（农业畜牧行业）对我国农
业总产值的分析
中国农业生产总值的计量模型
统计 0901李婷婷
2009111050
对中国农业生产总值的因素分析
(一)前言
通过对影响我国农业产值的因素分析，找出对其影响较大的因素，有针对性的提高部分
因素，从提高农业总产值达到边际效用最大化，合理利用资源。
(二)理论背景
农业对我国的综合发展有着至关重要的作用。就目前形式来说，“三农”问题已经成为
举国上下关注的焦点。农业是我国国民经济的基础，它关系到我国的经济发展和社会稳定。
可以说，在近些年中，农业总产值出现了一些波动，并对我国的经济发展产生了一定的影响，
那么分析出现这些波动的原因，是一件非常有意义的事情。
迄今为止有许多的专家做过这些方面的研究，从国民经济核算的角度，农业总产值下设的科
目中影响农业产值的有耕地面积、主要农业机械拥有量、播种面积、有效灌溉面积、化肥施
用量、农村水力设施及用电量、受灾面积、成灾面积。下面我们从 1农业机械总动力（万千
瓦）2播种面积（千公顷）3农业化肥使用量（万公斤）4成灾面积（公顷）5有效灌溉面积（千
公顷）6乡村办水电站装机容量（万千瓦时）7大中型拖拉机配套农具（万部）8主要农作
物产量（万吨）9农产品价格指数%几个方面来分析对农业产值的影响。
(三)模型的选择与建立
本模型是以 2010年为准的 31省截面数据
其中模型中的被解释变量为：
y 农业总产值（万亿元）
解释变量为:
x1农业机械总动力（万千瓦）
x2播种面积（千公顷）
x3农业化肥使用量（万公斤）
x4成灾面积（千公顷）
x5有效灌溉面积（千公顷）
x6乡村办水电站装机容量（万千瓦时）
x7大中型拖拉机配套农具（万部）
x8主要农作物产量（万吨）
x9农产品价格指数%
初始模型为：
Y = f[(X1,X2,X3,X4,X5,X6,X7,X8,X9),(β0,β1,β2,β3,β4,β5,β6,β7,β8,β
9)]+u
(四)数据来源于分析
一、原始数据
中国农业总产值与相关投入资料
省
份
农业
总产
值(亿
万元）
农业机
械总动
力（万
千瓦）
播种
面积
（千
公顷）
农
业
化
肥
使
用
量
（
万
公
斤）
成灾面
积（千
公顷）
有
效
灌
溉
面
积
（
千
公
顷）
乡
村
办
水
电
站
装
机
容
量
（
万
千
瓦
时）
大
中
型
拖
拉
机
配
套
农
具
每
百
户
台
主要农
作物产
量（万
吨）
农产
品价
格指
数%
北
京
13.
82
218
.71
9
3
2
103.
39
天
津
25.
96
347
.38
0
3
104.
85
河 316 455 37. 11271. 103.
北 7 0 .17
5
02 8 30 27
山
西
6
104
.32
126
9
17.
26
0
0
102.
90
内
蒙古
3
171
.42
294
5
5
6
9
5
辽
宁
4
133
.61
150
8
30.
73
7
5
0
吉
林
4
174
.18
168
0
39.
10
8
7
8
黑
龙江
9
12129.
15
198
.87
340
6
24.
16
17.
90
12772.
08
103.
09
上
海
12.
56
202
.32
23.
46
7
5
江
苏
9
5
344
.00
381
6
7
1
10735.
97
103.
29
浙
江
9
93.
59
144
7
361
.01
0
7
102.
56
安
徽
9
8
312
.79
348
8
82.
84
5
10479.
88
103.
98
福
建
1
120
.68
960
.12
684
.68
7
3
104.
86
江
西
8
135
.76
184
3
258
.85
9
8
102.
59
山
东
9
6
10778.
43
472
.86
489
2
7
3
17218.
60
102.
73
河
南
7
14181.
40
628
.67
503
3
35.
43
11.
68
19900.
10
103.
12
湖
北
9
0
340
.25
235
0
269
.78
5
5
103.
76
湖
南
4
3
231
.60
272
488
.34
8
10143.
90
105.
92
8
广
东
3
4
233
.15
187
9
652
.63
2
7
105.
57
广
西
7
0
229
.32
152
4
345
.34
4
13441.
97
105.
31
海
南
46.
29
243
.17
29.
70
8
1
105.
04
重
庆
0
91.
17
672
.02
138
.12
7
0
106.
78
四
川
6
6
247
.97
252
6
657
.11
3
10800.
37
104.
64
贵
州
9
86.
54
101
4
195
.43
1
3
102.
77
云
南
6
171
.39
156
7
721
.86
8
7
104.
24
西
藏
9
235
.15
18.
40
3
8
陕
西
0
181
.32
129
4
82.
73
4
9
103.
80
甘
肃
4
82.
90
126
7
155
.35
2
9
105.
18
青
海
6
251
.67
59.
38
7
106.
03
宁
夏
7
35.
54
453
.55
2
3
0
108.
58
新
疆
0
154
.98
367
8
93.
65
8
6
107.
80
说明：数据来源《中国统计年鉴》2010
二、数据调整
中国农业总产值与相关投入资料
省
份
农业
总产
值(亿
万元）
农业机
械总动
力（万
千瓦）
播种
面积
（千
公顷）
农
业
化
肥
使
成灾面
积（公
顷）
有
效
灌
溉
面
乡
村
办
水
电
大
中
型
拖
拉
主要农
作物产
量（万
吨）
农产
品价
格指
数%
用
量
（
万
公
斤）
积
（
千
公
顷）
站
装
机
容
量
（
万
千
瓦
时）
机
配
套
农
具
每
百
户
台
北
京
4
13.
82
218
.71
9
3
2
100
天
津
9
25.
96
347
.38
0
3
101
.41
河
北
1927.
7
0
316
.17
455
5
37.
02
8
11271.
30
99.
89
山
西
1
6
104
.32
126
9
17.
26
0
0
99.
53
内
蒙古
7
3
171
.42
294
5
6
9
94.
16
5
辽
宁
5
4
133
.61
150
8
30.
73
7
5
94.
3
吉
林
2
4
174
.18
168
0
39.
10
8
7
94.
87
黑
龙江
1206.
75
12129.
15
198
.87
340
6
24.
16
17.
90
12772.
08
99.
71
上
海
1
12.
56
202
.32
7
95.
41
江
苏
1948.
12
5
344
.00
381
6
7
1
10735.
97
99.
9
浙
江
1
9
93.
59
144
7
361
.01
0
7
99.
2
安
徽
1289.
75
8
312
.79
348
8
82.
84
5
10479.
88
100
.57
福 120 960 684 101
建 9 1 .68 .12 .68 7 3 .42
江
西
9
8
135
.76
184
3
258
.85
9
8
99.
23
山
东
3223.
88
6
10778.
43
472
.86
489
2
7
3
17218.
60
99.
36
河
南
2833.
17
14181.
40
628
.67
503
3
35.
43
11.
68
19900.
10
99.
73
湖
北
1511.
44
0
340
.25
235
0
269
.78
5
5
100
.36
湖
南
1596.
58
3
231
.60
272
8
488
.34
8
10143.
90
102
.45
广
东
1550.
98
4
233
.15
187
9
652
.63
2
7
102
.11
广
西
1134.
93
0
229
.32
152
4
345
.34
4
13441.
97
101
.85
海
南
5
46.
29
243
.17
29.
70
1
101
.59
重
庆
2
0
91.
17
672
.02
138
.12
0
103
.28
四
川
1806
6
247
.97
252
6
657
.11
3
10800.
37
101
.2
贵
州
9
86.
54
101
4
195
.43
1
3
99.
4
云
南
2
6
171
.39
156
7
721
.86
8
7
100
.82
西
藏
9
235
.15
18.
40
3
84.
52
陕
西
7
0
181
.32
129
4
82.
73
4
9
100
.4
甘
肃
4
4
82.
90
126
7
155
.35
2
9
101
.74
青 251 59. 102
海 6 .67 38 7 .55
宁
夏
7
7
35.
54
453
.55
2
3
0
105
.02
新
疆
9
0
154
.98
367
8
93.
65
8
6
104
.27
说明：数据为“截面数据”数据,故价格指数、农业产值需做调整，原始数据绝
对数据，以北京为基准来调。
（三）变量的基本统计信息。
为了模型参数估计、检验、各种系数计算和预测的方便，各变量的基本统计分析
如表３、4、5所示：
表３ 各变量的基本统计分析
Y X1 X2 X3 X4 X5 X6 X7 X8 X9
Mean
8
5
32
8
1
5
6635.
830
Median
0
0
00
0
0
0
5806.
950
Maximum
0
6
00
0
0
0
19900
.10
Minimum
0
0
00
0
0
0
000
Std.
Dev.
8
8
64
8
9
5
4983.
977
表４ 变量的协方差
Skewnes
s
4
1
78
6
1
2
994
2
Kurtosi
s
7
1
10
3
1
3
387
Jarque-
Bera
7
0
98
5
7
0
558
Probabi
lity
5
2
99
2
9
9
818
Observa
tions
31 31 31 31 31 31 31 31 31 31
Y X1 X2 X3 X4 X5 X6 X7 X8 X9
Y 1
426617
37
766240
63
552429
34
480315
44
058960
96
385179
23
780709
07
786605
52
013401
89
X1
426617
37
1
575858
06
849239
55
046896
27
586296
71
031041
283
725443
88
837903
72
242315
953
X2
766240
63
575858
06
1
332804
5
468196
82
389542
65
103680
816
703946
83
001798
82
962385
94
X3
552429
34
849239
55
332804
5
1
454161
94
018253
11
735429
742
888749
59
905613
35
439101
77
X4
480315
44
046896
27
468196
82
454161
94
1
552954
46
110489
69
890090
56
820479
019095
86
X5
058960
96
586296
71
389542
65
018253
11
552954
46
1
611522
011
114840
01
231022
06
011947
05
X6
385179
23
031041
283
103680
816
735429
742
110489
69
611522
011
1
850870
042
361660
793
369081
88
表５ 简单相关系数表
X7
780709
07
725443
88
703946
83
888749
59
890090
56
114840
01
850870
042
1
582019
33
233362
719
X8
786605
52
837903
72
001798
82
905613
35
820479
231022
06
361660
793
582019
33
1
826036
33
X9
013401
89
242315
953
962385
94
439101
77
019095
86
011947
05
369081
88
233362
719
826036
33
1
Y X1 X2 X3 X4 X5 X6 X7 X8 X9
Y 593757
.54222
8
186686
9
232673
2
102921
.22411
7
160271
.72560
6
945826
.88834
9
20666.
333865
3
339756
9
637704
1
X1 186686
9
758239
9
776397
7
333903
.70616
1
766837
.77471
5
333953
8
-94736
.62085
51
66575
110947
3
300051
X2 232673
2
776397
7
127913
2
443366
.86368
153222
6
444543
3
33460.
434397
4
869535
7
161063
9
267377
6
X3 102921
.22411
7
333903
.70616
1
443366
.86368
19979.
208016
7
30366.
603784
9
173478
.03452
924158
2
707321
4
636194
.62630
2
799234
7
X4 160271
.72560
6
766837
.77471
5
153222
6
30366.
603784
9
518879
.63043
5
528252
.95123
6
-46179
.39441
63
352607
1
154591
6
945147
96
X5 945826
.88834
9
333953
8
444543
3
173478
.03452
528252
.95123
6
197325
7
-40578
.22422
93
615267
9
581894
683596
9
X6 20666.
333865
3
-94736
.62085
51
33460.
434397
4
924158
2
-46179
.39441
63
-40578
.22422
93
55505.
916374
677214
29
38159.
434942
1
424081
6
X7
66575
869535
7
707321
4
352607
1
615267
9
677214
29
382142
9
657410
7
621428
57
X8 339756
110947
161063
636194
.62630
154591
581894
38159.
434942
657410
237488
860716
四、各解释变量与被解释变量间的散点图
由散点图可以看出：y与 x1、x2、x3、x5、x8、线性显著 与 x4、x6、x7、x9呈集中式分散
尤其与 x9近似一条垂直线。
五、理论模型的建立与估计
1)对模型进行初步估计，运用 OLS估计法对模型中参数进行估计：
Dependent Variable: Y
Method: Least Squares
Date: 12/03/11 Time: 09:06
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C
X1
X2
X3
X4
X5
X6
X7
X8
X9
R-squared Mean dependent var
Adjusted
R-squared
. dependent var
. of
regression
Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
9 3 9 2 6 1 7 1 8
X9
637704
1
300051
267377
6
799234
7
945147
96
683596
9
424081
6
621428
57
860716
8
942346
9
Durbin-Watson
stat
Prob(F-statistic)
=++++
t（） （） （） （） （）
++
（） （） （） （） （）
R2= = F= DW =
1．经济意义检验：
模型估计结果说明，在假定其他变量不变的情况下，农业机械总动力每增加 1万千瓦，
农业总产值万亿元将增加 万亿元；在假定其他变量不变的情况下，播种面积每增
加 1千公顷，农业总产值将减少 万亿元；在假定其他变量不变的情况下，农业化
肥使用量每增加 1万公斤，农业总产值将增加 万 亿元；在假定其他变量不变的情
况下，受灾面积每增加 1千公顷，农业总产值将增加 万 亿元；在假定其他变量不
变的情况下，有效灌溉面积每增加 1千公顷，农业总产值将增加 万亿元；在假定
其他变量不变的情况下，乡村办水电站装机容量每增加 1万千瓦时，农业总产值将增加
万亿元；在假定其他变量不变的情况下，大中型拖拉机配套农具每增加 1万部，农
业总产值将减少 万亿元；在假定其他变量不变的情况下，主要农作物产量每增加 1
万吨，农业总产值将增加 万亿元；在假定其他变量不变的情况下，农产品价格指
数每增加%农业总产值相对将减少 万亿元。这里大中型拖拉机配套农具的不符合经
济意义检验，其他农业机械总动力（万千瓦）、成灾面积（千公顷）、农业化肥使用量（万公
斤）、播种面积（千公顷）、有效灌溉面积（千公顷）、乡村办水电站装机容量（万千瓦时）、
主要农作物产量（万吨）、农产品价格指数%都符合经济意义检验。
2.统计检验：
（1）拟合优度：由表可知，R2= 修正的可绝系数， = 这说明模型对样
本拟合的很好。
（2）F检验：由表可知，在给定的显著水平α=的条件下，由于 P(F)=<，
所以拒绝原假设，即解释变量 x1农业机械总动力（万千瓦）、x2成灾面积（千公顷）、x3农
业化肥使用量（万公斤）/x4播种面积（千公顷）、x5有效灌溉面积（千公顷）、x6乡村办
水电站装机容量（万千瓦时）、x7大中型拖拉机配套农具（万部）、x8主要农作物产量（万
吨）、x9农产品价格指数%，联合起来对被解释变量“农业总产值”有显著影响。
t检验：在给定显著性水平α=的条件下，P(tx3)=，小于于 ，所以
拒绝原价是，即解释变量 x3化肥施用量对被解释变量“农业总产值”有显著的影响；
P(tx1)=， (tx2)=， P(tx4)=， P(tx5)=,， P(tx5)=
P(tx7)=,，P(tx8)=，P(tx9)=均大于 ，所以接受原假设，即解释变
量 x1农业机械总动力（万千瓦）、x2播种面积面积（千公顷）、x4成灾面积（千公顷）、x5
有效灌溉面积（千公顷）、x6乡村办水电站装机容量（万千瓦时）、x7大中型拖拉机配套农
具（万部）、x8主要农作物产量（万吨）、x9农产品价格指数%，对被解释变量“农业总产值”
没有有显著影响。
由上图可以看出可决系数为 ，表明模型整上看农业总产值与解释变量之间
线性关系显著。但是 x2、x4、X7的系数为负，与其经济意义相悖，而且常数项 x1、x5、
x6、x7、x8、x9的 T检验值都不显著，因此需要对模型的异方差和多重共线性进行检验。
2）对模型进行多重共线性的检验：
由解释变量间的相关系数 ，可以看出解释变量间存在高度线性相关。表明模型中存在
严重的多重共线性。
修正：
1 运用 OLS法逐一求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 Y对 X3的线性关系强，如下图所示，两者趋势较一致，拟
合程度最好，所以从 X3开始进行逐步回归。
变量 X1 X2 X3 X4 X5 X6 X7 X8 X9
参数
估计
值
413
237
473
636
565
211
098
483
945
t统计
量
057
503
207
806
943
768
299
483
892
可决
系数
130
345
837
961
667
836
332
618
275
928
221
446
580
138
7756
860
881
078
从 X3开始回归，加入一个变量的结果如下：
变量 X3 X1 X2 X4 X5 X6 X7 X8 X9
x3,x1
(
7)
(
6)
X3,x2
(
6)
(
0)
X3,x4
(
4)
(
2)
X3,x5
(
4)
(
4)
X3,x6
(
2)
(
7)
X3,x7
(
7)
3(-1.
5)
X3,x8
(
2)
(
9)
X3,x9
(
4)
(
9)
经比较，新加入X1的方程的=，改进最大，而且各参数的T检验显著，选择保留X1，再
加入其它变量逐步回归，结果如下图:
变量 X3 X1 X2 X4 X5 X6 X7 X8 X9
X3,x1
,x2
5(4.
854)
2(2.
295)
56(0
.22)
8
X3,x1
,x4
1(6.
494)
7(2.
413)
13(-
)
9
X3,x1
,x5
1(5.
234)
1(1.
771)
1(0.
071)
0
X3,x1
,x6
3(6.
222)
8(3.
421)
5(2.
752)
7
X3,x1
x7
7(6.
951)
2(2.
431)
-17.
82(-
)
5
X3,x1
,x8
5(3.
622)
7(2.
170)
5(1.
075)
1
X3,x1
,x9
5(6.
363)
6(2.
466)
6(0.
842)
06
经比较，新加入X6的方程的=，改进最大而且各参数的T检验显著，选择保留X6，再加
入其它变量逐步回归，结果如下图:
变量 X3 X1 X6 x2 X4 X5 X7 X8 X9
X3,x
1,x6
,x2
9(4.
936)
8(3.
327)
8(2.
797)
29(-
)
7492
X3,x
1,x6
,x4
3(6.
107）
8
（
93）
35
（
47）
03
（-0.
04）
7459
X3,x
1,x6
,x5
7
（
03）
3
（
41）
6
（
08）
3
（
89）
0682
X3,x
1,x6
,x7
8
（
95）
5
（
13）
5
（
76）
65
（-0
785）
8022
X3,x
1,x6
,x8
5
（
53）
3
（
74）
7
（
92）
7
（
83）
9078
X3,x
1,x6
,x9
6
（
80）
6
（
86）
0
（
73）
5
（
33）
7083
在 X6、X1、X3的基础上加入其它变量后，参数的 t检验不显著。这说明 X2、X4、x5、
x7、x9、x8引起严重多重共线性，故应予修正。
下面引入
有效灌溉面积与 x2成灾面积和 x7大中型拖拉机配套农具进行回归：
Dependent Variable: X5
Method: Least Squares
Date: 12/07/11 Time: 15:21
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X2*X7
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid +08 Schwarz criterion
Log likelihood Durbin-Watson stat
由此可知：x5=*X7即有效灌溉面积（千公顷）=*X7+x5
主要农作物产量与 x2成灾面积和 x7大中型拖拉机配套农具进行回归：
由此可知：x8=*X7 主要农作物产量=*X7 +x8
Dependent Variable: X8
Method: Least Squares
Date: 12/07/11 Time: 15:32
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X2*X7
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid +09 Schwarz criterion
Log likelihood Durbin-Watson stat
c.引入 x4成灾面积与和 x2播种面积和 x7大中型拖拉机配套农具进行回归：
由此可知：x4=*X7 成灾面积=*X7+x4
d.经整理后的数据如下表:
省份
农业总产
值(亿万元）
农业机
械总动
力（万
千瓦）
农业化肥
使用量
（万公斤）
成灾面
积（公
顷）
有效灌溉
面积（千
公顷）
主要农
作物产
量（万
吨）
乡村
办水电
站装机
容量
（万千
瓦时）
y X1 X2 X3 X4 X5 X6
北
京
3614.
72
Dependent Variable: X4
Method: Least Squares
Date: 12/07/11 Time: 15:40
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
X2*X7
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid 12899868 Schwarz criterion
Log likelihood Durbin-Watson stat
天
津
700
河
北
13582
.46
山
西
4383.
4
内蒙
古
9419.
03
辽
宁
7519.
01
吉
林
12743
.85
黑龙
江
9
36075
.34
上
海
1
江
苏
11717
.57
浙
江
3818.
07
安
徽
15183
.8
福
建
3256.
04
江
西
7422.
05
山
东
6
21533
.77
河
南
4
37678
.6
湖
北
10097
.05
湖
南
10470
.98
广
东
7409.
67
广
西
14279
.97
海
南
1628.
45
重
庆
3913.
44
四
川
1806
11542
.89
贵
州
3862.
1
云
南
7998.
12
西
藏
1
陕
西
7523.
8
甘
肃
4776.
61
青
海
7
宁
夏
1414.
11
新
疆
8822.
38
3)对数据进行统计分析
（１）描述统计
X1 X2 X3 X4 X5 X6 Y
Mean
Median
Maximum
Minimum
Std.
Dev.
Skewness
Kurtosis
Jarque-Be
ra
Probabili
ty
Observati
ons
31 31 31 31 31 31 31
（２）协方差
Y X1 X2 X3 X4 X5 X6
Y
22179
1856950.
84598
76794
71365
1410365.
3263
5013019.
96897
49154
X1 1856950.
84598
7445281.
97307
70369
04089
5082964.
21586
17244621
.0148
210357
X2
76794
70369
16864
24969
50655
62848
9358
X3
71365
04089
24969
80164
1459839.
00722
5287507.
11144
394415
X4 1410365.
3263
5082964.
21586
50655
1459839.
00722
6191361.
14537
21050332
.497
841919
X5 5013019.
96897
17244621
.0148
62848
5287507.
11144
21050332
.497
78121188
.0234
-175357.
949682
X6
49154
210357
9358
394415
841919
-175357.
949682
41754
（３）相关系数
Y X1 X2 X3 X4 X5 X6
Y 1
977348
993224
178519
928587
655944
281992
X1
977348
1
894181
952747
894334
237699
32542187
X2
993224
894181
1
310577
164311
596865
5702334
X3
178519
952747
310577
1
992965
799142
6459385
X4
928587
894334
164311
992965
1
235573
9905094
X5
655944
237699
596865
799142
235573
1
25462855
X6
281992
32542187
5702334
6459385
9905094
25462855
1
(4)以散点图分析解释变量与被解释变量间的拟合程度
每个解释变量拟合的线性程度都较好。
五、模型的估计
1、模型的检验与处理
a.对六元模型进行异方差、自相关的检验与处理
（1） 对原序列进行回归分析，得：
Dependent Variable: Y
Method: Least Squares
Date: 12/07/11 Time: 16:32
Sample: 1 31
Included observations: 31
Variable Coefficien
t
Std. Error t-Statistic Prob.
C
X1
X2
X3
X4
X5
X6
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
（2）异方差检验：
1)加权最小二乘估计结果:
Dependent Variable: LY
Method: Least Squares
Date: 12/07/11 Time: 16:54
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C
LX1
LX2
LX3
LX4
LX5
LX6
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
由于 lx2的变量与 y最为显著，则如果存在异方差可能是由 lx2引起的
2）lx2与残差的散点图：
由于散点图有明显的递增趋势，故应用 G-Q法进行检验。
3)按 x2升序排列将样本去掉中间的 7个，余下分成两个样本容量为 12的子样本分别进行回
归估计结果如下：
1.小样本的加权最小二乘估计
Dependent Variable: LY
Method: Least Squares
Date: 12/07/11 Time: 17:09
Sample: 1 12
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob.
C
LX1
LX2
LX3
LX4
LX5
LX6
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
2）大样本的加权最小二乘估计
Dependent Variable: LY
Method: Least Squares
Date: 12/07/11 Time: 17:09
Sample: 20 31
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob.
C
LX1
LX2
LX3
LX4
LX5
LX6
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid .157986 Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
3）F检验异方差:
H0 : 大小样本的标准差相等
H1 : 大小样本的标准差不等
F = RSS1/(12-2-1)/RSS2(12-2-1)
=
=
在 5%的显著性水平下 F(9,9)的临界值为 >，所以接受原假设，认为模型
存在异方差。
4）采用加权最小二乘法处理异方差结果如下：
Dependent Variable: LYE
Method: Least Squares
Date: 12/07/11 Time: 17:30
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
CE
LX1E
LX2E
LX3E
LX4E
LX5E
LX6E
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood Durbin-Watson stat
可以看出:模型的 t检验统计量有了显著的改变，但是 x1仍然不能通过检验。
5）剔出 x1的影响结果如下：
Dependent Variable: LYE
Method: Least Squares
Date: 12/07/11 Time: 17:30
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
CE
LX2E
LX3E
LX4E
LX5E
LX6E
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood Durbin-Watson stat
由上表可知:可以看各个变量及常数项的都很显著，而且模型的整体的线性很好
DW=，又因为 dL =<<dU =，所以模型完全不存在自相
关。
6）检验修正后的模型是否存在异方差
① 观察散点图
因为散点图没有明显的递增或递减的趋势，故应根据怀特法进行异方差检验，得
结果如下：
White Heteroskedasticity Test:
F-statistic Probability
Obs*R-squared Probability
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/09/11 Time: 09:03
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C
CE
CE^2
LX2E
LX2E^2 -05
LX3E
LX3E^2 -05 -05
LX4E
LX4E^2 -05 -05
LX5E
LX5E^2 -05 -05
LX6E
LX6E^2 -05 -05
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
表明模型不存在异方差。
7）下面进行模型设定偏误检验，运用RESET检验结果如下：
Ramsey RESET Test:
F-statistic Probability
Log likelihood ratio Probability
Test Equation:
Dependent Variable: LYE
Method: Least Squares
Date: 12/09/11 Time: 09:08
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
CE
LX2E
LX3E
LX4E
LX5E
LX6E
FITTED^2
FITTED^3 -07 -07
FITTED^4 -10 -10
FITTED^5 -13 -14
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood Durbin-Watson stat
由此伴随概率知，模型设定是无偏误的。故最终确定的模型形式为：
Ln Y = ++++
六、 模型的应用
1、经济意义的解释：
a.回归系数的经济意义
常数项的回归系数β0
经济意义：农业生产总值在最原始的，
x2的回归系数β2
经济意义：在假定其他的因素不变的情况下，农用化肥施用量每增加 1%农业
生产总值平均增加 %。
③X3的回归系数β3
经济意义：在假定其他的因素不变的情况下，成灾面积每增加 1%农业生产总
值平均减少 %。
④X4的回归系数β4
经济意义：在假定其他的因素不变的情况下，有效灌溉面积每增加 1%农业生
产总值平均增加 %。
⑤ X5的回归系数β5
经济意义：在假定其他的因素不变的情况下，主要农作物产量每增加 1%农业生
产总值平均增加 %。
⑥ X6的回归系数β6
经济意义：在假定其他的因素不变的情况下，乡村办水电站装机容量 1%农业生
产总值平均增加 0。025364%。
的经济意义
在农业生产总值的总变差中，有%可由农业化肥施用量、成灾面积、
有效灌溉面积、主要农作物产量、乡村办水电站装机容量解释；余下的%
不能解释的变差由农业化肥施用量、成灾面积、有效灌溉面积、主要农作物产量、
乡村办水电站装机容量以外的因素表示。
c.经济意义
经济意义：剔除解释变量数目和样本容量的影响，在农业生产总值的总变差
中，有%可由农业化肥施用量、成灾面积、有效灌溉面积、主要农作物产
量、乡村办水电站装机容量解释；余下的%不能解释的变差由农业化肥施
用量、成灾面积、有效灌溉面积、主要农作物产量、乡村办水电站装机容量以外
的因素表示。
d.回归系数显著性检验的统计意义和经济意义
常数项的回归系数
经济意义：在 95%的置信概率下， =与= 0之间距离充分大， =
是显著的不等于 0， =不是由= 0这样的总体所产生的。
②X2的回归系数的t检验
经济意义：在 95%的置信概率下， = 与= 0之间距离充分大， =
是显著的不等于 0， = 不是= 0由这样的总体所产生的。农业化
肥施用量对农业生产总值的影响是显著的。
③X3的回归系数的t检验
经济意义：在95%的置信概率下， = 与= 0之间距离充分大， =
是显著的不等于0， 3= = 不是由3= 0这样的总体所产生的。
成灾面积对农业生产总值的影响是显著的。
④X4的回归系数的t检验
经济意义：在95%的置信概率下， =与=0之间距离充分大， =
是显著的不等于0， =不是由=0这样的总体所产生的。有效灌溉面积对农
业生产总值的影响是显著的。
⑤X5的回归系数的t检验
经济意义：在95%的置信概率下， =与=0之间距离充分大， =
是显著的不等于0， =不是由=0这样的总体所产生的。主要农作物产量对
农业生产总值的影响是显著的。
⑥X6的回归系数的t检验
经济意义：在95%的置信概率下， = 与=0之间距离充分大，乡村办水电
站装机容量=是显著的不等于0， =不是由=0这样的总体所产生的。
对农业生产总值的影响是显著的。
检验的统计意义和经济意义
经济意义：在95%的置信概率下，整体上农业化肥施用量、成灾面积、有效灌
溉面积、主要农作物产量、乡村办水电站装机容量解释对农业生产总值影响是显
著的。
2、判断各解释变量的影响
a. 大系数
农业化肥施用量比有效灌溉面积对农业生产总值影响更显著；有效灌溉面积
比主要农作物产量对农业生产总值影响更显著；主要农作物产量比成灾面积对农
业生产总值影响更显著；成灾面积比乡村办水电站装机容量对农业生产总值影响
更显著；
b.弹性系数
农业化肥施用量比有效灌溉面积对农业生产总值影响更显著；有效灌溉面积比主要农作
物产量对农业生产总值影响更显著；主要农作物产量比成灾面积对农业生产总值影响更显著；
成灾面积比乡村办水电站装机容量对农业生产总值影响更显著；
c.综合评价
由上述过程发现，大系数，弹性系数推导出的解释变量的影响程度不相同。分析其原因：
①，，弹性系数是一定时期内相互联系的两个经济指标增长速度的比率，它是衡量一个经
济变量的增长
LYE LX2E LX3E LX4E LX5E LX6E
Mean
Median
Maximum
Minimum -05
Std. Dev.
Skewness
Kurtosis
Jarque-Bera
Probability
Observations
31 31 31 31 31 31
LYE LX2E LX3E LX4E LX5E LX6E
Mean
幅度对另一个经济变量增长幅度的依存关系。在上述弹性系数计算过程中采用的为平均弹性
系数，使结果体现为，即由于X2中基数较X4中大，因而在X2变化1%时，所发生的绝对变化值
要大于X4变化1%时发生的绝对变化值，导致Y做出的反应也略强一些。
由于偏相关系数是在剔除其它变量影响的基础上，用于衡量两个变量之间的线性相关
程度，反映二者线性趋势的强弱，其数值大小并不能完全说明此变量对于被解释变量所产生
的影响程度。并且， 在复杂的经济现象中，各因素是并存的，一个因素往往会受其它因素
的传导作用而增大影响程度。同时，由历史研究表明农业化肥施用量比有效灌溉面积的影响
大。
因而，综上各方面因素考虑，认为在此模型中，弹性系数推导出的变量影响程度最为贴
切，即农业化肥施用量比有效灌溉面积对农业生产总值影响更显著；有效灌溉面积比主要农
作物产量对农业生产总值影响更显著；主要农作物产量比成灾面积对农业生产总值影响更显
著；成灾面积比乡村办水电站装机容量对农业生产总值影响更显著；
3、预测
给定X2=170、X3=40、X4=2500、X5=7000、X6=20
a. 点预测
b.
Ln Y = ++++
=
Y = (万亿元)
c.均值区间预测
令 X*=（170，40，2500,7000,20）
Var()=*=
Ln Y =[，]
E(Y*) = [,]
统计意义：在95%的置信概率下，当X2=170、X3=40、X4=2500、X5=7000、X6=20
时，区间[,]将包含总体真值E(Y*)。
经济意义：在95%的置信概率下，当农业化肥施用量为170（万吨）、受灾面
积为40（千公顷）、有效灌溉面积为2500（千公顷）、主要农产品产量为7000（万
吨）、乡村办2水电站装机容量为20（万千瓦）时，农业总产值的平均水平含在
万亿元到万亿元之间。
d.单值区间预测
Var()==1,0708*=
Lny = [，]
Y* =[851,13，]
统计意义：在95%的置信概率下，当2=170、X3=40、X4=2500、X5=7000、X6=20
时，区间[851,13，]将包含总体真值Y*
经济意义：在95%的置信概率下，当农业化肥施用量为170（万吨）、受灾面积为40（千
公顷）、有效灌溉面积为2500（千公顷）、主要农产品产量为7000（万吨）、乡村办2水电
站装机容量为20（万千瓦）时，农业总产值在[851,13，]亿元之间。
e.经验解释
本文利用 2010 年的统计数据对我国农业生产总值的影响因素进行了计量分析。事实上
影响农业生产总值的因素有很多，但是因为种种原因，这次分析中，只选取了有限的九种因
素作为分析的解释变量。虽然我们可以通过各样的方法去进行估计，但是考虑到用估计的数
值再去进行模型的估计，结果的真实性会更差一些。故只是采用 2010年中国统计年鉴的 31
省数据。
A.模型的最后应用的是五元方程：
Ln Y
=++++
从以上分析可以看到，我国农业总产值的增长结构是不合理的。原因在于农业机械化程
度对其的影响是不显著的，而化肥的施用量在我们采用的变量中对农业产值的影响却是最大
的。化肥的采用的确可以在短期内大幅度的提高总产值，但是化肥对土地和生态的破坏也是
有目共睹的，从长远来看，如果靠不断增加化肥的施用量来提高农业总产值是不合理的，也
是不符合可持续发展的要求的。因此，结合现阶段我国资源消耗大产出却相对较低的国情，
今后我国农业总产值的增长还是应该多在提高资源的利用效率上下功夫。只有这样才能以较
小的成本获得较大的产出。
七、总结和建议
以上分析说明，揭示了我国农业生产总值的影响因素。中国作为一个农业的大国及 9亿
的农村人，提高农业生产总值在改善农民的生活水平，同时又能促进工业经济的发展，减少
对国外农产品的依赖，避免各种农产品的炒作，以维护国家的稳定安宁，富强持续发展，真
正的解决好“三农问题”。
本文提出了几个建议：
一、抓好农村的基础设施建设，减少自然灾害的影响幅度。
二、对化肥的施用量不合理，希望可以找出既环保又能可持续发展的策略。
三、抓好路面建设，减少农产品的滞销。
