影响粮食产量的因素分析

Thedocumentwasfinallyrevisedon2021影响粮食产量的因素 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 影响我国粮食产量的因素分析摘要:通过时1990一2012年间我国粮食产量的分析,在影响我国粮食产量的诸多原因中选出了3个主要影响因素,建立了多元线性回归模型，利用模型对粮食产量情况进行多元线性回归分析,研究了这些影响因素对粮食产量的影响与作用,最后,在此基础上提出了提高我国粮食产量的对策建议.关键词:粮食产量;影响因素;回归分析;建议一、研究意义粮食安全问题是一个关系到国计民生的重要战略问题!它影响到经济的发展"人民生活质量的提高和社会的稳定#尽管我国粮食总体上虽然保持了较高的自给率!但大豆进口量近年来持续快速增长!目前我国超过70%的大豆依赖进口!而其中30%以上进口自美国$当前的形势提醒我们!必须进一步加强对粮食安全问题的重视$而对我国这样一个人口众多的农业大国来说!粮食供给必须首先立足于国内生产$随着我国粮食需求日益增长!以及城市化和工业化的加速推进!大量资源不断流向城市!农业可耕地面积日益萎缩!使得粮食生产面临较为严峻的形势$粮食生产问题如果解决不好!就会给我国的经济发展和社会稳定带来制约和冲击粮食是人民生存之本、经济发展之柱，对稳定社会、经济具有重要的作用。粮食问题是一个关系到国计民生的重要战略问题，它更影响到经济的发展和社会的稳定。中国是世界上的农业大国，同时又是一个农业相对落后的国家。近几年世界粮食价格的大范围浮动，应该引起我们的注意，大起大落更使我们重新审视起粮食生产的重要性。同时只有抓住了影响粮食产量的主要因素，改府才能正确的做出举措来将粮食生产引向健康合理的发展路线并且实现农业的现代化。二、文献回顾影响粮食产量的因素很多,我国学者从不同角度研究了粮食生产问题.于法稳选择有效灌溉面积、化肥施用量、农业机械总动力、粮食播种面积和受灾面积等5个指标作为影响粮食生产的因素,并采用灰色关联分析的方法对这5个因素进行了分析,指出有效灌溉面积、农机总动力和粮食播种面积是影响粮食生产的3个最主要因素;肖海峰将影响粮食综合生产能力的影响因素选择为粮食播种面积、其他物质费用、成灾面积、劳动力和化肥费用,通过柯布一道格拉斯生产函数证实了粮食播种面积是影响粮食产量最重要的因素;熊华等人应用灰色关联分析和C一D生产函数相结合的分析方法证实了化肥施用量、粮食作物播种面积和有效灌溉面积均对粮食生产具有重要影响[’〕;此外,xinagL采用粗糙集理论,张建平、Yunzhang和WuY等人运用灰色关联分析与BP神经网络相结合的方法,在对影响粮食产量的因素中又加人了农村用电量、地膜覆盖面积、水电建设投资和支农支出等因素,从多种角度验证了这些影响因素对粮食产量的重要性。应该说前人在关于影响粮食产量的因素这个问题上做得研究已经很多而且很深，每一位学者对于影响粮食产量的因素都有自己独到的见解。本文将各位学者认为的影响因素综合起来，采用最小二乘法进行分析，试图在综合了各位学者的研究成果后，找出更具有代 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 性的，更准确的影响因素。三、理论的框架我国以往的关于粮食产量的不同计量模型，虽然结论有所差异，但细究起来，影响和制约粮食产量的主要因素为：化肥施用量（万吨）；有效灌溉面积（千公顷）；农村用电量(亿千瓦时)；粮食作物播种面积；农用机械总动力(万千瓦)；成灾面积(千公顷）；水电建设投资额（万元）等。目前我国粮食生产的影响因素日益明朗化，随着科技的发展，化肥的施用量，以及农业机械总动力的普及使用必然会对粮食的产量产生积极影响；有效灌溉面积和建设投资的增加也会使粮食产量增加；同时不能忽略自然和认为因素造成的灾情。所以综合了前人的研究成果，选取的因变量分别为化肥施用量（万吨）；有效灌溉面积（千公顷）；农村用电量(亿千瓦时)；粮食作物播种面积；农用机械总动力(万千瓦)；成灾面积(千公顷）；水电建设投资额（万元）。通过查阅2013年的中国统计年鉴，最终搜集整理了从1990年到2012年的粮食总产量、化肥施用量（万吨）；有效灌溉面积（千公顷）；农村用电量(亿千瓦时)；粮食作物播种面积；农用机械总动力(万千瓦)；成灾面积(千公顷）；水电建设投资额（万元）的数据。数据资料均来源于《中国统计年鉴》。年份粮食（万吨）化肥施用量（万吨）有效灌溉面积（千公顷）农村用电量(亿千瓦时)粮食作物播种面积（千公顷）农用机械总动力(万千瓦)成灾面积(千公顷）水电建设投资额（万元）199011346617819348848199111231427814476529199211056025893594081199311050923134792747199410954431382102093719951100602226813216891996112548212341442828199711291230307145200419981137872518115857871999113161267341833853200010846334374222099320011060803179321337412002103891271602393195200399410325163006249200410160616297376299520051042781996643438262006104958246324604296200710563825064511792620081067932228345688842009108986212344563240201010987618538439845320111105731244142439882012111205　3671548基于以上数据建立模型为：y=B0+B1X1+B2X2+B3X3+B4X4+B5X5+B6X6+B7X7+U其中y代表全国粮食产量（万吨），x1代表化肥施用量（万吨），x2代表有效灌溉面积（千公顷），x3代表农村用电量(亿千瓦时)，x4代表粮食作物播种面积（千公顷），x5代表农用机械总动力(万千瓦)，x6代表成灾面积(千公顷），x7代表水电建设投资额（万元），u代表随机误差项。四、数据分析统计描述1.用最小二乘法对数据进行回归用OLS法估计模型，利用Stata软件回归，结果如表二所示表二Stata软件回归结果Source|SSdfMSNumberofobs=22-------------+------------------------------F(7,14)=Model|27.4Prob>F=Residual|14R-squared=-------------+------------------------------AdjR-squared=Total|121.1RootMSE=------------------------------------------------------------------------------y|Coef.Std.Err.tP>|t|[95%Conf.Interval]-------------+----------------------------------------------------------------x1|.8990985x2|.5223734x3|.8610323.2855907x4|.5264878.0471756.4253061.6276695x5|.1596835x6|.027x7|.0004409.0004026.0013044_cons|------------------------------------------------------------------------------利用Stata最小二乘估计结果如下：Y=+……2．模型检验（1）经济意义检验根据结果分析，除X5外其他解释变量前的参数均通过了经济意义检验；模型中X5代表农用机械总动力，从经济行为上来看，农用机械总动力越高，粮食产量应该越高。显然此处存在经济意义上的矛盾，由此可以推出解释变量间存在多重共线性。（2）统计意义检验模型的判定系数R2=，调整过的判定系数=，表明模型的整体拟合优度非常高，解释变量对被解释变量的解释程度很高，因此，可以推测模型总体线性关系成立。但在5%的显着性水平，X2（有效灌溉面积）前参数估计值没有通过t检验，即结解释变量X2对被解释变量没有显着影响，其他6个解释变量均对被解释变量有显着影响。（3）计量经济学检验1>多重共线性检验①检验简单相关系数X1X2X3X4X5X6X7的相关系数如下表.pwcorrx1x2x3x4x5x6x7|x1x2x3x4x5x6x7-------------+---------------------------------------------------------------x1|x2|x3|x4|x5|x6|x7|由表中数据发现，X1X2X3X5X7存在高度相关性另外，也可以利用方差扩大因子法检验多重共线性.estatvifVariable|VIF1/VIF-------------+----------------------x5|x2|x3|x1|x7|x4|x6|-------------+----------------------MeanVIF|由此可以看出解释变量x5与其他解释变量存在高度的线性相关性②找出最简单的回归形式分别作Y与X1X2X3X4X5X6X7之间的回归：1>.regressyx1Source|SSdfMSNumberofobs=23-------------+------------------------------F(1,21)=Model|717Prob>F=Residual|721R-squared=-------------+------------------------------AdjR-squared=Total|522.7RootMSE=------------------------------------------------------------------------------y|Coef.Std.Err.tP>|t|[95%Conf.Interval]-------------+----------------------------------------------------------------x1|.6082159_cons|------------------------------------------------------------------------------2>.regressyx2Source|SSdfMSNumberofobs=23-------------+------------------------------F(1,21)=42Model|919Prob>F=Residual|621R-squared=-------------+------------------------------AdjR-squared=Total|522.7RootMSE=------------------------------------------------------------------------------y|Coef.Std.Err.tP>|t|[95%Conf.Interval]-------------+----------------------------------------------------------------x2|.7884354.1216646.5354201_cons|------------------------------------------------------------------------------3.>regressyx3Source|SSdfMSNumberofobs=23-------------+------------------------------F(1,21)=Model|919Prob>F=Residual|621R-squared=-------------+------------------------------AdjR-squared=Total|522.7RootMSE=------------------------------------------------------------------------------y|Coef.Std.Err.tP>|t|[95%Conf.Interval]-------------+----------------------------------------------------------------x3|.265683_cons|------------------------------------------------------------------------------4.>regressyx4Source|SSdfMSNumberofobs=23-------------+------------------------------F(1,21)=Model|.41.4Prob>F=Residual|321.2R-squared=-------------+------------------------------AdjR-squared=Total|522.7RootMSE=------------------------------------------------------------------------------y|Coef.Std.Err.tP>|t|[95%Conf.Interval]-------------+----------------------------------------------------------------x4|.2791902.2323091.7623033_cons|------------------------------------------------------------------------------5.>.regressyx5Source|SSdfMSNumberofobs=23-------------+------------------------------F(1,21)=Model|515Prob>F=Residual|021R-squared=-------------+------------------------------AdjR-squared=Total|522.7RootMSE=------------------------------------------------------------------------------y|Coef.Std.Err.tP>|t|[95%Conf.Interval]-------------+----------------------------------------------------------------x5|.1483408.0248591.0966435.200038_cons|------------------------------------------------------------------------------6.>.regressyx6Source|SSdfMSNumberofobs=22-------------+------------------------------F(1,20)=Model|.41.4Prob>F=Residual|420.7R-squared=-------------+------------------------------AdjR-squared=Total|121.1RootMSE=3277------------------------------------------------------------------------------y|Coef.Std.Err.tP>|t|[95%Conf.Interval]-------------+----------------------------------------------------------------x6|.12676_cons|------------------------------------------------------------------------------7.>.regressyx7Source|SSdfMSNumberofobs=23-------------+------------------------------F(1,21)=Model|515Prob>F=Residual|921.7R-squared=-------------+------------------------------AdjR-squared=Total|522.7RootMSE=3548------------------------------------------------------------------------------y|Coef.Std.Err.tP>|t|[95%Conf.Interval]-------------+----------------------------------------------------------------x7|.0016835.0004767.0006922.0026748_cons|------------------------------------------------------------------------------可见，粮食生产受有效灌溉面积的影响最大，因此，选1为初始的回归模型。③逐步回归将其他解释变量分别导入上述初始回归模型，寻找最佳回归方程逐步回归　CX1X2X3X4X5X6X7　Y=f(X1)　　　　　　t值　　　　　　　p值00　　　　　　　Y=f(X1,X2)　　　　　t值　　　　　　p值　　　　　　Y=f(X1,X3)　　　　　t值　　　　　　p值0　　　　　　Y=f(X1,X4)　　　　　t值　　　　　　p值00　　0　　　　Y=f(X1,X4,X5)　　　　t值　　　　　p值00　　0　　　Y=f(X1,X4,X6)　　　　t值　　　　　p值00　　0　0　　Y=f(X1,X4,X6,X7)　　　t值　　　　p值00　　0　　讨论：第一步，在初始模型中引入X2，模型拟合优度有些许提高，但是变量没有通过t检验。第二步，去掉X1，引入X3，，修正的拟合优度反而略有下降，且常数项的符号为正，与经济意义不符，另一方面虽然变量通过了t检验，但是p值很大，已经快要接近显着性水平，故加入X3显然也不能得到最优方程。第三步，去掉x3，引入x4，拟合优度大幅提高，变量通过t检验，且参数符号合理。第四步，引入x5，拟合优度下降，且变量没有通过t检验。第五步，去掉x5，引入x6，拟合优度达到一个新的高度，所有变量都通过t检验，且p值都为零。第六步，引入x7，拟合优度下降，且变量x7（水电建设投资额）前的参数是负值，与经济意义不符。前几步证明，x2，x3，x5,x7是多余的。同样还可继续验证，如果用与x1高度相关的x2替代x1,则x2与x3，x4，x5，x6，x7间的任意线性组合，均达不到以x1，x4，x6为解释变量的回归效果。因此，最终的粮食产量函数应以Y=f（X1，X4，X6）为最优，拟合结果如下：Y=++序列相关性检验①图示法下图为残差e~与年份year的散点图图示法显示，该模型不存在序列相关性②.检验法.tssetyeartimevariable:year,1990to2012delta:1unit.estatdwatsonDurbin-Watsond-statistic(4,22)=在5%的显着性水平，n=22k=4通过查表得dL=dU=又dU异方差检验①图示法从上面三个e2~X的散点图上看，没有明显的散点扩大缩小或复杂性趋势，所以不存在异方差。②怀特检验.estatimtest,whiteWhite'stestforHo:homoskedasticityagainstHa:unrestrictedheteroskedasticitychi2(9)=Prob>chi2=Cameron&Trivedi'sdecompositionofIM-test---------------------------------------------------Source|chi2dfp---------------------+-----------------------------Heteroskedasticity|9Skewness|3Kurtosis|1---------------------+-----------------------------Total|13从上面的结果中可以看出：Prob>chi2=，故接受原假设，即认为模型不存在异方差。结论：由图示法和怀特检验，都得出不存在异方差的结论，由此可得模型不存在异方差。通过多重共线性，序列相关性，异方差的检验，最终求得粮食产量的最优模型为:Y=++其中解释变量x1代表化肥施用量（万吨），x4代表粮食作物播种面积（千公顷），x6代表成灾面积(千公顷）。五、结论和政策建议1结论基于以上分析可得出如下结论：化肥施用量、粮食作物播种面积和成灾面积是影响粮食产量的主要因素。化肥施用量是对粮食产量的提高最为敏感的因素。在农业生产过程中化肥的施用是由传统施用农家肥向化肥转变，在这个过程中，多投入1万吨的化肥，粮食增产万吨。化肥施用量是影响粮食产量的显着性因素，但从农业技术上说，化肥施用过度反而会导致谷物死亡，粮食减产。粮食的播种面积对粮食产量来说是十分重要的因素"没有耕地"一切都是徒劳的!从回归结果可以看到"播种面积每增加1个单位"粮食产量增加个单位"播种面积对粮食产量的贡献性"并没有化肥施用量效果显着"但由于耕地面积相当大"而且远远大于化肥施用量!因此"耕地面积的增加对粮食产量的提高效果是非常明显的!成灾面积!成灾面积对粮食产量的影响虽然较小"但由于各年成灾面积的数值从1990~2001年逐年增加"成灾面积对粮食产量的提高所起的负面作用还是非常大的!2001~2011年成灾面积得到有效控制"相对比较平稳!要想提高粮食产量"减小受灾面积也是十分重要的!2建议根据以上分析与研究的结果"我们认为影响我国近十年来粮食产量的三个主要因素包括化肥施用量#粮食的播种面积和成灾面积!因此"建议应从以下几个方面采取措施来保障。第一"谨慎控制化肥施用量!考虑到化肥施用量与粮食产量间关系十分密切"在当前我国粮食需求依然缓慢增长#供给压力依然较大的情况下"可适当增加化肥的施用"但考虑到过度施用化肥存在副作用"并且我国单位面积耕地的化肥施用量已超过许多农业发达国家"因此从长远看"特别是从可持续性发展的角度看"应调整肥料施用策略"改善肥料施用结构"尤其是增加农家肥#生态肥料的使用量!除此之外，还应大力提倡化肥与有机肥的结合施用,合理施肥,平衡施肥.大力发展优质高产的绿肥作物和其他养地作物,提高肥料的利用率和土壤肥力,增加土壤有机质含量,提高土地的粮食生产能力.施用多成分、多功能、高效、高浓度、无污染的化肥,在化肥的使用上走有机、生物、无机相结合的道路。第二稳定和扩大粮食播种面积!一方面要从保障耕地资源入手"防止建设工程过度占用耕地"加大土地荒漠化及污染治理力度"守住18亿亩的耕地红线%另一方面也要充分调动农民的种粮积极性"逐步#适当提高粮食价格"防止农业经济结构调整中出现过度的&去粮化’乃至抛荒现象"保障粮食播种面积稳定。我国是一个人多地少的国家,退耕还林、退耕还草、城市化进程的进行,都相应造成了耕地的流失,播种面积也相应减少.因而应采取有效措施,依据国家相关法规,严格控制非农业用地,防止工业化、城市化过渡挤占耕地,尤其是优质耕地,建立基本农田保护区,将耕地保护逐步纳人法制轨道,确保耕地总量动态平衡.此外,还应发展先进农业科学技术,加强耕地的深度开发,提高耕地的使用效率,从而相对增加播种面积.第三增加农业生产的灾情预警预报"加大水利建设投入"加强抗灾减灾组织能力建设"减小成灾面积"防止粮食产量受到自然灾害的明显冲击!近年来自然灾害影响并没有太大改观,而各种自然灾害严重导致粮食减收减产,影响粮食综合生产能力,危及粮食生产和供给的安全性.为此,必须增加对粮食生产中防灾抗灾基础设施建设的投人,加强农业基础设施建设,加强以农田水利为重点的粮食生产基本建设,加强粮食生产耕地抵御各类灾害的能力,改善耕地生产条件,确保粮食生产少减产,多增收.总的来说，加大对农业的投人(人力、物力、财力),增加耕地有效灌溉面积、提高农业现代化水平、改善农业基础设施、提高劳动力素质、规范粮食市场对增加粮食产量有着重要的作用.因此,根据我国粮食生产的特点,应在保持耕地面积稳定的基础上加快农业科技进步,增加农业科学技术和物质技术的投人,加强以水利灌溉为中心的农田基本建设,加强对高产农田的保养,提高中低产田质量,改善农业生产条件,调整种植结构,提高抵御自然灾害的能力,实现我国粮食产量持续稳定的提高.七、参考文献【1】李子奈潘文卿《计量经济学》（第三版）【2】尹世久我国粮食产量波动影响因素的经验分析【J】系统工程理论与实践2009（10）【3】孙萍陈锐影响粮食产量的因素分析及对策建议[【J】天津理工大学学报2008（5）【4】黄坤程翠青影响我国粮食产量的宏观因素【J】北京林业大学经济管理学院2012（8）