1、 2023年中国各省区粮食产量的相关因素分析 摘 要：本研究通过应用计量经济学模型，对可能影响中国各省区粮食产量的几个主要因素进行回归分析，经研究发现粮食产量与播种面积、化肥施用量及农村居民家庭的人均出售粮食数量这三个因素有比拟高的联系。并且该结论可以用来引导我国采取关于制定与改善某些相关制度与经济结构的措施，科学有序的开展粮食生产，确保中国粮食平安。关键字:粮食产量 播种面积 化肥施用量 农村居民家庭一、引言粮食是人类赖以生存的物质根底，2023年是中国粮食产量获得胜利的一年。 我国是粮食产量大国，耕地面积世界排名第四，但人均耕地面积排到世界126 名。毫无疑问，未来中国的粮食问题非常严峻。
2、同时，可以预见，在中国23个省以及自治区、直辖市粮食产量的影响因素必定是有所差异的，那么在众多的影响因素中哪些是主要因素？哪些是次要因素？我们又该如何把握这些主要因素去开展中国粮食产业？为此研究各省市地区的粮食产量以及影响因素对我国粮食生产的下一步战略性规划和开展具有重要的开展意义。下面本研究将用计量经济学的方法对相关影响因素进行回归分析，以期发现主 要影响因素，为粮食产业结构调整以及相关政策的决定提供有利的依据。二、理论模型的设计及数据的搜集影响粮食总产量的因素很多，根据理论和经验分析，影响粮食生产Y)的 主要因素有：播种面积XI)、农业化肥施用量X2)、有效灌溉面积X3)、成 灾面积X4)
3、、农业机械总动力X5)和农村居民家庭平均每人出售粮食数量(X6)。 1.数据的收集表一 2023年我国各地区粮食总产量与相关因素资料地区总产量播种面积化肥施用量有效灌溉面积成灾面积农业机械总动力平均每人售出粮食单位万吨千顷万吨千公顷千公顷万千瓦公斤北京122209132112276130天津16231125344.7587.310河北317362863224548.83310151396山西1193328811012748912809.328内蒙古23885562177302712903033.902辽宁2036317014015375672248.1029吉林317145451831726.
4、56321452431黑龙江5571115032143875.97437363088上海122186122012104.56江苏3308531934138191933937455浙江7821254921450.61242777安徽3136662231935194855409680福建6731227121967.3021206133江西20533650137.18529933805527山东44267146475.4955105211629563河南55439860655508058510195540湖北2389412235023808973371447湖南2939488023627381404
5、4651245广东136125302371872183234582广西1430307323715238692768148海南188 186 46.243.8342554重庆1127 2259 91685186107188四川3292 6441 2482553850315585贵州877 3056 8611311146173056云南1674 4327 18415882136241185西藏94 170 42372237842陕西1195 3135 19612845362023210甘肃1015 2833 8512786631977205青海103 279 82515842177宁夏1225 8
6、52 3746456729395新疆1225 2048 16737216491643634注：资料来源：中国统计年鉴2023(1) 设粮食生产函数为lnY=0+1 lnX1+2lnX2+3lnX3+4lnX4+5lnX5+6lnX6(2) 用OLS估计模型Dependent Variable: LOG(Y)Method: Least SquaresDate: 10/10/12 Time: 16:14Sample: 1 31Includedobservations:31VariableCoefficientStd. Errort-StatisticProb.CLG(X1)LG(X2)LG(X3)
7、LG(X4)LG(X5)LG(X6)R-squaredMean dependent varAdjusted R-squaredS.E. of regressionAkaike info criterionSum squared residSchwarz criterionLog likelihoodF-statisticDurbin-Watson statProb(F-statistic)Y= 0.17 + 0.68X1 + 0.28X2 - 0.05X3 - 0.04X4 + 0.02X5 + R2 = F=105.80 R2较大说明具有很高的拟合程度，而且F (6, 24) = 3.84,
8、故认为粮食生产与上述解释变量间总体线性关系显著。进行t检验，t (24) = 2.064, X3、X4、X5 前的参数估计值未能通过t检验，而且X3、X4前的符号为负，不符合经济意义检验，故认为解释变量间存在多重共线性。(3)检验相关系数表二 相关系数表 lnX1lnX2lnX3lnX4lnX5lnX6lnX11lnX21lnX31lnX41lnX51lnX61由表中数据发现lnX1、lnX2、lnX3、lnX5彼此间都具比拟高的相关系数，证实存在多重共线性。(4)找出最简单的回归模型分别作lnY与lnX1，lnX2, lnX3, lnX4, lnX5, lnX6 间的回归：1) lnY=-0
9、.11+R2 = 422 2) lnYR2 = 0.8611 D.W=3) lnYR2 = 0.8720 D.W=2.20484) lnYR2 = 0.6620 D.W=5) lnY6) lnY R2 = 0.4293 D.W= 可见，不同地区的粮食产量受播种面积的影响最大，与经验相符合，因此选1为初始的回归模型。(5)逐步回归表三 逐步回归表 ClnX1lnX2lnX3lnX4lnX5lnX6RY=f(X1)402t值Y=f(X1, X2)486t值Y=f(X1, X2, X3)4701.9789t值Y=f(X1, X2, X4)547t值Y=f(X1, X2, X5)486t值Y=f(X1
10、, X2, X6)0.27585t值28讨论：Step1：在初始模型中引入X2，模型拟合优度提高，且参数符号合理，t (28) =2.048, , ,通过了 t 检验。D.W 检验中，DL，Du=,并且 ，说明不存在1阶序列相关性。Step2：引入X3,拟合优度有所下降，除此之外，t (27) =2.052,三个变量均不能通过t检验，去掉X3。Step3：引入X4，拟合优度提高，但均未通过t检验，去掉X4。Step4：引入X5，拟合度下降，并且未通过t检验，去掉X5。Step5：引入X6，拟合度提高，通过t检验，并且1.362.244-1.5,说明不存在1阶序列相关性。因此最终粮食生产函数应以
11、Y=f (X1, X2, X6)为最优，拟合结果如下：lnY= 采用怀特检验，记e2为对原始模型进行普通最小二乘法回归得到的残差平方项，将其与X1、X2、X6及其平方项与交叉项作辅助回归。表四 有交叉项White检验Variablecoefficientt-StatisticProbCLOG(X1)(LOG(X1)A2(LOG(X1)x(LOG(X2)(LOG(X1)x(LOG(X6)LOG(X2)(LOG(X2)A2(LOG(X2)x(LOG(X6)LOG(X6)(LOG(X6)A2R-squaredAdjusted R-squaredS.E. of regressionSum squared residLog likelihoodDurbin-Watson statMean dependent var varAkaike info criterionSchwarz criterionF-statisticProb(F-statistic)得到e2= -2.54 - 0.07 lnX1 + 0.49 lnX2 + 0.63 lnX6 + 0.05(lnX1)2 + 0.14(lnX2)2 -
