农业生产的多种投入要素对农业总产量及总产值影响的实证分析

《农业生产的多种投入要素对农业总产量及总产值影响的实证分析》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、课程代码：学时/学分：成绩：计量经济学课程案例分析案例主题：农业生产的多种投入要素对农业总产量及总产值影响的实证分析任课老师：组长：组员：计量经济学小组实验报告目录计量经济学小组实验报告1u截面数据31.单方程模型3一、模型设定3二、参数估计和模型检验5三、多重共线性检验6四、异方差性检验12五、自相关性检验142.联立方程模型14一、实验目的14二、本实验选用模型及数据说明15三、单方程估计实验过程16四、系统估计方法实验过程22五、实验小结25u时间序列数据25一、数据说明25二、滞后模型26三、检验序列相关性33四、单位根检验34五、构造ARMA模型36六、EG两步法协整检验38七、

2、格兰杰因果检验39八、误差修正模型40截面数据1.单方程模型一、模型设定根据经济学尝试，农业产量受自然环境和人为因素的影响。在不同气候条件下，不同作物和不同的灌溉、化肥等都会对该地区的农业总产量产生影响。在本文中，考察农业总产量的的主要因素包括，播种面积、灌溉面积和化肥使用量。因为天气因素太不稳定，有很大的随机性，同时也不容易量化，所以这里没有考虑。综合上述因素和变量的可观测性，我们首先建立一个多元线性回归模型：其中：ZCL：农业总产量BZMJ：播种面积GGMJ：灌溉面积HUAF：化肥使用面积是回归系数，μ是随机扰动项收集数据如下表表示：ZCLBZMJGGMJHUAF109.2000386

3、.4000322.700015.70000147.2000544.5000354.300017.300002645.6008990.8004485.400273.4000850.20003672.3001104.30084.900001319.7005707.3002472.30079.300001440.7003964.8001482.800109.80001987.7004890.1001382.600114.10002688.0009989.2002090.400123.2000164.2000490.9000280.600020.300003174.6007777.4003900.

4、000338.00001130.9003245.9001400.30090.300002799.1008733.1003228.700280.7000843.40002713.100942.4000117.40001690.5005534.7001897.500109.70004097.30011266.104836.100428.60004482.50013127.704766.000441.70002417.9007489.0002027.900245.30002937.7007931.7002676.300184.30001681.0005193.1001447.100195.100

5、01568.6006288.1001519.600168.1000206.1000871.7000180.800027.000001053.5003555.900631.900072.600003107.5009571.5002533.000212.00001171.6004650.700659.800070.000001514.0005929.6001424.300120.0000102.7000230.9000154.40003.0000001014.1004331.9001314.100131.0000791.60003688.900982.300066.10000126.20005

6、29.0000208.30007.200000282.10001007.600405.400024.60000822.60003404.1003138.10083.30000一、参数估计和模型检验直接对模型进行OLS法估计，结果如下：DependentVariable:ZCLMethod:LeastSquaresDate:09/02/08Time:20:10Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.  C-83.4463175.57143-1.1042040.2792BZMJ0.

7、2341980.0288108.1290520.0000GGMJ-0.0149690.074818-0.2000780.8429HUAF3.5967070.9554373.7644620.0008R-squared0.966425    Meandependentvar1560.258AdjustedR-squared0.962694    S.D.dependentvar1205.894S.E.ofregression