农业总产值相关因素的分析

农业总产值相关因素的分析

ID:27628627

大小:64.50 KB

页数:8页

时间:2018-12-05

农业总产值相关因素的分析_第1页
农业总产值相关因素的分析_第2页
农业总产值相关因素的分析_第3页
农业总产值相关因素的分析_第4页
农业总产值相关因素的分析_第5页
资源描述:

《农业总产值相关因素的分析》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、农业总产值相关因素的分析农业总产值相关因素的分析一、问题的提出随着我国改革开放的深入,近几年我国经济一直有着快速稳定的发展,但对外贸易和出口不断扩大的同时,农业问题一直都是政府工作中的重中之重,能否解决我国的农业问题,对于我国经济的长远发展有着重要的战略意义。因此对于农业总产值的问题的研究,以及与农业总产值相关的因素的分析显示出重要的作用。二、解释变量的确定影响农业总产量的因素可分为生产要素对产量的影响以及生产要素之间的配合比例对产量的影响两个方面。第一方面又可分为农机机械总动力和农业劳动力数量两部分;第二方面又可分为单位面积产量和作物播种面积两部分。以

2、上所述因素都是众多影响农业总产量因素中具有决定意义和有代表性的重要因素,将这些因素设定为解释变量将有助于对问题的分析,进一步保证模型以及由模型所分析的结果能够有效的说明农业总产量的影响因素,从而更具有实际意义,便于应用于实际,更好的农业的发展服务。三、模型的设定采用多元回归模型对农业总产量及其相关因素进行数量分析。模型设定如下:Y=β1+β2X1+β3X2+β4X3+β5X4+ui其中:Y——农业总产值(亿元)β1——模型的截距项X1——农机机械总动力(万千瓦)X2——单位面积产量(公斤/公顷)X3——作物播种面积(千公顷)X4——农业劳动力数量(万人)

3、四、资料的收集名称X1(万千瓦)X2(公斤/公顷)X3(千公顷)X4(万人)Y(亿元)北京3955194386.467.989.7天津603.34820544.58186.7河北2744.440258990.81665899.4山西1767.528063672.3658191.3内蒙古1423.638545707.3518.4307.6辽宁1401.348913964.8649503.1吉林1096.551254890.1514.3405.9黑龙江1648.345129989.2742.5540.6上海133.97320490.983.295.5江苏29

4、57.963027777.41452.31142.7浙江2017.260823245.9985.1529.5安徽316548298733.11975.6688福建888.850892713.1760.4433.2江西100252335534.7977.4405.9山东7689.6526811266.12434.31401.3河南6078.7490713127.73472.31331.6湖北1469.2588574891143.7658.3湖南235860157931.72058.7665.7广东1760.253605193.11566.4817.9广西1

5、552.446566288.11555.1439.9海南212.24169871.7179.9141.3重庆628.144483555.9884.6250.4四川1735.147599571.52582.6769.9贵州647.942364650.71368.3279.9云南1397.839235929.61689.4431.3西藏123.25044230.988.827.6陕西1099.830954331.9985.9337.4甘肃112229053688.9696.8254青海264.73361529141.628.9宁夏407.640441007.

6、6151.749.4新疆880.957713404.1321348.8(资料中国统计信息网,2002年《中国统计年鉴》电子版)五、模型估计及检验一、初次回归分析根据此图显示:Y=-281.2500582+0.1001383488*X1+0.06753579048*X2+0.03802983617*X3+0.07042103951*X4取显著性水平a=0.05,有ta/2(n-5)=t0.025(26)=2.056。可知,有

7、tβ5

8、=1.291434<t0.025(26),从来接受H0:β5=0,即X4的系数β5没有通过t检验。其余常数项β1、X1

9、的系数β2、X2的系数β3、X3的系数β4均通过t检验。取显著性水平a=0.05,查F分布表可得F0.05(k-1,n-k)=F0.05(4,26)=2.74。回归方程的F统计量F=68.41460,大于2.74,从而拒绝H0,说明从整体上看解释变量与被解释变量之间的线性关系显著。二、多重共线性检验从上一步结果看,X4系数不显著。下面进行多重共线性检验:1、采用简单相关系数矩阵法进行检验,结果如下图:可见,X1与X4、X1与X3、X3与X4之间存在较严重的线性相关性。2、对多重共线性进行修正调整的基本思路大约为:先用Y分别对各解释变量进行单独回归,找出其

10、中调整可决系数最大的解释变量作为第一次调整保留的变量;以此变量为基础再分别对剩下

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。