中国粮食产量影响因素分析

中国粮食产量影响因素分析摘要：粮食是人类最基本的生活消费品，粮食问题是关系到国家的国计民生的头等问题。众所周知，农业是国民经济发展的基础，粮食是基础的基础，因此粮食生产是关系到一个国家发展与生产的一个关键的主题。建国以来我国的粮食产量出现了多次的变动，给消费者和生产者带来了很大的影响，所以了解影响粮食生产因素很重要。通过计量经济学方法创建我国粮食生产函数，我们会发现粮食播种、化肥施用量、受灾面积是影响粮食生产的三大因素，其中粮食播种面积的影响最大。【关键词】粮食产量；影响因素；回归分析一、引言众所周知，粮食是我们人类生命得以延续的最基础的物质条件，没有粮食这个重要基础，人类将无法继续生存。回顾我国粮食的生产情况，我们会发现，随着技术水平的提高，社会的发展，从整体来讲我国粮食产量呈上升的趋势。二、中国粮食生产现状分析在改革开放（1978年）之前我国粮食产量非常缓慢增长，一直都在30000万吨以下。改革开放后，我国粮食产量从30000万吨一路疯狂走高，粮食生产得到飞速发展，但波动也更频繁复杂。在1997年总产量首次跨上50000万吨的大难关，达到了50453万吨，增长率为8.13%。但在2004年开始出现了几年的连续减产的现象，曾一路降到43069万吨的局面，一下子退回到十几年前的水平，让人更加担忧。从2004年以来的5年里，我国粮食产量连续10年增产。在2013年粮食产量达到60193.8万吨。改革开放以来粮食产量一直是我国最关心的问题，我国逐步改革统购统销的体制，减少定购数量，提高粮食收购价格，使粮食生产实现高速增长。我国粮食产量从30000万吨开始一路走高。1980—2010年这30年，我国粮食生产得到快速发展。1978年我国农村实行改革和粮食价格提高，极大地调动了农民的积极性。1978年中国粮食产量首次突破30000万吨，增长了7．8％。1979年粮食产量继续增长8.9％，主要是由于国家大幅度提高粮食收购价格，粮食统购价提高20％，超购部分加价50％，从而促进粮食产量飞速增长。1978和1979两年粮食产量年均增长率达到8．38％。而1980和1981年则出现了改革开放以来的第一次粮食减产，年均粮食增长率为—1．05％。2004年以来的5年，我国粮食产量连续10年增产。据中国农业部称，今年中国粮食种植面积增至36亿亩，约合2.63亿英亩，比上年增长了10000万亩。今年中国粮食产量可能达到历史最高水平。三、影响我国粮食产量因素的实证分析（一）回归模型回归分析是研究一个变量关于另一个变量的具体依赖关系的计算方法和理论。从一组样本数据出发，确定变量之间的数学关系对这些关系的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著。利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度。（二）变量的选择假设粮食产量与农业化肥施用量、粮食播种面积、成灾面积、有效灌溉面积、农业机械总动力之间存在线性关系，其中Y表示粮食产量X1表示播种面积（作为被解释变量，从表中我们可以知道它是波动不定的，但总体趋势还是增长的）X2表示成灾面积（随着播种面积的减少，粮食产量也会相应的减产，二者成正相关的关系）X3表示农用机械总动力（成灾面积的增加会使粮食产量减少，它们是负相关的关系）X4表示有效灌溉面（它是反映我国耕地抗旱能力的一个重要指标。与粮食产量成正相关）X5化肥施用量（包括耕作机械、排灌机械、收获机械、农用运输机械、植物保护机械、牧业机械、林业机械、渔业机械和其他农业机械等。它的增加也会使粮食产量增加）样本时间从1990年到2013年样本大小：n=24（三）样本数据的选择以2014年版的《中国统计年鉴2014》为资料来源，使用了1990年到2013年的中国粮食产量和播种面积、成灾面积、有效灌溉面积、农业机械总动力和农业化肥施用量的数据，对影响粮食产量的因素进行实证分析。表一：中国1990-2013年的粮食产量及其相关影响因素统计表年份粮食产量（万吨）/Y播种面积（千公顷）/X1成灾面积（千公顷）/X2农用机械总动力（万千瓦）/X3有效灌溉面积（千公顷）/X4化肥施用量（万吨）/X5199044624.31483621781928707.747403.12590.3199143529.31495862781429388.647822.12805.1199244265.81490072589330308.448590.12930.2199345648.81477412313431816.648727.93151.9199444510.11482413138233802.548759.13317.9199546661.81498792226836118.149281.23593.7199650453.51523812123438546.950381.43827.9199749417.11539693030742015.651238.53980.7199851229.51557062518145207.752295.64083.7199950838.61563732673448996.153158.44124.3200046217.51563003437452573.653820.34146.4200145263.71557083179355172.154249.44253.8200245705.81546362716057929.954354.94339.4200343069.51524153251660386.554014.24411.6200446946.91535531629764027.954478.44636.6200548402.21554881996668397.855029.34766.2200649804.21521492463272522.155750.54927.7200750160.31534642506476589.656518.35107.8200852870.91562662228382190.458471.75239.0200953082.11586142123487496.159261.45404.4201054647.71606751853892780.560347.75561.7201157120.81622831244197734.761681.65704.2201258958.016341623945102559.062490.55838.8201360193.816462716853103906.863473.35911.9数据来源：2014年版的《中国统计年鉴2014》（四）经济计量模型的建立建立粮食产量与农业化肥施用量、粮食播种面积、成灾面积、有效灌溉面积、农业机械总动力的一个5元线性回归模型:x55x44x33x221x1oy其中：β0、β1、β2、β3、β4、β5是待定参数.μ是随机误差项、样本大小:n=24、总平方和的自由度:n-1回归平方和的自由度：k=5(解释变量的个数)、残差平方和的自由度:n-k-1待定参数个数：k+1=61.利用Eviews软件，采用已搜集的数据对模型进行OLS回归，结果如下表示：表4-1DependentVariable:YMethod:LeastSquaresDate:06/18/16Time:21:14Sample:19902013Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.C-57439.7232648.33-1.7593460.0955X10.6530310.4145181.5753980.1326X2-0.2572600.104631-2.4587480.0243X3-0.0749520.249483-0.3004290.7673X40.1599521.6049240.0996630.9217X51.7913772.3955000.7478090.4642R-squared0.840128Meandependentvar49317.59AdjustedR-squared0.795719S.D.dependentvar4866.954S.E.ofregression2199.738Akaikeinfocriterion18.44238Sumsquaredresid87099259Schwarzcriterion18.73690Loglikelihood-215.3086F-statistic18.91803Durbin-Watsonstat0.716386Prob(F-statistic)0.000001由此可见，该模型R2=0.840128，调整的R2=0.795719很高，F=18.91803明显显著，但是当a=0.05时，ta/2（14-5）=t0.05/2（14-5）=2.262，此时，X3，X4的T检验不显著，这表明可能存在很严重的多重共线性。（五）多重共线性的的检验计算各解释变量的相关系数，选择X1,X2,X3,X4,X5数据，通过Eviews软件，得到相关系数矩阵如下：表5-1YX1X2X3X4X5Y1.0000000.782412-0.6583570.7282490.7537560.726990X10.7824121.000000-0.3952850.8130310.8786860.777041X2-0.658357-0.3952851.000000-0.520827-0.478659-0.514359X30.7282490.813031-0.5208271.0000000.9885310.984374X40.7537560.878686-0.4786590.9885311.0000000.968576X50.7269900.777041-0.5143590.9843740.9685761.000000由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确实存在多重共线性.（六）修正多重共线性1.以y为基础，顺次加入其他变量逐步回归，做5个一元回归，结果如下表表6-1一元回归结果变量X1X2X3X4X5参数估计量0.889336-0.4777690.1625530.8576743.42482T8.428424-3.0940096.8676297.470964.614988R20.7635380.30320.6819170.7172790.528514排序15324由表6-1可以看出经过一元回归结果X1最优数据2.以X1为基础，顺次加入其他变量逐步回归，做4个二元回归，结果如下表：表6-2加入新变量的回归结果（一）变量X1X2X3X4X5R2X1、X20.789987-0.2438070.8329668.161108-2.954424X1、X30.6659510.0490120.7561543.000361.141703X1、X40.6402940.2675040.7518622.2815580.957976X1、X50.5470681.4152020.6088052.470811.352036可见：Y与X1,X5组合最好3.选择保留X5，再加入其他新变量逐步回归，结果如下表：表6-3加入新变量的回归结果(二)变量X1X2X3X4X5X1、X5、X20.551377-0.2706830.454242.929918-2.8139420.476682X1、X5、X30.61349-0.099063.7156422.452119-0.6113780.950137X1、X5、X40.832693-0.8641634.4764682.22369-0.9472611.317417由此看出，Y对X1,X2,X5的组合最好4.最后结果：Y=-37137.5600712+0.678162714038*X1-0.134279330758