据收集根据上面的所确定的模型的变量，我们收集到了1978年-2003年主要粮食生产数据(表1)。年份粮食总产量（万吨）播种面积（千公顷）成灾面积（千公顷）化肥施用量（万吨）灌溉面积（千公顷）国家财政用于农业的支出（亿元）农村用电量（亿千瓦小时）农机动力（万千瓦）农村劳动力（万人）1978304771205872445788444965150.66253.1117502831819793321211926315120108645003174.33282.7133792863419803205611723429777126944888149.55320.8147462912219813250211495818743133544574110.21369.8156802977719823545011346315985151344177120.49396.9166143085919833872811404716209166044644132.87435.2180223115119844073111288415607174044453141.29464194973086819853791110884522705177644036153.62508.9209133113019863915111093323656193144226184.2586.7229503125419874029811126820393200044403195.72658.8248363166319883940811012323945214244376214.07712265753224919894075511220522449235744917265.94790.5280673322519904462411346617819259047403307.84844.5287083891419914352911231427814280547822347.57963.2293893909819924426611056025859293048590376.021106.9303083869919934564911020923133315248728440.451244.8318173768019944451010954431383331848759532.981473.9338033662819954666211006022267359449281574.931655.7361183553019965045411254821233382850381700.431812.7385473482019974941711291230309398051239766.391980.14201634840199851230113787251814084522961154.762042.14520835177199950839113161267314124531581085.762173.4489963576820004621910846334374414653820766.92421.3525743604320014526410608031734425454249917.962610.85517236513200245706103891273194339543551102.72993.4579303687020034306599410325164412540141125.83432.96038736546数据来源：《中国统计摘要2004》，《中国统计年鉴2003》。4模型的估计由C-D生产函数模型，得模型形式如下：ibtittYAX1,2,,8i（4.1）两边取对数并进行变换，得：0loglogtiittybbx1,2,,8i（4.2）其中0log,logttbA。运用Eviews软件对模型（4.2）进行估计，我们得到估计结果（见表2）：DependentVariable:LOG(Y)Method:LeastSquaresDate:06/12/07Time:10:36Sample:19782002Includedobservations:25VariableCoefficientStd.Errort-StatisticProb.LOG(X1)0.6925930.4855061.4265380.1729LOG(X2)-0.1006340.034068-2.9539700.0093LOG(X3)0.5349140.1470153.6385060.0022LOG(X4)-0.440