影響我國糧食產(chǎn)量的因素分析

1、-影響我國糧食產(chǎn)量的因素分析摘要:通過時1990一2021年間我國糧食產(chǎn)量的分析,在影響我國糧食產(chǎn)量的諸多原因中選出了3個主要影響因素,建立了多元線性回歸模型，利用模型對糧食產(chǎn)量情況進展多元線性回歸分析,研究了這些影響因素對糧食產(chǎn)量的影響與作用,最后,在此根底上提出了提高我國糧食產(chǎn)量的對策建議.關(guān)鍵詞:糧食產(chǎn)量;影響因素;回歸分析;建議一、研究意義糧食平安問題是一個關(guān)系到國計民生的重要戰(zhàn)略問題! 它影響到經(jīng)濟的開展" 人民生活質(zhì)量的提高和社會的穩(wěn)定*盡管我國糧食總體上雖然保持了較高的自給率! 但大豆進口量近年來持續(xù)快速增長! 目前我國超過70%的大豆依賴進口 ! 而其中30%以上進口

2、自美國$當(dāng)前的形勢提醒我們! 必須進一步加強對糧食平安問題的重視$ 而對我國這樣一個人口眾多的農(nóng)業(yè)大國來說! 糧食供給必須首先立足于國生產(chǎn)$ 隨著我國糧食需求日益增長! 以及城市化和工業(yè)化的加速推進! 大量資源不斷流向城市! 農(nóng)業(yè)可耕地面積日益萎縮! 使得糧食生產(chǎn)面臨較為嚴峻的形勢$ 糧食生產(chǎn)問題如果解決不好! 就會給我國的經(jīng)濟開展和社會穩(wěn)定帶來制約和沖擊糧食是人民生存之本、經(jīng)濟開展之柱，對穩(wěn)定社會、經(jīng)濟具有重要的作用。糧食問題是一個關(guān)系到國計民生的重要戰(zhàn)略問題，它更影響到經(jīng)濟的開展和社會的穩(wěn)定。中國是世界上的農(nóng)業(yè)大國，同時又是一個農(nóng)業(yè)相對落后的國家。近幾年世界糧食價格的大圍浮動，應(yīng)該引起我們

3、的注意，大起大落更使我們重新審視起糧食生產(chǎn)的重要性。同時只有抓住了影響糧食產(chǎn)量的主要因素，改府才能正確的做出舉措來將糧食生產(chǎn)引向安康合理的開展路線并且實現(xiàn)農(nóng)業(yè)的現(xiàn)代化。二、文獻回憶影響糧食產(chǎn)量的因素很多,我國學(xué)者從不同角度研究了糧食生產(chǎn)問題.于法穩(wěn)選擇有效灌溉面積、化肥施用量、農(nóng)業(yè)機械總動力、糧食播種面積和受災(zāi)面積等5個指標(biāo)作為影響糧食生產(chǎn)的因素,并采用灰色關(guān)聯(lián)分析的方法對這5個因素進展了分析,指出有效灌溉面積、農(nóng)機總動力和糧食播種面積是影響糧食生產(chǎn)的3個最主要因素;肖海峰將影響糧食綜合生產(chǎn)能力的影響因素選擇為糧食播種面積、其他物質(zhì)費用、成災(zāi)面積、勞動力和化肥費用,通過柯布一道格拉斯生產(chǎn)函數(shù)證

4、實了糧食播種面積是影響糧食產(chǎn)量最重要的因素;熊華等人應(yīng)用灰色關(guān)聯(lián)分析和C一D生產(chǎn)函數(shù)相結(jié)合的分析方法證實了化肥施用量、糧食作物播種面積和有效灌溉面積均對糧食生產(chǎn)具有重要影響;此外,*inagL采用粗糙集理論,建平、Yunzhang和WuY等人運用灰色關(guān)聯(lián)分析與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法,在對影響糧食產(chǎn)量的因素中又加人了農(nóng)村用電量、地膜覆蓋面積、水電建立投資和支農(nóng)支出等因素,從多種角度驗證了這些影響因素對糧食產(chǎn)量的重要性。應(yīng)該說前人在關(guān)于影響糧食產(chǎn)量的因素這個問題上做得研究已經(jīng)很多而且很深，每一位學(xué)者對于影響糧食產(chǎn)量的因素都有自己獨到的見解。本文將各位學(xué)者認為的影響因素綜合起來，采用最小二乘法進展

5、分析，試圖在綜合了各位學(xué)者的研究成果后，找出更具有代表性的，更準確的影響因素。三、理論的框架我國以往的關(guān)于糧食產(chǎn)量的不同計量模型，雖然結(jié)論有所差異，但細究起來，影響和制約糧食產(chǎn)量的主要因素為：化肥施用量萬噸；有效灌溉面積千公頃；農(nóng)村用電量(億千瓦時)；糧食作物播種面積；農(nóng)用機械總動力(萬千瓦)；成災(zāi)面積(千公頃；水電建立投資額萬元等。目前我國糧食生產(chǎn)的影響因素日益明朗化，隨著科技的開展，化肥的施用量，以及農(nóng)業(yè)機械總動力的普及使用必然會對糧食的產(chǎn)量產(chǎn)生積極影響；有效灌溉面積和建立投資的增加也會使糧食產(chǎn)量增加；同時不能忽略自然和認為因素造成的災(zāi)情。所以綜合了前人的研究成果，選取的因變量分別為化肥施

6、用量萬噸；有效灌溉面積千公頃；農(nóng)村用電量(億千瓦時)；糧食作物播種面積；農(nóng)用機械總動力(萬千瓦)；成災(zāi)面積(千公頃；水電建立投資額萬元。通過查閱2021年的中國統(tǒng)計年鑒，最終搜集整理了從1990年到2021年的糧食總產(chǎn)量、化肥施用量萬噸；有效灌溉面積千公頃；農(nóng)村用電量(億千瓦時)；糧食作物播種面積；農(nóng)用機械總動力(萬千瓦)；成災(zāi)面積(千公頃；水電建立投資額萬元的數(shù)據(jù)。數(shù)據(jù)資料均來源于?中國統(tǒng)計年鑒?。年份糧食萬噸化肥施用量萬噸有效灌溉面積千公頃農(nóng)村用電量(億千瓦時)糧食作物播種面積千公頃農(nóng)用機械總動力(萬千瓦)成災(zāi)面積(千公頃水電建立投資額萬元199044624.32590.347403.18

7、44.511346628707.717819348848199143529.32805.147822.1963.211231429388.627814476529199244265.82930.248590.11106.911056030308.425893594081199345648.83151.948727.91244.911050931816.623134792747199444510.13317.948759.11473.910954433802.5313821020937199546661.83593.749281.21655.711006036118.12226813216891

8、99650453.53827.950381.41812.711254838546.9212341442828199749417.13980.751238.51980.111291242021 .6303071452004199851229.54083.752295.62042.211378745207.7251811585787199950838.64124.353158.42173.411316148996.1267341833853200046217.54146.453820.32421.310846352573.6343742220993200145263.74253.854249.42

9、610.810608055172.1317932133741200245705.84339.454354.92993.410389157929.9271602393195200343069.54411.654014.23432.99941060386.5325163006249200446946.94636.654478.43933.010160664027.9162973762995200548402.24766.255029.34375.710427868397.8199664343826200649804.24927.755750.54895.810495872522.124632460

10、4296200750160.35107.856518.35509.910563876589.6250645117926202152870.95239.058471.75713.210679382190.4222834568884202153082.15404.459261.46104.410898687496.1212344563240202154647.75561.760347.76632.310987692780.5185384398453202157120.85704.261681.67139.611057397734.7124414243988202158958.05838.86303

11、6.47508.5111205102559.03671548基于以上數(shù)據(jù)建立模型為：y=B0+B1*1+B2*2+B3*3+B4*4+B5*5+B6*6+B7*7+U其中y代表全國糧食產(chǎn)量萬噸，*1代表化肥施用量萬噸，*2代表有效灌溉面積千公頃，*3代表農(nóng)村用電量(億千瓦時) ，*4代表糧食作物播種面積千公頃，*5代表農(nóng)用機械總動力(萬千瓦) ，*6代表成災(zāi)面積(千公頃，*7代表水電建立投資額萬元，u代表隨機誤差項。四、數(shù)據(jù)分析統(tǒng)計描述1.用最小二乘法對數(shù)據(jù)進展回歸用OLS法估計模型，利用Stata軟件回歸，結(jié)果如表二所示表二 Stata軟件回歸結(jié)果 Source | SS df MS Num

12、ber of obs = 22-+- F( 7, 14) = 180.07 Model | 310989892 7 44427127.4 Prob> F = 0.0000 Residual | 3454029.8 14 246716.414 R-squared = 0.9890-+- Adj R-squared = 0.9835 Total | 314443921 21 14973520.1 Root MSE = 496.71-y | Coef. Std. Err. t P>|t| 95% Conf. Interval-+- *1 | 4.390838 .8990985 4.88

13、0.000 2.462464 6.319213 *2 | 1.096818 .5223734 2.10 0.054 -.0235615 2.217197 *3 | 2.132321 .8610323 2.48 0.027 .2855907 3.979052 *4 | .5264878 .0471756 11.16 0.000 .4253061 .6276695 *5 | -.4503675 .1596835 -2.82 0.014 -.7928545 -.1078804 *6 | -.1472115 .027 -5.45 0.000 -.2051207 -.0893024 *7 | .0004

14、409 .0004026 1.09 0.292 -.0004227 .0013044 _cons | -65129.16 17722.32 -3.67 0.002 -103139.8 -27118.56-利用Stata最小二乘估計結(jié)果如下：Y=-65129.16+4.390838*12模型檢驗1經(jīng)濟意義檢驗根據(jù)結(jié)果分析，除*5外其他解釋變量前的參數(shù)均通過了經(jīng)濟意義檢驗；模型中*5代表農(nóng)用機械總動力，從經(jīng)濟行為上來看，農(nóng)用機械總動力越高，糧食產(chǎn)量應(yīng)該越高。顯然此處存在經(jīng)濟意義上的矛盾，由此可以推出解釋變量間存在多重共線性。2統(tǒng)計意義檢驗?zāi)Ｐ偷呐卸ㄏ禂?shù)R2=0.9890，調(diào)整過的判定系數(shù)=0.98

15、35，說明模型的整體擬合優(yōu)度非常高，解釋變量對被解釋變量的解釋程度很高，因此，可以推測模型總體線性關(guān)系成立。但在5%的顯著性水平，*2有效灌溉面積前參數(shù)估計值沒有通過t檢驗，即結(jié)解釋變量*2對被解釋變量沒有顯著影響，其他6個解釋變量均對被解釋變量有顯著影響。3計量經(jīng)濟學(xué)檢驗1>多重共線性檢驗檢驗簡單相關(guān)系數(shù)*1*2*3*4*5*6*7的相關(guān)系數(shù)如下表. pwcorr *1 *2 *3 *4 *5 *6 *7 | *1 *2 *3 *4 *5 *6 *7-+-*1 | 1.0000 *2 | 0.9765 1.0000 *3 | 0.9604 0.9708 1.0000 *4 | -0.3

16、488 -0.2757 -0.3012 1.0000 *5 | 0.9749 0.9902 0.9927 -0.3241 1.0000 *6 | -0.3297 -0.3518 -0.4644 -0.1062 -0.4088 1.0000 *7 | 0.9217 0.8681 0.9129 -0.5352 0.9096 -0.3530 1.0000由表中數(shù)據(jù)發(fā)現(xiàn)，*1 *2 *3 *5 *7存在高度相關(guān)性另外，也可以利用方差擴大因子法檢驗多重共線性. estatvif Variable | VIF 1/VIF -+- *5 | 1030.90 0.000970 *2 | 402.33 0.00

17、2486 *3 | 249.84 0.004003 *1 | 56.26 0.017776 *7 | 35.62 0.028075 *4 | 3.08 0.324680 *6 | 1.97 0.506396-+- Mean VIF | 254.29由此可以看出解釋變量*5與其他解釋變量存在高度的線性相關(guān)性找出最簡單的回歸形式分別作Y與*1 *2 *3 *4 *5 *6 *7之間的回歸：1>. regress y *1 Source | SS df MS Number of obs = 23-+- F( 1, 21) = 36.92 Model | 268589257 1 26858925

18、7 Prob> F = 0.0000 Residual | 152782257 21 7275345.59 R-squared = 0.6374-+- Adj R-squared = 0.6202 Total | 421371515 22 19153250.7 Root MSE = 2697.3-y | Coef. Std. Err. t P>|t| 95% Conf. Interval-+- *1 | 3.695517 .6082159 6.08 0.000 2.430663 4.960372 _cons | 32979.17 2671.068 12.35 0.000 27424

19、.38 38533.96-2>. regress y *2 Source | SS df MS Number of obs = 23-+- F( 1, 21) = 42 Model | 280904599 1 280904599 Prob> F = 0.0000 Residual | 140466916 21 6688900.75 R-squared = 0.6666-+- Adj R-squared = 0.6508 Total | 421371515 22 19153250.7 Root MSE = 2586.3-y | Coef. Std. Err. t P>|t| 9

20、5% Conf. Interval-+- *2 | .7884354 .1216646 6.48 0.000 .5354201 1.041451 _cons | 6383.302 6574.434 0.97 0.343 -7288.982 20055.59-3.>regress y *3 Source | SS df MS Number of obs = 23-+- F( 1, 21) = 38.31 Model | 272173219 1 272173219 Prob> F = 0.0000 Residual | 149198296 21 7104680.74 R-squared

21、 = 0.6459-+- Adj R-squared = 0.6291 Total | 421371515 22 19153250.7 Root MSE = 2665.5-y | Coef. Std. Err. t P>|t| 95% Conf. Interval-+- *3 | 1.644425 .265683 6.19 0.000 1.091907 2.196943 _cons | 43227.34 1064.234 40.62 0.000 41014.14 45440.53-4.>regress y *4 Source | SS df MS Number of obs = 2

22、3-+- F( 1, 21) = 1.44 Model | 27116041.4 1 27116041.4 Prob> F = 0.2428 Residual | 394255473 21 18774070.2 R-squared = 0.0644-+- Adj R-squared = 0.0198 Total | 421371515 22 19153250.7 Root MSE = 4332.9-y | Coef. Std. Err. t P>|t| 95% Conf. Interval-+- *4 | .2791902 .2323091 1.20 0.243 -.203923

23、.7623033 _cons | 18490.46 25273.38 0.73 0.472 -34068.42 71049.33-5.>. regress y *5 Source | SS df MS Number of obs = 23-+- F( 1, 21) = 35.61 Model | 265055325 1 265055325 Prob> F = 0.0000 Residual | 156316190 21 7443628.11 R-squared = 0.6290-+- Adj R-squared = 0.6114 Total | 421371515 22 19153

24、250.7 Root MSE = 2728.3-y | Coef. Std. Err. t P>|t| 95% Conf. Interval-+- *5 | .1483408 .0248591 5.97 0.000 .0966435 .200038 _cons | 40232.77 1551.274 25.94 0.000 37006.72 43458.82-6.>. regress y *6 Source | SS df MS Number of obs = 22-+- F( 1, 20) = 9.28 Model | 99672847.4 1 99672847.4 Prob&g

25、t; F = 0.0064 Residual | 214771074 20 10738553.7 R-squared = 0.3170-+- Adj R-squared = 0.2828 Total | 314443921 21 14973520.1 Root MSE = 3277-y | Coef. Std. Err. t P>|t| 95% Conf. Interval-+- *6 | -.386187 .12676 -3.05 0.006 -.6506037 -.1217704 _cons | 57830.17 3177.974 18.20 0.000 51201.03 64459

26、.31-7.>. regress y *7 Source | SS df MS Number of obs = 23-+- F( 1, 21) = 12.47 Model | 157018165 1 157018165 Prob> F = 0.0020 Residual | 264353349 21 12588254.7 R-squared = 0.3726-+- Adj R-squared = 0.3428 Total | 421371515 22 19153250.7 Root MSE = 3548-y | Coef. Std. Err. t P>|t| 95% Conf

27、. Interval-+- *7 | .0016835 .0004767 3.53 0.002 .0006922 .0026748 _cons | 44460.4 1445.12 30.77 0.000 41455.11 47465.69-可見，糧食生產(chǎn)受有效灌溉面積的影響最大，因此，選1為初始的回歸模型。逐步回歸將其他解釋變量分別導(dǎo)入上述初始回歸模型，尋找最正確回歸方程逐步回歸C*1*2*3*4*5*6*7Y=f(*1)32979.173.6955170.6202t值12.356.08p值00Y=f(*1,*2)7104.3380.1079690.766440.6333t值0.360.041

28、.32p值0.7220.9690.2Y=f(*1,*3)38731.161.5814670.973070.6205t值6.160.731.01p值00.4770.325Y=f(*1,*4)-43723.74.6738880.6668580.9559t值-7.1521.1312.68p值000Y=f(*1,*4,*5)-42602.74.2032530.6647830.0193810.9542t值-6.444.3812.360.5p值0000.62Y=f(*1,*4,*6)-30294.14.1606760.59002-0.121560.9746t值-6.2122.9415.28-4.6p值00

29、00Y=f(*1,*4,*6,*7)-30065.24.2046180.587152-0.12255-0.00003080.9731t值-5.418.5111.81-4.22-0.1p值0000.0010.925討論：第一步，在初始模型中引入*2，模型擬合優(yōu)度有些許提高，但是變量沒有通過t檢驗。第二步，去掉*1，引入*3，修正的擬合優(yōu)度反而略有下降，且常數(shù)項的符號為正，與經(jīng)濟意義不符，另一方面雖然變量通過了t檢驗，但是p值很大，已經(jīng)快要接近顯著性水平，故參加*3顯然也不能得到最優(yōu)方程。第三步，去掉*3，引入*4，擬合優(yōu)度大幅提高，變量通過t檢驗，且參數(shù)符號合理。第四步，引入*5，擬合優(yōu)度下降，

30、且變量沒有通過t檢驗。第五步，去掉*5，引入*6，擬合優(yōu)度到達一個新的高度，所有變量都通過t檢驗，且p值都為零。第六步，引入*7，擬合優(yōu)度下降，且變量*7水電建立投資額前的參數(shù)是負值，與經(jīng)濟意義不符。前幾步證明，*2，*3，*5,*7是多余的。同樣還可繼續(xù)驗證，如果用與*1高度相關(guān)的*2替代*1,則*2與*3，*4，*5，*6，*7間的任意線性組合，均達不到以*1，*4，*6為解釋變量的回歸效果。因此，最終的糧食產(chǎn)量函數(shù)應(yīng)以Y=f*1，*4，*6為最優(yōu)，擬合結(jié)果如下：2>序列相關(guān)性檢驗圖示法以下圖為殘差e與年份year的散點圖圖示法顯示，該模型不存在序列相關(guān)性D.W.檢驗法. tsset

31、 yeartime variable: year, 1990 to 2021delta: 1 unit. estatdwatsonDurbin-Watson d-statistic( 4, 22) = 1.801868在5%的顯著性水平，n=22 k=4 通過查表得dL=1.05 dU=1.66 又dU<d<4-dU,所以不存在序列相關(guān)性。結(jié)論：由圖示法和DW檢驗，都得出不存在序列相關(guān)性的結(jié)論，由此可得模型不存在序列相關(guān)性。3>異方差檢驗圖示法從上面三個e2*的散點圖上看，沒有明顯的散點擴大縮小或復(fù)雜性趨勢，所以不存在異方差。懷特檢驗. estatimtest, whiteW

32、hite's test for Ho: homoskedasticityagainst Ha: unrestricted heteroskedasticitychi2(9) = 6.85Prob>chi2 = 0.6528Cameron & Trivedi's deposition of IM-test- Source | chi2 df p-+-Heteroskedasticity | 6.85 9 0.6528Skewness | 1.32 3 0.7240 Kurtosis | 1.39 1 0.2386-+- Total | 9.56 13 0.7295從

33、上面的結(jié)果中可以看出：Prob> chi2 = 0.6528，故承受原假設(shè)，即認為模型不存在異方差。結(jié)論：由圖示法和懷特檢驗，都得出不存在異方差的結(jié)論，由此可得模型不存在異方差。通過多重共線性，序列相關(guān)性，異方差的檢驗，最終求得糧食產(chǎn)量的最優(yōu)模型為:其中解釋變量*1代表化肥施用量萬噸，*4代表糧食作物播種面積千公頃，*6代表成災(zāi)面積(千公頃。五、結(jié)論和政策建議1結(jié)論基于以上分析可得出如下結(jié)論：化肥施用量、糧食作物播種面積和成災(zāi)面積是影響糧食產(chǎn)量的主要因素。化肥施用量是對糧食產(chǎn)量的提高最為敏感的因素。在農(nóng)業(yè)生產(chǎn)過程中化肥的施用是由傳統(tǒng)施用農(nóng)家肥向化肥轉(zhuǎn)變，在這個過程中，多投入1萬噸的化肥，

34、糧食增產(chǎn)4.16萬噸。化肥施用量是影響糧食產(chǎn)量的顯著性因素，但從農(nóng)業(yè)技術(shù)上說，化肥施用過度反而會導(dǎo)致谷物死亡，糧食減產(chǎn)。糧食的播種面積對糧食產(chǎn)量來說是十分重要的因素"沒有耕地"一切都是徒勞的! 從回歸結(jié)果可以看到"播種面積每增加1個單位" 糧食產(chǎn)量增加0.59個單位" 播種面積對糧食產(chǎn)量的奉獻性" 并沒有化肥施用量效果顯著" 但由于耕地面積相當(dāng)大"而且遠遠大于化肥施用量! 因此"耕地面積的增加對糧食產(chǎn)量的提高效果是非常明顯的!成災(zāi)面積!成災(zāi)面積對糧食產(chǎn)量的影響雖然較小" 但由于各年成災(zāi)面積的數(shù)值

35、從19902001年逐年增加"成災(zāi)面積對糧食產(chǎn)量的提高所起的負面作用還是非常大的! 20012021年成災(zāi)面積得到有效控制"相比照擬平穩(wěn)!要想提高糧食產(chǎn)量" 減小受災(zāi)面積也是十分重要的!2建議根據(jù)以上分析與研究的結(jié)果" 我們認為影響我國近十年來糧食產(chǎn)量的三個主要因素包括化肥施用量*糧食的播種面積和成災(zāi)面積!因此"建議應(yīng)從以下幾個方面采取措施來保障。第一"慎重控制化肥施用量!考慮到化肥施用量與糧食產(chǎn)量間關(guān)系十分密切" 在當(dāng)前我國糧食需求依然緩慢增長* 供給壓力依然較大的情況下" 可適當(dāng)增加化肥的施用" 但考慮到過度施用化肥存在副作用" 并且我國單位面積耕地的化肥施用量已超過許多農(nóng)業(yè)興旺國家"因此從長遠看"特別是從