| 标题 | 我国粮食产量影响因素实证分析 |
| 范文 | 李晶 张碧云 摘 要 本文基于1990—2015年我国粮食产量影响因素的相关时间序列数据，通过Eviews软件建立多元线性回归模型，对我国粮食产量变化原因进行分析，并对数据和模型进行多重共线性检验及修正，异方差的检验及修正以及自相关检验及修正，从而得出各个影响因素对粮食产量的影响程度。 关键词 粮食产量 多元线性回归 逐步回归 一、建立回归模型 本文以粮食产量作为被解释变量（Y），以粮食播种面积（X1）、成灾面积（X2）、农业机械总动力（X3）、有效灌溉面积（X4）4个变量作为自变量，建立如下模型： Y=β0+β1x1+β2x2+β3x3+β4x4+μ 模型回归结果： =-38769.32+0.5437X1-0.0822 X2+0.0688 X3+0.4922 X4 t=（-2.6405） （6.6951） （-1.7236） （0.8210） （1.2306） R2=0.9638 =0.9569 F=139.8381 n=26 二、多重共线性的检验及修正 （一）多重共线性的检验 通过Eviews软件检验，解释变量的相关系数较高，确实存在多重共线性。 （二）多重共线性的修正 采用逐步回归法，经过连续三次采用逐步回归，最终保留X1，X2，X4，剔除X3，回归结果为： =47806.94+0.5060X1-0.0969X2+0.8164X4 t=（-4.9573） （7.6055） （-2.2095） （13.1539） R2=0.9627 =0.9576 F=189.0271 DW=0.7307 三、异方差的检验 选用White检验，构造辅助函数： 经计算出现White检验结果，得到nR2=12.1985，由White检验可知，在显著性水平α=0.05情况下，不存在异方差。 四、自相關的检验及修正 （一）自相关的检验 根据修正多重共线性影响后的回归方程可以看出，可决系数较高，回归系数均显著。在显著性水平为α=0.05，说明该模型存在自相关。 （二）自相关的修正 采用广义差分法修正自相关，回归方程为： *=-17013.03+0.5544X1t*-0.1408X2t*+0.6610X4t* t=（-4.1025） （6.5793） （-4.1613） （7.3603） R2=0.9297 =0.9196 F=92.5104 DW=1.9594 其中： Yt*=Yt-0.6064Yt-1，X1t*=X1t-0.6064X1t-1，X2t*=X2t-0.6064X2t-1，X4t*=X4t-0.6064X4t-1。 由差分方程式得：==-43224.1616，我国粮食产量模型为：Y=-43224.1616+0.5544X1-0.1408X2+0.6610X4。 五、结语 从回归结果可以看到，在假定其他变量不变的情况下，当我国的种植面积每增长1000公顷，我国粮食产量就会增加0.5544万吨，当我国成灾面积每增加1000公顷，我国粮食产量就会减少0.1408万吨，当有效灌溉面积每增长1000公顷，我国粮食面积就会增加0.6610万吨。 （作者单位为华北理工大学经济学院） 参考文献 [1] 焦宇航，王红梅.粮食产量影响因素分析[J].湖北农业科学，2016，55（07）：1873-1879. [2] 王珺鑫.粮食产量影响因素的实证分析[J].中州大学学报，2018，35（03）：37-41. [3] 李秀芝，褚鹏.中国粮食产量应先和因素分析[J].林业勘察设计，2018（01）：87-90. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。