影响我国粮食作物生产的实证分析

财经

影响我国粮食作物生产的实证分析广西南宁530006）（广西民族大学商学院，

【摘要】本文通过对1990—2014年间我国的粮食生产数据进行整理，在

诸多影响粮食产量的因素中选取了8个主要影响因素，通过冗余变量检

构建了一个多元线性回归验法以及最小二乘法等经典计量经济学方法，

化肥施用量、灌函数模型，通过对模型的分析发现：播种面积、成灾面积、

溉面积、农村用电量、农业机械动力6个因素确实对粮食总产量（万吨）

原因可能与有显著影响，但是农业机械动力对粮食总产量有负的影响，

农业生产制度、生产性农业收入水平有关，这和我国生产性农田的特点、

国内一些专家学者所得出的结论类似，另外本文也对其它变量进行了相关的解释，最后，在此基础上提出了提高我国粮食总产量的对策与建议。【关键词】粮食产量；影响因素；回归分析；对策

函数中一定存在着共线性，只是有存在的可能。相关矩阵是对称的，因此

检验变量X1、两两相关系数是相同的。X2、X3、X4、X5、X6、X7、X8之间的

相关系数如下表：

姻

周昊天

一尧引言

一作为一种重要的战略物资，粮食问题一直以来都备受人们的关注，

是人们生活的保障；另一方面，它可以为方面，它与人们的生活息息相关，

国民经济发展，国家的稳定与繁荣提供坚实的基础。无论是对农业生产、

还是对社会的稳定都具有非常重要的作用。与此同时，作为世界性的重大问题，粮食安全和粮食综合生产能力问题也一直备受着世界各国及专家学者的关注与研究。

而且还受到农业粮食产量的高低不仅与自然环境、等因素有关，

化肥施用量、农业科技投入等因素的影响[1]。因此认真生产要素的投入、

研究和加深了解中国粮食生产的规律和特点，找出影响粮食产量的主要

对于稳定和发展粮食生产具有重要因素，并采取针对性的粮食增产措施，

意义，对增加农民收入，乃至拉动整个国民经济的增长具有重要的作用。

(三)用OLS法估计模型

上面变量之间的相关性分析显示变量之间并不是完全共线性，因此OLS估计量仍然是最优线性无偏估计量，从而用样本信息建立的样本回

地去估计总体回归函数。回归结果如图一所示：归函数尽可能“接近”

二尧模型设计与数据收集

数据设定(一)模型变量、

化肥施用量、影响粮食作物生产的因素很多，有播种面积、灌溉面积、

生产方式、产业结构、国家财政用于农业的支出等因技术进步、制度因素、

成灾面积、化素。在参考其它文献资料的基础上，本文选取了播种面积、

国家财政用于农业的支出、农村用电量、农业机械动肥施用量、灌溉面积、

力、农村劳动力八个变量作为解释变量，以粮食总产量作为被解释变量，

模型采用时间序列对我国粮食生产的计量经济学预测模型进行了研究，

数据(1990—2014年)。数据来源于：《中国统计年鉴2015》、中华人民共和国财政部、商务部统计数据。本文采用的是Eviews8数据分析工具。

模型所采用的是如下的生产函数：

Y=β0+β1*X1+β2*X2+β3*X3+β4*X4+β5*X5+β6*X6+β7*X7+β8*X8+μ

以上生产函数中，被解释变量(Y)：粮食总产量(万吨)，可供选择的解释变量(X)包括：播种面积(X1)、成灾面积(X2)、化肥施用量(X3)、灌溉面积(X4)、国家财政用于农业的支出(X5)、农村用电量(X6)、农业机械动力(X7)和农村劳动力(X8)；βi,i=1…8为各变量系数；μ代表随机误差项，表示解释变量以外的随机扰动,如创新发明、、气候等难以量化的因素。

（二）计算相关系数

相关系数r描述的是两个变量间线性相关强弱的程度。r的取值在-1与+1之间，若r>0，表明两个变量是正相关，即一个变量的值越大，另一

若r<0，个变量的值也会越大；表明两个变量是负相关，即一个变量的值越

大另一个变量的值反而会越小。r的绝对值越大表明相关性越强，在只有两

但是对于两个个解释变量的情形下，相关系数可用于共线性程度的度量，

以上的解释变量，相关系数对于共线性程度的度量则不太适合，因此有必要在后面的环节中尝试使用冗余变量法来检验和度量共线性问题。

表一中给出了解释变量两两之间的相关系数，某些变量，如X4与

但并不表明该X3、X6与X7等之间的相关系数很高。尽管相关系数很高，

自变量的选择（四）

1.T检验法

从图一输出的参数估计结果来看，X5、X8这两个变量t检验的收尾概率分别为0.7592、0.6994，其值远大于大于给定的显著性水平α=0.05，

即删除掉冗余变量，然后重新建模。由于每一次只能因此需要分别检验，

删除收尾概率最大的那个变量，因此每一次删除相应的变量后还需要重

还考虑到了自变量之间新建模。这样既考虑了自变量是否显著的问题，

是否存在多重共线性的问题，一直到所有的自变量都能通过显著性检验，检验过程才截止。

2.冗余变量检验法

图二的检验结果显示如下：其似然比L（L取值越大说明模型越精确）的取值为0.151534，其收尾概率是0.6971，显然大于给定的显著性水

不能拒绝原假设，即X5是冗余变量，因此删除X5。平α=0.05。因此，

删除X5后重新建模，结果显示，X8的收尾概率为0.8004，大于给定

其似然比的的显著性水平α=0.05；同时，冗余变量检验结果显示如下：

取值为0.096824，似然比收尾概率是0.7557，显然大于给定的显著性水平

不能拒绝原假设，即X8是冗余变量。仍然不满足要求，因α=0.05。因此，

在同一窗此再一次删除掉冗余变量X8，然后重新建模，得到的结果图三：

口，还给出了删除X8后的模型。

对于删除X8后的模型，我们主要看几个指标。F检验，其收尾概率或者相伴概率P的值低于事先确定的显著性水平0.05，拒绝原假设；t检

检验通过；验，其收尾概率P的值也低于事先确定的显著性水平，D.W.检

其取值范围一般在0~4之间。给验，主要用于检验残差序列的自相关性，

定显著性水平α=5%条件下，根据样本容量n和自变量个数P，查D.W.检验表，可查出dl=0.868,du=2.013这两个临界值，计算得出D.W.介于

决定系数R-squared，0~dl中间，因此序列存在正相关关系；通常这一比

模型也就拟合的更加例越大，代表着它能够对回归方程解释的范围更广，

湖北人，研究生学历，现在广西民族大学商学院，研究方向：区域经济学。作者简介：周昊天，男，汉族，

·61·

财经

2016年第11期

计量结果（六）

模型为：用EViews8.0按普通回归建模得到的结果如下所示，

Y=-45184.02+0.55*X1-0.15*X2+5.08*X3+0.49*X4+1.25*X6-0.25*X7

如果R-squared的取值超过0.8，精确，因此回归效果越好。一般地，认为

本例中R-squared为0.991935，模型的拟合优度比较高。说明模型的拟合

度很高。三尧结论

从上面的结果来看，可供选择的变量：播种面积、成灾面积、化肥施用

农村用电量、农业机械动力，其参数的t检验通过，说明播量、灌溉面积、

农业机械动力确种面积、成灾面积、化肥施用量、灌溉面积、农村用电量、

实对粮食总产量（万吨）有显著影响。

粮食产（1）在其它条件不变的情况下，化肥施用量每增加一个单位，

成灾面子每增加一千公顷，粮食产量将减小一千五量增加五万五千多吨；

与预期相符；百吨左右。其中，成灾面积对粮食总产量有负的影响，，可能解释是这种现象在（2）农业机械动力对粮食总产量有负的影响

某种程度上和我国的农业生产制度相关，同时还受到我国生产性农田的特点以及生产性农业收入水平的影响，这和国内一些专家学者所得出的结论类似，即农业机械化的发展对粮食产量的长期增长促进作用不明显。怎样解释这种现象呢？

一方面，中国农业技术进步并不像工业技术进步内生于资本积累,在存在大量剩余劳动力的背景下,市场选择必定排斥机器资本的进入,这种情况在我国长期没有通过扶持而得到解决；家庭小农户经营也

而且科技工作者发明的新的作物品种具有了大规模机械化农业的发展；

一定地域特点,所以可以认为农业科技进步对粮食生产类似一种随机冲击,属于难以量化的部分[6]；另一方面，在耕地不足,为减少污染而将减少化

在物力投入肥施用的情况下,实际上粮食增产将更多地依赖于技术进步。

增产有限的情况下,一个个通过技术进步增加粮食产量的局部案例,更凸现出增加粮食产量要靠技术进步的重要性[6]。

（3）农村用电量的系数为正，笔者认为，其在经济学意义上的解释为：农村用电量越大，代表着农民的生活水平越高，他们越有经济实力来进行农业的集约化生产。

这个结论（4）国家财政用于农业的支出对粮食产量的影响并不明显，

与常理相悖，一种可能的解释是城镇化进程中，农民在城市里工作获得的

但收入要远大于农村中工作的收入，即使国家给予农民一定的财政补贴，

也不足以弥补城市工作相对农村工作的收入剩余；另外，粮食产量容易受

而城市工作更具季节因素的影响，这也会间接影响到粮农收入的稳定性，

这些因素的共同影响下，广大粮农的有时间上的弹性和工作上的灵活性，

种粮意愿就比较低，因此，国家财政用于农业的支出对粮食产量的影响效果并不明显。

预测指标评价（五）

（1990~2014年）如图四所示，可以得到Y序列在样本期的预测值曲

线和各个预测评价指标，同时在主窗口生成预测值序列。这里有几个预测评价指标：

1.基于预测误差的评价指标一般来说，MAPE取值在10以内就说明了其预测的精度比较高。而TIC的取值范围通常是在0到1之间，其值越接近于0越好，该图形中其取值在0~1之间，说明预测比较准确。

2.误差成分分析

其主要由偏差率BP、方差率VP、协变率CP这三个相互联系的指标构成，他们的取值范围都在0~1之间，如果偏差很大则说明预测是有误的；一般而言，BP和VP两个指标在总指标中所占的份额越小越好，而CP

因此，所占的份额应该尽可能的大，BP和VP的数值应尽可能小，CP的数

值应尽可能大。下图显示：BP=0.000，VP=0.002，CP=0.998，因此模型预测的十分理想。

3、稳定性检验—Chow断点检验

为了衡量模型是否具有长期的稳定性，因此有必要做稳定性检验。Chow断点检验方法能够适用于本例，由于Chow断点检验要求各个子样本的观察数据要多于方程系数的个数，样本容量也需要足够的大才能做

过小的样本会检验，因为样本容量不够大必然造成个子样本的容量过小，

导致参数估计不稳定，使断点检验不可靠。这就是本例中选择2002年时间点和1990-2014年时间段的原因。

如果有显本例中，零假设为两个子样本所拟合的方程没有显著差异，

著差异说明关系模型结构发生了改变，每个子样本的观察数必须多于方

其收尾概率的值都大于程系数的个数。本例中，X1、X2等检验的统计量，

本例中给出的显著性水平α=0.05。因此接受原假设，表明该模型的参数

模型具有长期的稳都具有超样本性质，本例中的回归方程没有显著差异，

定性。

模其它参数的t检验、回归方程的F检验、残差的D.W.检验均通过，

型拟合的比较好。

实际值(Y)与拟合值(YF)对照图图四：

四尧建议

影响我国粮食生产的最主要因素是播种面积、成灾面积、化肥施用

提高和保护量、灌溉面积、农村用电量、农业机械动力。因此，笔者认为，

我国粮食综合生产能力可以采取以下几点措施：

“18亿亩耕地红线”（一）继续坚持的不动摇，严格执行耕地保护

在守住“红线”的基础上建好“红制度，稳定并扩大我国粮食的播种面积，

线”，保障我国的粮食安全；

继续加强并完（二）切实加强农业基础设施和农业服务体系的建设，

建立以为主导、财政为支撑的现代农业服务体善农业灾情预警机制，

系，大力推广粮食新肥料、新品种、先进种植技术，提高粮食的产品质量和单产水平；

财政等相（三）继续完善“三农”惠农，通过配套的产业，

关，提高粮农的收入水平，切实保障粮农的利益，从而提高粮农的生产积极性和主动性；

（四）继续加大农业科技研发的力度，加大农业的科研投入，努力发展

信息遥感技术、管理科学、农业机现代农业,提高与农业相关的土壤科学、

械等学科的建设水平，大力推广生态农业，努力加强低毒、高效、低残留农业的建设步伐。

【参考文献】

陈锐、刘曰波.影响我国粮食产量的因素分析及对策研究[J].中国农机化，[1]魏津瑜、

2008（5）.

[2]曲胜杰.我国粮食产量影响因素的实证分析———以1980—2011粮食生产情况为样本[J].青岛党校.青岛行政学院学报，2014（2）.

何龙娟.中国粮食增产潜力影响因素分析[J].中国农学通[3]高云、陈伟忠、詹慧龙、

报，2013(35)．[4]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（05）.

张新润.中国粮食生产的预测模型研究[J].统计与决策，[5]温晓慧、2010（22）.

[6]谢杰.中国粮食生产影响因素研究[J].经济问题探索，2007（9）.

·62·