周一至周五 | 9:00—22:00

期刊论文网 > 社会科学论文 > 统计学论文 > 统计学论文转让 粮食产量的影响因素分析

统计学论文转让 粮食产量的影响因素分析

2018-11-19 10:48:10来源:组稿人论文网作者:婷婷

  摘要:

  对于任何一个国家而言,粮食问题都是关系到本国的国计民生的头等大事。农业一个国家任何发展的基础,粮食就是农业的基础,因此可以说粮食的生产问题是一个关系到国家生存与发展的永恒的主题。

  我国作为一个人口众多的国家,对粮食的需求量很大,粮食产量直接影响着人民生活和社会的稳定与发展。国家民生都是建立在一定的粮食产量的基础上。本文采用回归分析和相关分析的方法对1995~2015年影响我国粮食产量的5个因素:农业化肥施用量、粮食播种面积、农业机械总动力、农业劳动人口及成灾面积进行了分析。以这5个影响因素为自变量,建立了多元回归线性回归模型,再对模型进行检验,最终得出结论,化肥施用量、成灾面积和播种面积是影响粮食产量的最关键的因素,并最后提出了建议。

  关键词:粮食产量;多元回归线性回归模型;回归分析;相关分析

 

  第一章 引    言

  1.1改革开放以来的粮食产量情况(1978—2008年)

  改革开放以后,我国粮食产量突破30000万吨大关,稳步提升。这是因为改革了统购统销的体制,提高了农民的积极性。具体表现为提高了粮食收购价格,减少了定购数量,这些举措使粮食的生产数量实现高速增长,1978—2015年这37年,我国粮食产量高速增长,但波动较之从前也更频繁复杂。

  图1:我国1978年-2015年粮食产量折线图

  1.2 研究意义

  农业是我国国民经济的基础,对社会稳定、经济发展具有重大的作用。粮食是农业生产的关键,粮食问题关系到方方面面,涉及到经济的发展、人民生活质量的提高及社会的和谐稳定,是一个关系国计民生的重要战略问题。

  我国虽然国土面积大,但是耕地偏少。我国耕地在全国土地总面积中的比重仅占10%,日本的耕地比重为12%,美国为20%,与我国人口情况相似的印度高达56%。我国的耕地面积仅仅占全世界7%,却要承担世界22%的人口的粮食。作为世界上人口最多的国家,我国人均耕地面却远远低于世界平均水平,目前全国人均耕地不足世界人均耕地的1/3,仅12亩。不光是国人,很多外国专家学者也关心我国仅有的土地是否以及如何能够养活13亿的人口。粮食问题对我国来说无疑是重中之重,分析中国粮食产量的趋势规律,了解粮食生产数量的大体走势,对掌握未来发展有重要帮助。

  第二章 数据介绍

  粮食产量受到许多因素的制约与影响,结合和我国农业中的实际情况以及对数据、资料获取的难易程度,选取了农业化肥施用量、粮食播种面积、农业机械总动力、农业劳动人口及成灾面积5个因素为自变量。根据《中国统计年鉴》选取了1995~2015年的数据进行分析。数据见下表:

  1

  第三章 数据分析

  3.1偏相关性分析

  相关分析是一种研究分析只适用于两个变量之间的相关方向以及相关程度的统计分析方法,而不考虑两种变量之间因果关系。在相关分析的数据分析中,如果数据文件包括的变量多于两个,直接对两个变量进行相关分析往往不能反映这两个变量之间的真实关系,就需要用到偏相关分析剔除其他变量的线性影响。在SPSS中计算曾广相关阵,分析变量间的相关性,输出结果:

  由相关阵可看出粮食产量和农业化肥施用量的相关系数为0.834、粮食播种面积的相关系数为0.651、农业机械总动力的相关系数为0.825、农业劳动人口的相关系数为-0.947、受灾面积的相关系数为-0.843,都比较大,说明这些因素都对粮食产量有很大影响,其中粮食播种面积的影响比其他因素都小。

  这个结果显然并不准确,我们都知道粮食土地密集型的农产品,耕地面积往往对粮食产量起决定性作用,耕地面积越大,粮食产量越高,不仅是数量上,耕地面积对耕地的生产效率也会产生很大影响。粮食播种面积对于粮食产量的影响不应该小于其他因素。并且5种影响因素的相关系数相差比较小,难以分辨出那种因素粮食产量的主要影响因素。

  简单的仅凭相关系数的大小来取舍变量并不科学,因此下面选用多元线性回归模型进行分析。

  3.2多元线性回归模型分析

  当某一变量受到别的变量影响时,就应当使用多元线性回归模型分析,这种分析方法以影响变量为自变量,以被影响的变量为因变量,研究自变量和因变量之间的因果关系、确定各变量之间的定量关系、进行相应的预测,这种分析方法除去了统计变量之间的数量变化规律,能够让研究者准确地把握自变量对因变量的影响程度和方向。

  选用多元线性回归模型进行分析。用SPSS对原始数据做全部4个自变量的线性回归,输出结果如表所示

  负相关系数R=0.990,判定系数R2=0.980,由判定系数看,回归方程高度显著。

  方差分析表中,F=200.676,P=0.000,方程是高度显著的,农业化肥施用量、粮食播种面积、农业机械总动力、农业劳动人口及受灾面积在整体上对粮食产量有着非常显著的线性影响。

  进行回归系数的显著性检验,从回归系数表中可看到,粮食播种面积和受灾面积的P值为0.000,说明对粮食产量最显著的影响因素,这更加证明了在上文中仅凭简单相关系数的大小取舍变量是不科学的。统计学规定,显著性检验方法中所得到的P值,一般以P < 0.05为显著,P <0.01为非常显著。农业化肥施用量的p值为0.04,影响显著,农业机械总动力的p值为0.051虽然超过了0.05,但与0.05较为接近,影响较为显著。而农业劳动人口的p值为0.084>0.05,根据统计学规定,可以认为影响不显著,可以剔除。

  从实际情况看,这一结果符合中国的国情。我国农村存在着大量的剩余劳动力。相对于土地资源,中国的农村一直存在劳动力资源过剩的情况,农村人口基数庞大,使得农村劳动力供给的增长低于于农村经济发展对劳动力的需求。根据近期世界粮农组织发布的数据:

  从表中看,中国的人均占有面积低于世界平均水平,耕地面积甚至不到世界平均水平的三分之一,也就是说实际上我国的农业劳动力是过剩的,所以这个结果非常符合数据分析的结果,农业劳动人口因素对粮食产量的影响并不显著。

  将农业劳动人口因素剔除后进一步进行线性回归分析,回归系数表如下图所示:

  剔除农业劳动人口后,从表中可看出线性回归结果:负相关系数R=0.995,决定系数R2=0.988,由决定系数和复相关系数可以判断出回归方程高度显著。方差分析表中,F=398.496,P=0.000,回归方程仍然是高度显著的。

  从回归系数的显著性检验结果来看,回归系数表中显示,粮食播种面积和受灾面积的p值为0.000,说明对粮食产量的影响显著,农业化肥施用量和农业机械总动力的p值分别为0.003和0.009,虽然不为0,但数值非常小,小于0.05,都通过了显著性检验,说明对粮食产量的影响显著,从实际生活进行分析,粮食产量与农业化肥施用量和粮食播种面积的关系都应该正相关。

  用Y表示粮食产量,X1,X2,X3,X4分别表示农业化肥施用量、粮食播种面积、农业机械总动力、受灾面积,则剔除农业劳动人口得到的多元线性回归方程可以表示为Y=7.361X1+0.637X2-0.116X3-0.144X4。

  从实际的角度来看,公式中X1和X2系数都为正,符合实际情况,粮食产量应该和农业化肥施用量和粮食播种面积正相关。农业部分析了1984年以来粮食产量与其影响因素之间的关系,得出化肥的施用对于粮食产量的影响处于各种因素的第三位。

  成灾面积系数为负,说明成灾面积粮食产量有负面影响,也符合实际情况,我国自然灾害发生频繁,对粮食生产有较明显的制约作用,特别是干旱和洪涝灾害是造成粮食减产的重要原因,我国的粮食生产尚未改变靠天吃饭的现状。

  但仍存在与实际情况有些不符的情况,表中农业机械总动力的系数为负,说明粮食产量与农业机械总动力负相关,在实际生活中,农业机械总动力的增加是有利于粮食的增产的,而粮食产量的提高也在一定程度上刺激农业机械化的进程,而且有利于提升我国农业机械化的规模化,实现农业服务机械化,因此农业机械化水平应与粮食产量正相关。这说明系数符号不能较好地反应实际情况,我们考虑回归模型的基本假设是否存在与实际情况相违背的问题,即是否存在自相关性、异方差性或者多重共线性。检验自变量之间是否存在多重共线性,以及是不是多重共线性导致回归方程X3的系数未得到合理的解释。

  3.3方差扩大因子法

  3.3.1多重共线性诊断

  当两个或多个自变量之间存在高度相关的关系时导致自变量对于预测变量Y的估计不可靠,甚至会使得得到的回归方程在专业上无法解释甚至与专业意义完全相悖。这种现象被称为共线性关系,在多重线性回归分析中,多个自变量之间存在相互作用和影响,导致存在共线性关系,因此,多重回归分析进行共线性诊断是有必要的。

  使用SPSS软件进行分析计算,采用方差扩大因子法诊断,输出结果如下表所示。容忍度越小,多重共线性越严重。某个自变量容忍度(tolerance)小于0.1,说明存在严重的多重共线性;VIF越大,多重共线性越严重。一般情况下VIF不应大于5。某个变量的方差扩大因子(VIF)大于10时,说明存在严重的多重共线性。

  所以最后的回归方程即粮食生产函数为Y=-32228.421+3.898X1+0.648X2-0.131X4。通过上述分析,可以得出结论:粮食产量与粮食播种面积、化肥使用量、受灾面积三大因素都存在密切的关系。接下来现在我们来看以上的回归模型能否满足回归的三大基本假设。 从输出结果中看到,自变量的方差扩大因子VIF均小于10,不存在严重的共线性。回归系数的符号也符合实际生活的情况,F=477.722,拒绝零假设,回归方程显著,各种自变量对粮食产量线性关系显著。此回归方程的样本决定系数R2=0.988,调整后的R2=0.986,回归方程高度显著。 从输出结果上看,X3的方差扩大因子VIF3=147.372,最大,并且回归系数B=-0.144为负值,因此首先剔除X3,建立Y对3个自变量X1、X2、X4的回归方程,结果如下表所示

  3.3.2异方差的检验

  对于模型如果出现了,即对于不同的样本点随机误差项的方差是互不相同的数,而不是固定的常数,则称为出现了异方差。一旦出现异方差性可能会出现如下后果:

  (1)参数估计量非有效

  (2)变量的显著性检验失去意义

  (3)模型的预测失效

  针对异方差性主要的检验方法有图示法、戈德菲尔德-匡特检验法(G-Q检验法)、帕克检验法、怀特检验法等,下面选用图示法和怀特检验法来检验异方差。

  3.3.2.1 残差分析法(图示法)

  从残差平方图中我们大致可以判断该模型不存在异方差问题。为了更加精确的判定,下面通过怀特检验来加以验证

  3.3.2.2 white检验法

  P值大于0.05,在5%显著性水平下,接受原假设,回归模型不存在序列自相关性。

  3.3.3自相关性检验

  对于模型如果,即随机误差项的各期望值之间存在着相关关系,就可以称随机误差项之间存在自相关性(autocorrelation)或序列相关。随机误差项存在自相关的情况下,会造成以下几个方面的影响:

  (1)自相关的系数估计量将有相当大的方差

  (2)自相关系数的T检验不显著

  (3)模型的预测功能失效

  判断是否存在自相关性通常使用如下几个方法:用图示法检查残差的分布、德宾—瓦特逊检验(D-W检验)、Q检验法、LM检验法,本文使用图示法和LM检验法来检验自相关性。

  3.3.3.1残差图分析法

  从残差图我们可以大致判断不存在自相关,从回归结果中的可以看出DW=2.078886,du=1.13,dl=1.54,du<DW<4-dl(见附表),不能确定完全不存在自相关,接下来通过LM检验来加以验证。

  3.3.3.2LM检验法

  P值大于0.05,在5%显著性水平下,接受原假设,回归模型不存在序列自相关性。

  以上模型除去了方差因子大于10的自变量X3,即克服了多重共线性的影响,含有其他三个变量的关系式通过了自相关以及异方差的检验,保证该模型不存在异方差及自相关,并且经济意义上看,该方程也是完全合理的。

  </p>

  </p>

  从中我们可以得出结论:在选取的五个自变量中,相对于剩下两个因素,粮食产量与粮食作物播种面积、化肥使用量、受灾面积的关系更加较密切。虽然其他两个因素由于各种原因,出现系数符号与经济事实不相符的情况,在本文中不予采用,但其对粮食产量的影响是不容小觑的。

  建    议

  根据本文研究可以看出我国的粮食产量主要的影响因素是农业化肥施用量、粮食播种面积、农业机械总动力和受灾面积,针对这些影响因素,本文提出如下建议:

  化肥施用量虽然对粮食增产有着积极作用,但过度使用化肥反而抑制了粮食的生产,会降低土地的肥力。因此要合理控制化肥量,另外更要注重化肥质量的提升。

  从上述粮食产量的多元线性模型可看出,播种面积对粮食产量的影响也是巨大的。播种面积的增加可以提高粮食产量,从数据上看,1995~2015年间的粮食产量呈先减少后增加的变化趋势,这种波动很大程度上是由我国在10年间耕地面积即播种面积的变化导致的。我们应当扩大播种面积,要以合理的、有规划的方式,而不能犯历史上犯过的只顾眼前利益而忽视长远利益的错误,比如围湖造田、开山造田等。

  自然灾害对粮食产量也影响重大。虽然气候是不可控的因素,但还是应当采取积极的措施,着力于提升气候灾害的应急处理效果,才能尽可能降低粮食受灾面积,把自然灾害对粮食产量、人民生活的影响降到最低,达到避免短期的粮食低产量、供给不足的目的。政府应该尽量预防各种人为和自然灾害,做好防汛防旱等工作,保证农业的持续健康发展。

  农村机械化水平是影响我国粮食产量的又一影响因素,我国正处于从传统农业过度到现代化农业的关键时期,加快推进农业的现代化建设在提高粮食产量、拉动农村经济发展等方面都有重要意义,农村机械化水平的提升不仅有助于提升农业生产效率、推进农业的现代化发展,而且能够使得农业机械化与粮食生产最终能够协调发展、良性互动,最终达到使我国农业走上科学化道路得目的,为了达到这一目的,就要大力增加惠农政策来保障农民利益,才能让更多的农民群体愿意生产粮食;此外,还可以设提高乡镇的基础建设水平,立特色农业机械化服务站点,提高农民机械使用的资源利用率。

  除此之外政府扶持也是影响粮食产量的一大因素。政府应该通过各种方法来提高农民的生产积极性,如通过给予一定的农业补贴的途径加大对农业的投入,增强扶持力度,不仅如此,为了实现农业现代化,还要加大科技的投入从更多途径改进粮食品种,提高粮食单,实现粮食产量的提高。

  结束语:粮食产量受多种因素的影响,本文选了其中五种因素即农业化肥施用量、粮食播种面积、农业机械总动力、农业劳动人口及成灾面积以及1995-2015年间20年的数据,主要利用SPSS软件和Eviews软件,最后得出粮食产量与粮食作物播种面积、化肥使用量、受灾面积有着密切的关系。但是这只是数字上的判断。我国占地面积大,各地区的地理条件、气候条件和居民生活习惯都有所差异,并不能仅仅依靠数据的模拟就轻易得出结论。另外还有许多更为重要的因素比如政府政策、地区观念等无法用数据表达的因素对粮食产量的影响也巨大,但是无法纳入考虑。总之数据的模拟只能作为一种参考,想要真正了解影响粮食产量的因素还要从农业的角度进行考虑。

栏目分类