1、农业产值影响因素分析农业产值影响因素分析【摘要L本文通过对影响农业生产的因素分析，旨在得出影 响农业生产的主要因素，并在此基础上结合我国实际探讨我国农 业生产发展中存在的问题。关键词：农业产值影响因素模型检验在西方经济学理论中，很大一部分内容涉及农业发展问题， 重农学派把农业的发展作为其理论研究的基本出发点和归宿。该 学派的主要代表人物法国著名经济学家魁奈曾把农业看作是唯 一具有生产价值的部门，并以著名的经济表分析作为纯产品 的农产品在社会各生产部门间的流动和交换。古典学派的伟大经 济学家亚当斯密，在其不朽的经典著作国富论中以相当的 篇幅论述了农业的发展问题。发展经济学家之所以重视农业发展问题
2、，一是因为如果农业 本身不发展，农民和农村人口便无法摆脱贫困；二是因为农业的 不发展将严重的妨碍整个国民经济的发展。换言之，在经济发展 屮，农业和农村经济的发展起着举足轻重的作用，农业的发展将 对整个国民经济的发展作出巨大贡献。美国著名经济学家库兹涅 茨把农业对发展屮国家经济发展的贡献概括为以下几个方面：1. 农业的增长依赖于农业的发展；2.在经济发展的初期，农业和农 业人口作为工业品的市场的作用举足轻重；3.随着经济的发展， 农业在经济构成屮的比例下降，农业部门构成其他部门的投资的 主要来源；4.通过出口农产品和进行替代进口农产品的生产，国 内农业可以为平衡国际收支起到重要作用；5.农业和农
3、村经济的 发展还将提高农民的收入，改善乡村居民的福利我国作为传统农业大国，农业产值对社会经济生活各方面有 着重要影响。对于农业产值的分析有着现实的意义，我们选取了 以下因素进行分析：a农作物播种面积。土地是农业生产的基础，我国作为一个 发展中国家，农业生产力落后，大部分地区仍采用传统的耕作方 式，在这种情况下，农业产值很大程度上受到农作物播种面积的 影响。b农业机械总动力。农业的发展贯穿着农业技术的创新和进 步，农业技术在农业生产中的应用可以提高土地通常对一定数量 的资本和劳动的报酬率。农业科技的创新与进步不断加速，主要 是农业生产手段的改善（农业机械的普及与大量应用）。c受灾面积。从农业生产
4、的发展的条件来看，容易受自然条 件的影响而使其产出出现大幅波动。d化肥施用量。从生产实践来看，通过使用化肥、农药，有 效的控制杂草和病虫害，加上管理用水可以普遍提高农业产量。e支援农业生产支出和各项农业事业费。农业生产具有特殊 性，容易形成丰年产品过剩，影响农民的利益和以后年度农业生 产的发展；也可能因灾年造成农产品供给不足，影响人民生活和 生产的需要，甚至引起社会生活不稳定。加上农业部门本身很难 单独战胜自然条件的影响，如果没有政府的扶持难以确保整个农 业生产的稳定，也难以保证全社会对农产品的需要。这里我们采用计量经济学方法设定模型，对上述问题进行分 析。（-）建立模型（数据详见附表一）农业
5、总产值（亿元）一一V农作物播种面积（千公顷）一一X1农业机械总动力（亿瓦特）一一X2受灾面积（万公顷）一一x3化肥施用量（折纯）（万吨）x4支援农业生产支出和各项农业事业费（亿元）一一x5设定模型的函数形式为：Y = a + 卩、X + J32X2 + 3X3 + 卩g + 05%5 + U假定条件：1、 假定土地间不存在级差，产出只与面积大小有关，而忽略 肥沃程度、地形等因素2、 化肥施用积极有效且无差异3、 支援农业生产支出和各项农业事业费全部投入农业生产，未 被挪用、占用、滥用。（二）模型的参数估计、检验及修正1 模型的参数估计及其经济意义、统计推断的检验利用EVIEWS软件，用OLS方
6、法估计得：（见附表二）Y=-768.7345-0.056844*Xl+0.138000*X2-0.867809*X3+6.078066*X4-5.195073*X5（32260.95） （0.256631） （0.257850） （0.639340） （1.304628） （8.832377）(=0023829) (-0.221500) (0.535194) (-1.357351) (4.658849) (-0.588185)R =0.965928 尺=0.950441 F=62.36928 DW=0.820355可见,xl,x2,x3,x5的t值都不显著，且xl和x5的系数也不 符合经济意义
7、。因为从经济意义上讲，农业产值应随着农作物播 种面积和支援农业生产支出和各项农业事业费的增长而提高。另 外，修正可决系数为0.950441, F值为62.36928,较大，说明各 个解释变量对模型整体拟合较好。故我们对上述模型进行计量经 济学的检验，并进行修正，看是否能使模型方程得到改进。2.计量经济学检验(1)多重共线性检验用EVIEWS软件，得相关系数矩阵表：XlX2X3X4X5Xl10.8596260.360060.9190830.802588X20.859625610.3799550.9243890.989453X30.36006050.37995510.4182890.352909X
8、40.91908320.9243890.41828910.90734X50.80258840.9894530.3529090.907341由上表可以看出，解释变量xl与x2,xl与x4,xl与x5,x2与x4,x2与x5,x4与x5之间的相关系数都较大，可见存在严重的多 重共线性。在经济意义上，农作物播种面积，农业机械总动力， 化肥施用量，支援农业生产支出和各项农业事业费都和农业生产 密切相关，这使得他们之间的相关性很强。我们利用逐步回归法(变量剔除法)对多重共线性进行修正(见附表三、四、五人首先，由于x5不符合经济意义且对y影响较大(系数 -5.195073较大)，先将其剔除，得到如下方程：
9、(参见附表三)Y=-14070.39+0.057817*Xl-0.009795*X2-0.75568*X3 + 5.672190*X4(22311.66) (0.162294) (0.056269) (0.593394) (1.076603)t=(-0.628938) (0.356250) (-0.174076) (-1.273488) (5.268601)R =0.964856 R =0.953142 F=8236423 DW=0.696455由上方程可以看出x2的t值很小且不符合经济意义，将其剔除，得到方程如2 (参见 附表四)Y=-13763.42 + 0.055964*Xl - 075
10、4143*X3 + 5.548894*X4(21454.15) (0.155788) (0.570770) (0.779976)t=(-0.641527) (0.359232) (-1.321272) (7.114185)2 2R =0.964768 R =0.956637 F=118.6600 DW=0.691652方程中xl的t值小，对y的影响不显著，将其剔除，得如下方程：(参见附表五)Y= -6112.318 - 0.768110*X3 + 5.802991*X4(2497.748) (0.551447) (0.318304)t=(-2.446936) (-1382898) (18.23
11、0992)R =0.964418 尺=0.959335 F=189.7286 DW=0.686663此时，修正可决系数开始下降，且F值也有了一定的增加, 故不在删除变量，选择此模型为修正后的模型。可见，农业生产总值随受灾面积的增加而减少，随着化肥 施用量的增加而增加，与经济意义相符。但是x3的t值 (-1.382898)不是很显著。(2)异方差检验(ARCH检验)(具体数据见附表六)由拟合的数据可知，(n-p)新= 1.192787F0.05(3)=7.81 (其中n=17,p=3),故接受原假设，表明模型中随机误差项不存 在异方差。(3)自相关检验由附表五可知：d=0.686663,在显著水
12、平Q=0.05下,查表 n=17, k=2 时，d L =1.015, d U=1.536,由于 d=0.686663 d L =1.015,表明该模型中的误差序列存在一阶正自相关。用对数线性回归进行修正(参见附表七)LY =-6.171722 0.321884*LX3 + 2.217263*LX4(2.150854) (0.280452) (0.106972)t=(-2.869429) (-1.147733) (20.74754)新=0.973180 尺 2=o 969349 F=254.0023 DW=0.710457用迭代法进行修正得如下方程：(参见附表八)LY =-9.079497 0
13、.108141*LX3 + 2.345581*LX4(3.487206) (0.158202) (0.369920)t=(2.603659) (-0.683560) (6.340779)新=0.983198 尺 2=o 978997 F=234.0607 DW=1.301634 在显著水平&=0.05下,查表n=16, k，=2时,dL =0.982, d U=1.539,虽然DW值有明显提高，但由于d=1.301634 d L =1.539,表明该模型中的误差序列仍存在一阶正自相关。(3)模型的分析我们进行了一系列检验和修正后的最终结果如下：LY =-9.079497 0.108141 *L
14、X3 + 2.345581*LX4(3.487206) (0.158202) (0.369920)t=(2.603659) (-0.683560) (6.340779)新=0.983198 R =0.978997 F=234.0607 DW=1.301634 我们得出的经济模型的拟合程度较好(护=0.978997),总 体影响显著(F=234.0607),但在其他变量不变的条件下LX3的 影响不是很显著(t=0.683560), LX4在其他变量不变的条件下影 响显著(t=6.340779)(4)总结：我们的模型建立不成功，从现实来看，化肥施用量和受灾面 积并不是影响农业产值最主要的因素，而播
15、种面积、机械总动力 这些在实际影响中较为重要的因素却在检验和修正过程中被舍 弃，究其原因我们认为存在以下可能：首先，在建模时由于我们认识上的局限可能造成变量选择不 当；其次，可能存在模型设定误差；第三，设定的假定条件不合理。随着土地的重复使用，其边 际报酬率会递减；支援农业生产支出和各项农业事业费在现实屮 可能未全部投入农业生产中；第四，农业机械利用率不高，绝大多数仍采用传统的耕种方 式，所以造成该因素影响不显著；最后，由于可能存在统计数据不准确，而导致了我们赖以进 行参数估计的数字基础不具备可靠性。参考文献：中国统计年鉴国家计委、国家统计局、国家信息中心(中经网数据中心整理）走向现代农业一一
16、农业现代化与创新中国经济出版社 杨 戈著财政学西南财经大学出版社王国清 程谦主编附表 附表一XIX2X3X4X5年份农业总产值（亿元）农作物福种面积（琢J农业机械总动力（烦劇賀灾面积（万公顷）化肥施用量（折纯）万吨）支援农业生产支岀 和各项农业事业费（亿元）19873160. 5144957248364208. 61999.3134.1619883666. 91448662657550S7. 42141.5158.7419894100. 6146554280674699.12357.1197.1219904954. 314836328707.73847. 42590.3221.81991514
17、6. 414958629388.65547. 22805.1243.551992552814900830302.45133. 32930.2269.0419936605.114774131816.64882. 93151.93234219949169. 214824133802.55504. 33317.9399.7199511834.614987936118.14582.13593.7430.2199613539.815238132546.94692. 93827.9510.07199713852.515396942015.65342. 93980.7560.77199814241.9155
18、70645207.75014.54083.7626.02199914106.215637348996.14998.14124.3677.46200013873.615630052573.65468. 84146.4766.9200114462.815570855172.15221.54253.8917.96200214931.515463657929.94711.94339.41102.7200314870.115241560386.55450. 64411.61125.8注：化肥施用昱按有效成份100%计算。支援农业生产支出和各项农业事业费2000年及以前数据为财政决算数，2001年全国数拯
19、为预算执行数。附表二Dependent Variable: YMethod: Least SquaresDate: 11/24/04 Time: 10:34Sample: 1987 2003Included observations: 17VariableCoefficientStd. Errort- StatisticProb.-768.734532260.95-0.0238290.9314-0.0568440.256631-0.2215000.82880.1380000.2578500.5351940.6032-0.8678090.639340-1.3573510.20196.078066
20、1.3046284.6588490.0007-5.1950738.832377-0.5S81850.5683squared0.965928Mean dependent var9891.412Adjusted R-squared0.950441S.D. dependent var4683.244S.E. of regression1042.579Akaike info criterion17.00735Sum squared resid11956671Schwarz criterion17.30142Log likelihood-138.5624F-st atistic62.35928Durbi
21、n-Watson stat0.820355Prob(F-statistic)0.000000附表三Dependent Variable: Y Method: Least Squares Date: 11Z24/D4 Time: 14:38Sample: 1987 2003In eluded observatio ns: 17VariableCoefficientStd. Errort-St atisticProb.-14070.3922371.66-0.6289380.54120.0578170.1622940.3562500.7278-0.0097950.0562S9-0.1740760.8
22、647-0.7556800.593394-1.2734880.22705.6721901.0766035.2686010.0002squared0.964856Mean dependent var9891.412Adjusted squared0.953142S.D. dependent var4683.244S.E. of regression1013.769Akaike info criterion16.92067Sum squared resid12332721Schwarz criterion17.16573Log likelihood-138.8257F- statistic82.3
23、6423Durbin-Watson stat0.696455Prob(F-statistic)0.000000附表四Dependent Variable: Y Method: Least Squares Date: 11/2W4 Time: 14149Sample: 1987 2003Included observations: 17Va riableCoefficientStd. Errort-StatisticProb.C-13763.4221454.150.6415270.5323X10.0559640.1557880.3592320.7252X3-0.7541430.570770-1.
24、3212720.2092X45.5488940.7799767.1141850.0000R-squared0.964768Mean dependent var9891.412Adjusted squared0.956637S.D. dependent var4683.244S.E. of regression975.2264Akaike info criterion16.80554Sum squared resid12363864Schwarz criterion17.00159Log likelihood-138.8471F-slatistic118.6600Durbin-Wstscm st
25、 at0.691652Prob(F- statistic)0.000000附表五Dependent Variable: YMethod: Least Squares Date: 11/24/D4 Time: 10:53Sample: 1987 2003Included observations: 17VariableCoefficientStd. Errort-StatisticProb.C-6112.3182497.948-2.4469360.0282X3-0.7681100.551447-1.3928980.1854X45.8029910.31830418.230990.0000R-squ
26、ared0.964418Mean dependent var9891.412Adjusted R-squared0.959335S.D. dependent var4683.244S.E. of regression944.4044Akaike info criterion16.69777Sum squared resid12486596Schwarz criterion16.84481Log likelihood-138.9311F-statistic1897286Durbin-Watson stat0.686663Prob(F-statistic)0.000000附表六ARCH Test:
27、F-statistic0.310447 Probability0.817478ObsR-squared1.192787 Probability0 754735Test EquatiorrDependent Variable: RESIDA2Method: Least SquaresDate: 11/24AJ4 Time: 11:23Sample(adjusted): 1990 2003Included observations: 14 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb.C475793.44
28、67830.51.0170210.3331RESID2(-1)0.2690000.3052160.8813440.3988RESIDA2(-2)0.0852920.301335-0.2830470.7829RESIDA2(-3)0.1410330.3065220.4601080.6553R-squared0.085199Mean dependent var718736.9Adjusted R-squared-0.189241S.D. dependent var922148.7S.匚.of regression1005625.Akaike info criterion30.71507Sum sq
29、uared resid1.01E+13Schwarz criterion30.89766Log likelihood211.0055F-statistic0.310447DurbirkWatson stat1.860636Prob(F-statistic)0.817478附表七Dependent Variable: LY Method: Least Squares Date: 11/24/04 Time: 12:29Sample: 1987 2003Included observations: 17VariableCoefficie ntStd. Errort-StatisticProb.C-6.1717222.150854-2.8694
