农业总产值及其影响因素的分析论文

中国农业总产值及其影响因素的分析

摘 要: 本文根据我国农业的现状，从计量经济学的角度来检验哪些因素对于农业总产值有显著的影响。根据计量经济学原理，本文在模型中引入了三个变量：有效灌溉面积、农业机械总动力、农用化肥施用折纯量，并收集了中国31个省2003年的各项指标数据，利用E-views软件对其计量模型进行了参数估计和检验，最后对所得的分析结果进行了经济意义的分析，并提出了一些相应的意见。研究发现，农用化肥施用折纯量因素对于农业生产总值有显著的正面影响，而有效灌溉面积、农业机械总动力对农业生产总值的影响不显著。

关键词：农业总产值；有效灌溉面积；农业机械总动力；农用化肥施用折纯量

一、引言

我国是传统的农业大国，农业自古以来就是我国的支柱产业，是我国国民经济的基础。我国的经济结构能否顺利调整，国民经济能否发展得更快、更好，在很大程度上取决于农业基础是否稳固。只有加强农业基础，确保农产品供给，才能顺利推进我国的工业和城镇的快速发展；只有加强农业基础建设，使农业发展、农民富裕、农村稳定，才能保持整个社会的长期稳定与可持续发展。但我国是一个生产力比较落后的国家，只有研究农业总产值主要受哪些因素影响，才能投入相应的对策，

.-

将基础产业发展上去。选此模型的目的就在于分析决定农业生产总值的主要影响因素以及其影响程度，从而对生产提出一些建设性意见。

二、文献综述

农业是我国国民经济的基础，直接影响到我国的粮食安全。学术界历来重视对三农问题的研究，并取得了一定的成果。如：林毅夫（1994）、黄少安（2005）等，从制度经济学角度研究了我国农业问题，他们认为农村的经济改革对我国农业总产出的增加起到了至关重要的作用。郝利等（2010）运用柯布道格拉斯生产函数，建立了农业科技进步贡献率测算模型，对北京市1990-2007年农业科技进步贡献率进行测算，得出的结论是北京市1990-2007年农业科技进步贡献率为78.32%。 在农业总产出方面的研究，也有很多学者运用计量经济学方法进行了分析。董梅生（2009）利用偏最小二乘回归分析方法对我国农业的投入产出进行了分析，认为我国农业产出主要受家庭经营费用支出、国家国家财政支农支出和化肥投入量的影响，受播种面积的影响不大；农林牧渔业从业人员数越多，农业产出反而越小。廖翼等（2011）利用时间序列数据建立多元线性回归模型，对1986-2008年洞庭湖区农业总产值进行了分析，结果表明：农业机械总动力、机耕面积和化肥施用量每增加1%，农业总产值将分别上升1.17%、0.83和0.40%，农作物播种面积对湖区农业生产的影响不显著。漆文萍（2005）采用多元回归方法，对江西省农业生产总值的影响因素进行分析，得出结论：1970-1998年间，江西农业生产中的科技含量偏低，农作物的播种面积对农业总产值的影

.

响最为显著，化肥施用量其次，而对农业生产和事业财政支持的影响最小。

从上述学者的研究来看，不同时期、不同地区以及不同角度下，农业生产总值的影响因素不尽相同，例如，在董梅生的研究中农业总产出受播种面积影响不大，而在漆文萍的研究中，农作物播种面积是影响农业总产出的最显著的变量。同时，在廖翼等人的研究中，农作物的播种面积却对洞庭湖区农业总产出的影响并不显著。因此，在本文的分析中，将多个变量引入模型，并通过各种检验方法研究农业总产值的影响因素。

三、实证过程及分析

1.理论依据

本文研究的是全国农业总产值与有效灌溉面积、农业机械总动力、农用化肥施用折纯量之间的关系，所以寻找了与农业有关的各种真实指标数据，用计量经济学的方法探讨农业生产总值的各种影响因素。 2.建立模型

根据以上的理论分析，运用计量经济学的方法，以农业总产值（Y）为被解释变量，有效灌溉面积(X1)、农业机械总动力(X2)、农用化肥施用折纯量(X3)、为解释变量，建立如下回归模型：

Yiβ0β1X1iβ2X2iβ3X3ii （试1）

试1中，Yi是第i年的农业总产值，X1i是第i年的有效灌溉面积，X2i是第i年的农业机械总动力，X3i是第i年的农用化肥施用折纯量，i为模型随机误差项。通过自变量系数β1、β2、β3，可以判断农业总产值与有效灌溉面积、农业机械总动力和农用化肥施用折纯量之间的线性关系。若β1>0,

.-

则农业总产值与有效灌溉面积成正相关，若β1<0,则农业总产值与有效灌溉面积成负相关，若β1=0，则农业总产值与有效灌溉面积无相关关系。农业总产值与农业机械总动力和农用化肥施用折纯量之间的相关关系判断同有效灌溉面积。随机扰动项i中代表对Y由影响但又未纳入模型的诸多因素的综合影响。例如：一些未被认识或尚不能肯定的一些未知因素，模型设定的误差以及变量的观测误差等等。 3.数据的来源

综合权衡数据可得性及其他相关因素的影响，本文将采用全国31个省2013年的截面数据对中国农业总产值及其影响因素进行了深入研究，农业总产值、有效灌溉面积、农业机械总动力、农用化肥施用折纯量等相关数据来源于国家统计局全国年度统计数据。 4.数据的收集及处理

为了研究农业总产值与有效灌溉面积、农业机械总动力、农用化肥施

用折纯量之间的关系，本文选取了全国31个省2013年的面板数据作为样本。其中，假设农业总产值（Y）为被解释变量，有效灌溉面积(X1)、农业机械总动力(X2)、农用化肥施用折纯量(X3)为解释变量，样本数据如下表所示：

表3—1 中国31个省的农业总产值及其影响因素数据

obs

1 2 3 4 5 6 7 8

Y

170.4100 217.1600 3473.270 932.1400 1328.070 1673.860 1261.680 2856.340

X1 153.0200 308.8700 4349.030 1382.790 2957.760 1407.840 1510.130 5342.120

X2 207.7200 5.1800 10762.72 3183.300 3430.570 2631.980 2730.040 4849.280

X3 12.78000 24.34000 331.0400 121.0200 202.4200 151.7600 216.7900 244.9600

.

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

172.2800 3167.780 1336.790 2003.260 1376.290 1072.800 4509.880 4202.300 2678.080 2726.750 2444.700 1868.300 485.4000 909.1800 2903.480 997.1200 1639.400 57.92000 1714.790 1104.470 138.3500 269.0000 1806.110

184.0900 3785.270 1409.390 4305.530 1122.420 1995.600 4729.030 4969.110 2791.410 3084.300 1770.760 1586.370 260.9300 675.1800 2616.0 926.9000 1660.270 239.2700 1209.940 1284.080 186.9000 498.5600 4769.0

113.1700 4405.620 2462.200 6140.280 1336.760 2014.130 12739.83 11149.96 4081.050 33.990 25.0 3382.980 502.1000 1198.880 3953.090 2240.800 3070.330 517.3000 2452.720 2418.460 410.5800 801.9800 2165.860

10.78000 326.8300 92.43000 338.4000 120.5700 141.5800 472.6600 696.3700 351.9300 248.1900 243.9100 255.7000 47.57000 96.000 251.1400 97.42000 219.0200 5.700000 241.7300 94.71000 9.800000 40.44000 203.2200

注：资料来源：国家统计局 Y：农业总产值（单位：亿元）

X1：有效灌溉面积（单位：千公顷） X2：农业机械总动力（单位：万千瓦） X3：农用化肥施用折纯量（单位：万吨）

5.变量间相关关系分析

（1）计算相关系数，如表3—2：

（2）表3—2 中国农业总产值及其影响因素相关系数矩阵

Y X1 X2 X3

Y 1.000000 0.72 0.3869 0.919006

X1 0.72 1.000000 0.804146 0.816556

X2 0.3869 0.804146 1.000000 0.877528

X3 0.919006 0.816556 0.877528 1.000000

从表2中看出，农业总产值（Y）与有效灌溉面积（X1）的相关系数

.-

为0.72，呈高度正相关，与农业机械总动力(X2)相关系数为0.3869，呈高度正相关，与农用化肥施用折纯量(X3)的相关系数为0.3869，呈高度正相关。 （3）绘图

14,00012,00010,0008,0006,0004,0002,0000510X115X220X325Y30 图3—1 Y与X1、X2、X3的线图

从图中可以看出，农业总产值及其影响因素的差异明显，其变动的方向基本相同，相互间可能具有一定的相关系。

5,0005,0004,0004,0003,000YY3,0002,0002,0001,0001,000001,0002,0003,000X14,0005,0006,000004,0008,000X212,00016,000 .

5,0004,0003,000Y2,0001,00000200400X3600800 图3—2 Y与X1、X2、X3的散点图

从以上三个散点图中可以看出，大多数散点均匀分布在直线的两侧，说明农业总产值（Y）与有效灌溉面积(X1)、农业机械总动力(X2)、农用化肥施用折纯量(X3)之间近似于线性关系。

6.模型的参数估计

Method: Least Squares

Date: 06/24/15 Time: 21:03 Sample: 1 31 Included observations: 31

Variable Coefficient C 220.7614 X1 0.175263 X2 0.110792 X3 3.724238 .-

Std. Error 124.4694 0.084105 0.052506 1.118091

t-Statistic 1.773619 2.083858 2.110101 3.3300 Prob. 0.0874 0.0468 0.0443 0.0025

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic

Prob(F-statistic)

F 0.4734 Mean dependent var 0.883038 S.D. dependent var 411.5873 Akaike info criterion 4573910. Schwarz criterion -228.46 Hannan-Quinn criter. 76.49777 Durbin-Watson stat 0.000000 1661.205

1203.481 14.99783 15.18286 15.05815 2.267030

图3—3 Y与X1、X2、X3的回归分析结果

运用最小二乘估计法对模型进行估计，如图3—3，则回归结果为：

ˆ220.76140.175263X0.110792X3.724238X Yi123S.E(124.4694)(0.084105)(0.052506)(1.118091) t (1.773619)(2.083858)(2.110101)(3.3300)

R20.4734 R20.883038 F=76.49777 DW=2.267030 n=31 该模型中，可决系数R2=0.4734,修正可决系数R2=0.883038,这说明模型对样本的拟合很好，参数t检验均显著，F检验也显著，解释变量参数估计检验通过，各变量参数均为正值，说明模型的多重共线性比较弱，不需要修正。但由于各地区的环境存在着差异，农业总产值也不同，这种差异使得模型很容易产生异方差，从而影响模型的估计和应用。为此，需对模型是否存在异方差进行检验。 7.模型的检验 （1）异方差 ①异方差的检验 a.残差图形分析

.

900,000800,000700,000600,000500,000E2900,000800,000700,000600,000500,000E2400,000300,000200,000100,000001,0002,0003,000X14,0005,0006,000400,000300,000200,000100,000004,0008,000X212,00016,000 900,000800,000700,000600,000500,000E2400,000300,000200,000100,00000200400X3600800 图3—4 E2与Xi（i=1,2,3）的散点图

从图中看出，残差平方E2随Xi的增加而增加，表明i可能存在异方差，但由于图形分析对异方差性的判断比较粗糙，仅靠图形判断很难确定是否存在异方差，因此是否确实存在异方差还应通过进一步的检验。

.-

b.White检验

F-statistic

Obs*R-squared Scaled explained SS

Test Equation: Dependent Variable: RESID^2 Method: Least Squares

Date: 06/24/15 Time: 22:40 Sample: 1 31

Included observations: 31

Variable C X1 X1^2 X1*X2 X1*X3 X2 X2^2 X2*X3 X3 X3^2

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic

Prob(F-statistic)

3.591375 Prob. F(9,21)

18.79124 Prob. Chi-Square(9) 14.94045 Prob. Chi-Square(9)

Coefficient Std. Error t-Statistic 22653.21 74650.51 0.303457 105.9626 229.37 0.462003 -0.09 0.037311 -2.4000 0.035884 0.045393 0.790531 1.595706 0.985716 1.618829 -78.72186 126.9909 -0.619902 -0.026370 0.013960 -1.80 0.670058 0.575600 1.1104 725.5308 1394.214 0.520387 -14.251 7.219043 -1.975181 0.606169 Mean dependent var 0.437384 S.D. dependent var 162880.5 Akaike info criterion 5.57E+11 Schwarz criterion -409.9743 Hannan-Quinn criter. 3.591375 Durbin-Watson stat 0.007539 0.0075

0.0270 0.0926 Prob. 0.75 0.88 0.0257 0.4381 0.1204 0.20 0.0728 0.2574 0.6082 0.0615 1475.5 217151.7 27.09512 27.55769 27.24591 2.208639 图3—5 white检验结果

从图中可以看出，nR218.79124,由White检验，在α=0.05下，查χ分布表，得临界值χ0.052(9)16.9190，比较计算的χ2统计量与临界值，因为

nR218.79124>χ0.05(9)16.9190，所以拒绝原假设，不拒绝备择假设，表明

2模型存在异方差。 ②异方差的修正

运用加权最小二乘法对模型的异方差进行修正，将权数取为w=1/ee^2,对模型进行参数估计，得到下图3—6，从图中知，运用加权最小二乘法消除了异方差后，参数t检验均显著，F检验也显著。

.

Method: Least Squares Date: 06/24/15 Time: 23:13 Sample: 1 31 Included observations: 31 Weighting series: 1/EE^2

Variable Coefficient Std. Error t-Statistic C 209.16 3.596370 58.166 X1 0.157235 0.0341 4.539015 X2 0.132225 0.010062 13.14117 X3 3.550598 0.141710 25.051 Weighted Statistics R-squared 0.999687 Mean dependent var Adjusted R-squared 0.999652 S.D. dependent var S.E. of regression 2.275971 Akaike info criterion Sum squared resid 139.8612 Schwarz criterion Log likelihood -67.34037 Hannan-Quinn criter. F-statistic 28734.73 Durbin-Watson stat Prob(F-statistic) 0.000000

Unweighted Statistics

R-squared 0.3932 Mean dependent var Adjusted R-squared 0.882147 S.D. dependent var S.E. of regression 413.1517 Sum squared resid Durbin-Watson stat 2.223261

Prob. 0.0000 0.0001 0.0000 0.0000 992.3950 5188.937 4.602605 4.787635 4.662920 1.806726

1661.205 1203.481 4608747.

图3—6 用权数w的估计结果

（2）自相关 ①自相关的检验

.-

EE1,0007505002500-250-500-750-1,00051015202530 图3—7 残差图

图中，残差的变动连续为正和连续为负，表明残差项可能存在着一阶正自相关。由于图形分析比较粗糙，故用BG检验作自相关检验。如下图3—8，TR222.78081,其p值为0,表明存在自相关。

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 34.575 Prob. F(2,25)

Obs*R-squared 22.78081 Prob. Chi-Square(2)

Test Equation: Dependent Variable: RESID Method: Least Squares Date: 06/25/15 Time: 18:04 Sample: 1 31 Included observations: 31 Presample missing value lagged residuals set to zero. Weight series: 1/EE^2

Variable Coefficient Std. Error t-Statistic C 72.61083 9.024447 8.046014 X1 -0.163933 0.032609 -5.027235 X2 0.024906 0.010444 2.384809 X3 0.956530 0.139035 6.879776 RESID(-1) -0.068293 0.010052 -6.794224 RESID(-2) -0.112240 0.013571 -8.270310

Weighted Statistics R-squared 0.734865 Mean dependent var 0.0000 0.0000

Prob. 0.0000 0.0000 0.0250 0.0000 0.0000 0.0000 0.323183

.

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic

Prob(F-statistic)

0.681838 S.D. dependent var 1.217902 Akaike info criterion 37.08213 Schwarz criterion -46.763 Hannan-Quinn criter. 13.85830 Durbin-Watson stat 0.000002 2.134036

3.404122 3.681668 3.494595 2.2425 图3—8 BG检验结果

②自相关的修正

Dependent Variable: Y Method: Least Squares Date: 06/25/15 Time: 22:06 Sample (adjusted): 2 31 Included observations: 30 after adjustments Convergence achieved after 12 iterations

Variable Coefficient Std. Error t-Statistic C 235.7052 123.38 1.906324 X1 0.160506 0.0078 1.801859 X2 0.092365 0.053715 1.719533 X3 4.157703 1.127921 3.686166 AR(1) -0.186258 0.202833 -0.918286 R-squared 0.2417 Mean dependent var Adjusted R-squared 0.875204 S.D. dependent var S.E. of regression 420.8333 Akaike info criterion Sum squared resid 4427516. Schwarz criterion Log likelihood -221.1004 Hannan-Quinn criter. F-statistic 51.84474 Durbin-Watson stat Prob(F-statistic) 0.000000

.-

Prob. 0.0682 0.0836 0.0979 0.0011 0.3672 1710.8 1191.268 15.07336 15.30690 15.14807 1.9833

Inverted AR Roots

-.19

图3—9 科克伦-奥克特法估计结果

使用科克伦-奥克特迭代法作广义差分法回归，得到如图3—9所示结果，图中DW=1.9833,可以判断，du=1.650，duDW4du，说明在5%的显著水平下广义差分后已无自相关。 所以最终的回归方程为：

ˆ235.70520.160506X0.092365X4.157703X Y123S.E(123.38)(0.0078)(0.053715)(1.127921) t (1.906324)(1.801859)(1.719533) (3.686166) （3） 经济意义检验

模型估计结果说明，在假定其他变量不变的情况下，有效灌溉面积每增加1千公顷，平均说来农业总产值将增长0.160506亿元；农用机械总动力每增加1万千瓦，平均说来农业总产值将增长0.092365亿元；当农用化肥施用折纯量增加1万吨时，平均说来农业总产值将增加4.157703亿元。这与理论分析与经验判断相一致。

（4）拟合优度：由图3—9可以得到R20.2417，修正的可决系数

R20.875204，说明模型对样本的拟合很好。 （5）F检验

针对H0:β1β2β30,给定显著水平α=0.05，在F分布表中查得

Fα(3,27)3.34,由于F=51.84474>3.34，应拒绝原假设H0，说明回归方程显

.

著，即有效灌溉面积、农用机械总动力、农用化肥施用折纯量等变量联合起来确实对农业总产值有显著影响。 （6）t检验

针对H0:β1β2β30,给定显著水平α=0.05，在t分布表中查得临界值

t0.025(27)2.052，当在其他解释变量不变的时候，农用化肥施用折纯量对

被解释变量农业总产值有显著的影响，而有效灌溉面积、农用机械总动力对被解释变量农业总产值没有有显著的影响。 8.模型的预测

Mean

Median Maximum Minimum Std. Dev. Skewness Kurtosis

Jarque-Bera Probability

Sum

Sum Sq. Dev.

Observations

X1 2047.526 1510.130 5342.120 153.0200 1631.598 0.657700 2.152167

3.163420 0.205623

63473.30 79863336

31

X2 3351.831 25.0 12739.83 113.1700 3146.262 1.678315 5.319095

21.50000 0.000021

103906.8 2.97E+08

31

X3 190.7048 202.4200 696.3700 5.700000 152.1423 1.218146 5.1443

13.60773 0.001109

5911.850 694418.7

31

Y 1661.205 1376.290 4509.880 57.92000 1203.481 0.623441 2.6858

2.135615 0.343761

51497.36 43451012

31

图3—10 统计描述

由图中信息可以看出，当平均有效灌溉面积达到2047.526千公顷，平均农用机械总动力达到3351.831万千瓦，平均农用化肥施用折纯量达到190.7048万吨时，农业总产值平均有1661.205亿元。

五、结论与建议

.-

通过理论和多层次实证分析，用化肥施用折纯量因素对于农业生产总值有显著的正面影响，而有效灌溉面积、农业机械总动力对农业生产总值的影响不显著但也存在着一定的影响。

从模型的结果中我们可以看出， 有效灌溉面积与农业总产值之间没有很强的相关性，这说明有效灌溉面积对农业总产值的影响并不明显。

化肥施用折纯量对农业总产值的影响是很大的，化肥的采用的确可以在短期内大幅度的提高总产值，但是化肥对土地的和生态环境的破坏也是有目共睹的。从长远来看，如果考不断地增加化肥的施用量来提高农业总产值是不合理的，也是不符合可持续发展的要求的。今后我国农业总产值的增长还是应该多在提高资源的利用效率上下功夫，只有这样才能以较小的成本获得较大的效益。

农业机械总动力虽然对农业总产值影响不是很显著，这是由于我国还未完全实现机械自动化和科技农业，所以像“农业机械总动力”这类的解释变量对农业总产值的影响不显著。我国的农业生产力水平仍然落后，就劳动工具而言，我国农村使用的大多是原始的手工工具，普遍存在的还是人力播种，人力收割。因此，我国应大力推广农业机械化，才能改变生产力落后状态，使农业生产上一个新的台阶。

参考文献

.

1.林毅夫.关于制度变迁的经济学理论：诱致性变迁与强制性变迁.财产权利与制度变迁[M].：上海三联书店.上海人民出版社.1994.

2.黄少安.中国土地产权制度对农业经济增长的影响—对1949-1978年中国农业生产效率的实证分析[J].中国社会科学.2005.03.

3.郝利.1990-2007年北京市农业科技进步贡献率的测算[J].农业技术经济.2010.03 4.董梅生.中国农业投入和产出的关系—基于偏最小二乘回归法的分析[J].技术经济.2009.01.

5.廖翼，周发明.洞庭湖区农业总产值影响因素的实证分析[J].湖南农业大学学报.2011.04.

6.漆文萍.农业总产值指数影响因素的模型分析—以江西省为例[J].南昌大学学报.人文社会科学版.2008.07.25.

.-