- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
影响我国农业总产值因素的分析
——计量经济学实验报告
05电子商务 200530780206
【摘要】:目前影响我国农业产值的因素有很多,本文运用计量经济学方法分析我国农业总产值的影响因素并得出结论。
关键词:农业总产值 影响因素 分析 回归 检验
一.前期准备阶段:
1.变量: 以农业产值为被解释变量Y, 以有效灌溉面积(X1),化肥使用量(X2),农业机械总动力(X3)为解释变量。(其中,农业产值单位为:亿元;有效灌溉面积单位为:千公顷;化肥使用量单位为:万吨;农业机械总动力单位为:万千瓦)
2.模型设定:根据其相互间的联系。还有由它们的散点图可以确定模型可以设为线型模型。
设模型的函数形式为:yt=b0+b1x1+b2x2+b3x3.
年份
农业总产值Y
有效灌溉面积X1
化肥施用量X2
农业机械总动力X3
1978
1397
44965
884
11749.9
1980
1922.6
44888.06667
1269.4
14745.7453
1985
3619.5
44035.9
1775.8
20912.5
1990
7662.1
47403.1
2590.3
28707.7
1991
8157
47822.1
2805.1
29388.6
1992
9084.7
48590.1
2930.2
30308.4
1993
10995.5
48727.9
3151.9
31816.6
1994
15750.5
48759.1
3317.9
33802.5
1995
20340.9
49281.2
3593.7
36118.1
1996
22353.7
50381.4
3827.9
38546.9
1997
23788.4
51238.5
3980.7
42015.6
1998
24541.86
52295.6
4083.7
45207.7
1999
24519.06
53158.41
4124.32
48996.12
2000
24915.8
53820.33
4146.4122
52573.6063
2001
26179.6
54249.39107
4253.7634
55172.1
2002
27390.75359
54354.8
4339.39
57929.85
2003
29691.8
54014.23
4411.5603
60386.541
2004
36238.98976
54478.42
4636.58
64027.91
2005
39450.88734
55029.339
4766.2183
68397.8486
附:散点图:
注:
数据来源:中华人民共和国国家统计局网站
二.回归分析。
1、运用OLS估计方法对式中的参数进行估计。得到回归结果如下图:
图1:回归结果
三、模型检验
1.分析:
(1)由上图可以看到,F=89.43693>F0.05 (3,17)= 3.20(显著性水平a =0.05),表明从整体上看农业总产值与解释变量之间线性关系显著。
(2)R2 =0.9471,说明样本回归直线的解释能力为94.71%,模型的拟合程度较高。
(3)查表可知,t0.025(17)=2.1098,由上表可以看到,只有X3对应的t检验统计量t=2.7111> t0.025(17)=2.1098,t检验通过。
2.检验。
--------计算解释变量之间的简单相关系数。
表1:相关系数矩阵
由表1可以看出,解释变量之间存在高度线性相关。同时由图1也可以看出,尽管整体上线性回归拟合较好,但的参数t值并不显著系数的符号与经济意义相悖(此句不通,要修改)。表明模型中解释变量确实存在严重的多重共线性。
3.修正。
(1)运用OLS方法求y对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。经分析,在3个一元回归模型中农业总产值对农业机械总动力X3的线性关系最强,拟合程度最好。回归结果如图2所示。
图2:回归结果
y=-8416.150+0.671905x3
t=(-4.676318) (16.28285)
R2=0.939744 S.E.= 2880.231 F=265.1311
(2)逐步回归。(以y=-8416.150+0.671905x3作为最基本的模型。)
《1》加入化肥施用量X2,对农业总产值Y关于X3, X2建立二元回归模型,回归结果如下图所示:
图3:回归结果
y=-10502.70+0.498155X1+2.674912X2
t=(-4.695424) (4.026590) (1.483618)
R2=0.94
文档评论(0)