我国粮食产量影响因素实证分析

李晶　张碧云

摘 要 本文基于1990—2015年我国粮食产量影响因素的相关时间序列数据，通过Eviews软件建立多元线性回归模型，对我国粮食产量变化原因进行分析，并对数据和模型进行多重共线性检验及修正，异方差的检验及修正以及自相关检验及修正，从而得出各个影响因素对粮食产量的影响程度。

关键词 粮食产量 多元线性回归 逐步回归

一、建立回归模型

本文以粮食产量作为被解释变量（Y），以粮食播种面积（X1）、成灾面积（X2）、农业机械总动力（X3）、有效灌溉面积（X4）4个变量作为自变量，建立如下模型：

Y=β0+β1x1+β2x2+β3x3+β4x4+μ

模型回归结果：

=-38769.32+0.5437X1-0.0822 X2+0.0688 X3+0.4922 X4

t=（-2.6405） （6.6951） （-1.7236） （0.8210） （1.2306）

R2=0.9638 =0.9569 F=139.8381 n=26

二、多重共线性的检验及修正

（一）多重共线性的检验

通过Eviews软件检验，解释变量的相关系数较高，确实存在多重共线性。

（二）多重共线性的修正

采用逐步回归法，经过连续三次采用逐步回归，最终保留X1，X2，X4，剔除X3，回归结果为：

=47806.94+0.5060X1-0.0969X2+0.8164X4

t=（-4.9573） （7.6055） （-2.2095） （13.1539）

R2=0.9627 =0.9576 F=189.0271 DW=0.7307

三、异方差的检验

选用White检验，构造辅助函数：

经计算出现White检验结果，得到nR2=12.1985，由White检验可知，在显著性水平α=0.05情况下，不存在异方差。

四、自相關的检验及修正

（一）自相关的检验

根据修正多重共线性影响后的回归方程可以看出，可决系数较高，回归系数均显著。在显著性水平为α=0.05，说明该模型存在自相关。

（二）自相关的修正

采用广义差分法修正自相关，回归方程为：

*=-17013.03+0.5544X1t*-0.1408X2t*+0.6610X4t*

t=（-4.1025） （6.5793） （-4.1613） （7.3603）

R2=0.9297 =0.9196 F=92.5104 DW=1.9594

其中：

Yt*=Yt-0.6064Yt-1，X1t*=X1t-0.6064X1t-1，X2t*=X2t-0.6064X2t-1，X4t*=X4t-0.6064X4t-1。

由差分方程式得：==-43224.1616，我国粮食产量模型为：Y=-43224.1616+0.5544X1-0.1408X2+0.6610X4。

五、结语

从回归结果可以看到，在假定其他变量不变的情况下，当我国的种植面积每增长1000公顷，我国粮食产量就会增加0.5544万吨，当我国成灾面积每增加1000公顷，我国粮食产量就会减少0.1408万吨，当有效灌溉面积每增长1000公顷，我国粮食面积就会增加0.6610万吨。

（作者单位为华北理工大学经济学院）

参考文献

[1] 焦宇航，王红梅.粮食产量影响因素分析[J].湖北农业科学，2016，55（07）：1873-1879.

[2] 王珺鑫.粮食产量影响因素的实证分析[J].中州大学学报，2018，35（03）：37-41.

[3] 李秀芝，褚鹏.中国粮食产量应先和因素分析[J].林业勘察设计，2018（01）：87-90.