贵州省粮食生产影响因素分析.docx

1、贵州省粮食生产影响因素分析 摘要：作为中国西南地区重要的农业省份之一，贵州省粮食生产产值在其国民经济组成中占有重要地位。根据贵州省 19932012 年粮食生产的相关数据，运用最小二乘回归方法建立了贵州省粮食生产影响因素初始回归模型，之后运用逐步回归法对上述回归方程进行精确性调整、相关性检验和异方差性检验，得到最佳拟合回归方程。通过对回归结果进行分析，发现粮食播种面积和化肥施用量是影响贵州省粮食生产的关键因素，并认为在粮食播种面积受限、化肥施用量达到使粮食边际产量开始递减的极限背景下，资本投入和农业技术进步是提高贵州省粮食产量的新途径。 因此，贵州省应该通过有效保护耕地、稳定粮食作物种植面积、

2、改善施肥结构、加大农业资本投入和技术投入等措施来保证本省粮食的稳产增产。 关键词：贵州省；粮食生产；影响因素；回归模型 中图分类号： F326.11； F327 文献标识码： A 文章编号： 0439-8114（ 2016） 08-2146-06 DOI： 10.14088/j.c; word-spacing: 0px; text-transform: none; color: rgb(51,51,51); text-align: left; font: 16px/28px 微软雅黑 , Helvetica; letter-spacing: normal; text-indent: 0px;

3、-webkit-text-stroke-width: 0px“ / Abstract： As one of the important agricultural provinces in southwest China， the output value of grain production in Guizhou province have occupy an important status in national econ in Guizhou， using the least-squares regression method， an initial regression model

4、of the factors influencing grain production of Guizhou was established， then using the stepwise regression method to adjust the accuracy and test the correlation and heteroscedasticity of the regression equation， the best fitting regression equation was obtait， the area sown to grain and amounts of

5、fertilizer application were the key factors influencing grain production of Guizhou， and which argued that in the extreme background that the area sown to grain was limited， and the amounts of fertilizer began to make the marginal product decline， the capital input and agricultural technical progres

6、s were new ways for increasing grain production in Guizsed grain production of the province through measures such as effectively protecting the arable land， making food crops planting area stable， improving fertilization structure， increasing inputs of agricultural capital and techni-transform: none

7、; color: rgb(51,51,51); text-align: left; font: 16px/28px 微软雅黑 , Helvetica; letter-spacing: normal; text-indent: 0px; -webkit-text-stroke-width: 0px“ / Key words： Guizhou province； grain production； influence factors； the regression model 粮食是人类生存的 必需品，是社会经济发展和国家安定富强的重要基础和重要保障，粮食问题关系着国计民生，是中国政府一直以来高度

8、重视的重大问题之一。特别是近些年来，随着世界气候变化、人口增长及环境问题的日益凸显，粮食生产与安全问题更加受到人们的关注。在这种情况下，科学分析粮食综合生产能力，探究粮食生产投入要素对粮食产出的影响，寻找制约粮食生产的瓶颈因素，对于稳定粮食生产、确保粮食安全意义重大。 国内围绕粮食产量影响因素问题，赵慧江在 19902005年统计数据的基础上，采用普通回归分析方法通过建立以 5种可量化的影响因素为自变 量，以粮食产量为因变量的多元线性回归模型，对中国粮食产量的主要影响因子进行了分析，并以此为依据提出了关于中国稳定发展粮食生产的参考意见。肖海峰通过建立粮食总产量和影响因素的柯布道格拉斯生产函数，

9、对中国19782002 年的数据进行了分段分析，从而研究中国粮食综合生产能力。高倩倩等运用统计学的知识采用 Eviews 6.0 统计软件建立了粮食产量评估模型，对建国以来山东省粮食增产的主要因素进行了分析，得出了提高粮食单产是粮食增产的最有效途径的结论。廖婧琳等则更加关注自然灾害对粮食生产的影响，分析了水旱、冰雹、病虫害 和低温冷冻等农业灾害对贵州省粮食产量的影响机理，并提出了相应的应对措施。本研究在参考前人研究成果的基础上，以贵州省 19932012 年粮食生产的相关数据为依托，构建了一个统计特征合理的分析模型，来对影响贵州省粮食产量的因素进行分析，以期为贵州省制定合理的农业政策提供科学的

10、理论依据。 1 贵州省粮食生产函数的构建 1.1 粮食生产影响因素指标体系 现实中影响粮食产量的因素有很多，对这些因素进行量化是分析研究的基础，同时也是一个比较复杂和困难的工作。本研究从数据可获取性、指标量化的可行性等指标选取原 则出发，参考前人研究成果，并结合贵州省农业系统的实际状况，选取粮食总产量（ Y）作为要预测的目标数据，选取粮食播种面积（ X1）、农业机械总动力（ X2）、农业从业人员（ X3）、化肥施用量（ X4）、家庭农业支出（ X5）、政府财政支农支出（ X6）和成灾面积（ X7） 7个对贵州省粮食产量有较大影响的因子来构建农业系统粮食生产的指标体系。所需数据均来源于 1993

11、2012 年的贵州统计年鉴和贵州年鉴，模型采用线性生产函数： Y=0+1X1+2X2+3X3+4X4+5X5+6X6+7X7+？着 式中， i（ i=1， 2， 7）为各指标系数，？着为随机误差项，表示受这些指标影响以外的其他随机扰动。 1.2 基于 OLS 的模型估计 运用 OLS 法对贵州省粮食产量影响因素回归方程进行估计，假设取显著性水平为 =0.05，那么估计结果为： Y=-9 253 308.42+5.37X1-0.79X2-0.65X3+4.13X4+0.88X5+0.92X6-4.74X7 t 统计量为： -2.32 7.84 4.95 -3.41 0.73 2.56 0.66

12、1.21 R2=0.978 2， F=35.16， D.W=1.98 由于 R2 值接近 1， F0.05（ 6.20） =2.60， F检验值 35.16F0.05（ 6.20），因此可以认为贵州省粮食产量与其影响因素之间存在着显著的线性关系。但是， X4和 X6未通过 t检验， X2的系数符号表示的经济意义也不合理，这说明这种线性关系很有可能不是单重的，而是比较复杂且难以处理的多重线性 关系。为了验证以上推断，下面对各指标之间相关关系进行检验（表 1）。 由表 1 可以看出，农业机械总动力（ X2）和农业从业人员（ X3）之间存在着高度的相关性，相关系数接近 0.96，证明了以上的推断。为

13、了排除指标间多重共线性给解决问题带来的干扰和困难，有必要设法对上述回归方程进行调整。 1.3 用逐步回归法对模型进行调整 用粮食总产量（ Y）分别对指标 X1、 X2、 X3、 X4、 X5、 X6、 X7 作一元线性回归（表 2）。 由表 2 可以看出，贵州省粮食生产受粮食播种面积影响最大，与实际调研结果相 符，故选 Y=F（ X1）的表达式作为以下研究的基本回归模型。之后把其他指标依次引入到基本回归模型中，通过逐步回归，进一步寻找一个单线性且各指标系数经济意义均合理的回归方程。 逐步回归步骤如下： 把 X2 引入模型，用 Y 对 X1、 X2做回归分析，得 Y=F（ X1， X2）； 再把

14、 X3 引入模型，用 Y对 X1、 X2、 X3 做回归分析，得 Y=F（ X1， X2，X3）； 去掉 X3，引入 X4，用 Y对 X1、 X2、 X4 做回归分析，得 Y=F（ X1， X2，X4）； 引入 X5，然后再用 Y对 X1、 X2、 X4、 X5做回归分析，得 Y=F（ X1， X2，X4， X5）； 之后再引入 X6，用 Y对 X1、 X2、 X4、 X5、 X6做回归分析，得 Y=F（ X1，X2， X4， X5， X6）； 最后引入 X7，再用 Y对 X1、 X2、 X4、 X5、 X6、 X7做回归分析，得到最终的回归方程 Y=F（ X1， X2， X4， X5， X6

15、， X7）。 由表 3可以看出，引入 X2后，拟合优度有所提高， X2的参数符号经济意义合理，且变量均通过了 t检验；引入 X3后， R2值从 0.898 7提升到 0.925 5，说明拟合优度得到进一步提高，但 X3的参数符号经济意义不合理，且未能通过 t 检验；去掉 X3 引入 X4 后，拟合优度再次提高，且 X4 参数符号经济意义合理，各变量也都通过了 t检验；之后依次引入 X5、 X6、 X7，拟合优度继续提升，从 0.954 0 提高到 0.988 2，这 3 个指标的参数符号的经济意义也都合理，但 X5、 X6 未通过 t 检验，而 X7 顺利通过了 t 检验。据此得到的较为合理的

16、回归模型应该为： Y=-5 247 300.15+5.44X1+0.82X2+4.12X4-5.16X7 1.4 序列相关性检验和异方差性检验 对回归方程 Y=-5 247 300.15+5.44X1+0.82X2+4.12X4-5.16X7 进行序列相关性检验： t 统计量为： -11.95 6.43 8.45 3.57 6.22 R2=0.988 2， F=223.17， D.W=1.79 D.W检验表明， n=20， k=5时，在 5%的显著性水平下，有 dk=1.52，因为D.W=1.79dk，证明该回归模型各变量间不存在一阶自相关性。 之后采用怀特检验法（ White test）对该

17、模型进行异方差性检验，模型估计 结果见表 4。 由表 4 可得，在 5%的显著性水平下，有 nR2= 11.0720.05（ 4） =9.49，因此存在着异方差性。为了克服这种异方差性带来的问题，运用 WLS对以上回归模型参数进行进一步调整： Y=-7 136 218.23+5.25X1+0.76X2+4.37X4-5.08X7 t 统计量为： -29.83 15.23 7.56 25.17 45.09 R2=0.997 8， F=1 230.55， D.W=1.46 D.W检验表明， n=20， k=5时，在 5%的显著性水平下，有 dk=1.52，因为D.W=1.46Y= -7 136 2

18、18.23+5.25X1+0.76X2+4.37X4-5.08X7 图 1是根据拟合方程计算的贵州省 19932012年粮食产量拟合值与实际值二者对照图。 2 结果分析与预测 2.1 结果分析 结果表明，在上述选取的 7个指标中，粮食播种面积 X1、农业机械总动力 X2、化肥施用量 X4和成灾面积 X7等是影响贵州省粮食生产最关键的因素。其中，粮食种植面积 X1 的回归参数为 5.25，表示在影响粮 食产量的其他条件不变的情况下，粮食播种面积每增加 1万 hm2，粮食总产量就会增加 5.25万 t；农业机械总动力 X2 的回归参数为 0.76，表示农业机械总动力每提升1%，就会引起粮食总产量增

19、加 0.76倍；化肥施用量 X4的回归参数为 4.37，表示化肥施用量每增加 1万 t，就会使粮食总产量增加 4.37 万 t；而成灾面积 X7的回归参数为 -5.08，说明成灾面积与粮食产量之间存在着负相关关系，成灾面积每减少 1万 hm2，就会促使粮食产量增加 5.08万 t。由图 1贵州省粮食总产实际值与模型拟合值的对比曲线图可以看出拟合值与实际值具有高度的拟合优度，最大拟合误差仅 5.5%。 1）在该回归模型中，农业从业人员（ X3）即农业劳动力被排除在了模型之外，之所以会这样，是因为目前贵州省农村中存在着大量的未转移或者待转移的剩余劳动力，导致劳动的边际生产率很低，甚至为零。另一方面

20、，由于劳动与土地、资本等其他生产要素之间存在着替代效应，因此在目前贵州省粮食耕种面积有限、农业资金匮乏的条件下，农民必会继续投入劳动，直至劳动的边际收益为零。此外，根据 Leontief 生产函数 Q=Min（ L/M，K/N），粮食产量 Q取决于 L/M 和 K/N 两个比值中较小的 那一个，即使其中的一个比例数值较大，也不会提高产量，其中， L 和 K 分别表示粮食生产中劳动和资本的投入量， M 和 N分别表示固定的劳动和资本的生产技术系数，它们分别表示生产一单位产品所需要的固定的劳动投入量和资本投入量。因此，在当前贵州省农村中存在着大量剩余劳动力的情况下，粮食产量就应该由资本投入量 K决

21、定，而 K又可以进一步分解为农业机械、化肥等农业生产要素，这也解释了模型中不包含家庭农业支出（ X5）和政府财政支农支出（ X6）的原因。 2）由贵州省粮食产量影响因素的最终拟合回归方程可以看出，粮食播种面积是贵州 省粮食产量最大的一个影响因素，粮食播种面积每增加 1 万 hm2，会带来的粮食增量高达 5.25 万 t，就可以多养活人口 3.40 万人，可见保证粮食播种面积对国计民生的重要性。贵州省是全国人均耕地占有最少的省份之一，其可用于农业开发的土地资源不多，耕地面积少、质量差，开发利用比例大，后备耕地严重不足，这极大地制约了粮食种植面积的扩大和整个农业经济的发展。 1993 年贵州省共有

22、水、旱耕地 436.22 万 hm2，总人口为 3 155.23 万人，人均耕地占有量为 0.138 hm2；到 2012 年，全省共有耕地 469.85 万 hm2，人 口 3 474.65 万人，人均占有量降低到 0.135 hm2，虽然 20年间人均占有量仅减少 0.003 hm2，却反映了贵州省耕地面积持续减少趋势的进一步恶化。耕地是不可再生或者说很难再生的稀缺资源，而粮食又是耕地密集型产品，在人类尚未开发出不使用耕地就可以进行大规模粮食生产的技术之前，必须加强耕地保护，确保一定的耕种面积。 3）模型显示，成灾面积（ X7）是对贵州省粮食产量影响排名第 2 的因素，二者之间呈负相关关系

23、。因受农业自然灾害的影响，贵州省粮食产量多年来波动较大。贵州省常发性农业自然灾害有冰雹、春旱 、暴雨、倒春寒和作物病虫害等，其中寒灾和旱灾是对该省粮食生产影响最大的两种自然灾害。 1993年，贵州省农业自然灾害成灾面积为 56.36万 hm2，约占当年全省粮食播种面积的 15%，之后的 7 年里，贵州省粮食成灾面积逐年减少，到2000 年，成灾面积仅为 20.54 万 hm2，减少量为 35.82 万 hm2，降幅达63.56%，是 8 年里的最小值。 1999 年以后，贵州省又经历了两个自然灾害多发期（分别为 20002002 年和 20062008 年）和两个自然灾害少发期（分别为 200

24、32005 年和 20092012 年），在两个自然灾害 多发期内和两个自然灾害少发期内，贵州省粮食作物年均成灾面积分别为 56.10 万 hm2 和 21.34 万hm2，粮食产量年均增长 7.6%和 15.8%，可见自然灾害成灾面积对贵州省粮食生产的影响程度是很大的。 4）化肥施用量（ X4）对贵州省粮食产量的影响在所有因素中排名第 3。贵州省粮食播种面积从 1993 年的 286.22万 hm2 增加到 2012 年的 305.43 万hm2，增幅仅为 6.7%，而化肥施用量却从 36.40万 t增加到 98.2 万 t，增幅高达 169.78%，可见这 20 年里化肥施用量对贵州省粮食

25、产量的促进作用还是 相当大的，这也验证了学术界关于 20世纪最后十年和 21世纪前十年中国西部地区粮食产量增量的很大一部分来自于化学肥料的大规模施用的结论。贵州省农业化肥施用量与粮食产量的关联度较高，对粮食产量影响也比较大，化肥在农业生产中的广泛应用，对粮食稳产和增产都起到了比较大的作用。然而另一方面，由于受边际效益递减规律的影响，化肥投入在贵州省粮食生产方面的促进作用也必将逐步下降，因此一味地靠增加化肥施用量来增加粮食产量的做法并不可行，关键是要提高化肥的使用效率。 5）农业机械总动力（ X2）是对贵州省粮食产量影响较大的 又一因素。贵州省地貌属于中国西部高原山地，素有天无三日晴，地无三里平之说，境内地势西高东低，喀斯特地貌比较明显，造成贵州山地比较多，土地比较小，并且高低不平，以至于大型农业机械在此不能使用，这也制约着贵州农业现代化的发展。自上世纪 90 年代以来，针对贵州省特殊的农业地理条件，逐步推出了小型轻便的农机具，这使得贵州省农业机械化水平得到了很大的提高。 19932012 年，贵州省农业机械总动力从 12.28 万台提升到56.69 万台，其中 30 马力以下的中小型机械增加 25.6 万台，占到全部增加量的 57.64%。尤其是 2008年以后，贵州省的农业机械总动力呈现出直线型增长趋势，农业机械总动力的提升对促进贵州省粮食产量的增加起到了至关重要的作用。