云南省农业机械化、农业投资对农业经济增长贡献实证研究

《云南省农业机械化、农业投资对农业经济增长贡献实证研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、云南省农业机械化、农业投资对农业经济增长贡献实证研究　　摘要：基于柯布—道格拉斯生产函数的推广模型，采用EViews7.0计量软件对1985—2010年云南省农业产值、农业机械总动力、农村投资额进行实证分析，得出农业机械化弹性为1.45，农村投资额弹性为0.155。关键词：农业机械化；农业投资；实证分析中图分类号：F127文献标志码：A文章编号：1673-291X（2014）06-0108-04引言在人类社会生产中，农业是对自然资源与环境依赖最大的产业部门，其可持续发展受到国际社会的普遍关注。作为国民经济的基础，农业经济的稳定、健康发展对于整个国民经济的发展

2、水平有着重要作用。农业要发展，投入是关键，生产要素的合理配置与优化组合式经济持续发展的基本要求。研究各种生产要素的投入对农业经济增长的影响，不仅有利于提高农业资源投入的使用效率，而且有利于创造良好的农业投资环境。作为地处中国西南部的农业大省，云南省总面积39.4万平方公里，全省人口4596.6万人，耕地面积46200多万亩，人均占有耕地1亩左右，地形地貌复杂，气候多样，地上地下资源丰富，农业发展空间大。因此选取云南省作为研究区域，研究农业经济增长与投入要素的关系，对于云南省充分发挥农业优势、发展高原特色农业提供参考。一、理论方法、模型设置、数据来源（一）理论

3、方法国内外对农业机械化贡献率测算方法有很多种研究[1]，本文主要采用柯布—道格拉斯生产函数的推广形式来测算农业机械化的贡献率[2]，其模型为：Y=A0ertx1β1x2β2…xnβn（1）式中Y—产值；A0—基年的技术水平；r—技术进步系数；xi—各投入要素量（i=1，2，…，n）；βi—投入要素xi的产出弹性系数（i=1，2，…，n）。对（1）式两边取对数，使之线性化，即得lnY=lnA0+rt+β1lnx1+β2lnx2+…+βnlnxn（2）。令C=lnA0+rt，则lnY=C+β1lnx1+β2lnx2+…+βnlnxn（3）通过最小二乘法及多元线性

4、回归法就可以确定参数。若设x1为农业机械化总动力，则β1lnx1就代表农业机械化在农业产出增长中所起的作业，β1为农业机械化弹性，即在一定的技术条件下，农业机械化要素投入量相对变化1%时（假设其他要素投入量固定不变），产值的变化幅度。（二）模型设置6为了研究农业机械化对农业经济的贡献率，模型选取云南省农林牧渔业总产值Y（亿元）代表农业经济作为因变量，影响农业经济的主要因素有劳动力、土地、资金和科技等，因此，选取农业机械总动力X1（万千瓦）、农村投资额X2（亿元）作为因变量，根据以上因变量和自变量建立下面生产函数模型：lnY=C+β1lnX1+β2lnX2+μ

5、i，其中C、β1、β2为待估参数，μi为误差项。（三）数据来源为了增大样本容量，得到更为准确估计结果，根据全面性、简洁性、可操作性原则，查阅云南省各年统计年鉴，选取1985—2010年的产业产值、农业机械总动力、农村投资额三类数据作为基础数据进行实证分析。二、实证分析（一）观察数据特征利用Eviews7.0得到lnY，lnX1，lnX2的走势图，在样本空间内，三者走势基本一致，基本保持同增。（二）参数的估计及检验本文使用计量经济软件Eviews7.0作为分析工具，对云南省1985—2010年的农业经济与各解释变量的数据进行回归分析，EViews中建立回归方程

6、，参数估计值及结果（见下页表1）：根据回归结果可得，lnY=-1.17+1.42lnX1+1.17lnX2。参数估计的t值分别为-4.83、7.52、2.23，对应的P值为0.0001、0、0.0354，说明线性方程显著成立；6R2值为0.983，说明模型拟合优度较高，达到了98.3%；F检验的P值为0，说明显著度接近100%。然而，该模型的D-W值偏低，只有0.524，说明模型存在自相关问题。同时，从残差图可以看出，残差波动较大，说明该模型还存在异方差问题。因此，需要对模型进行修订。（三）模型修正通过以上分析，存在序列相关问题与异方差问题，使得建立的回归方

7、程不够显著。针对这种情况，采用解决办法是加权最小二乘法。设加权W1=1/resid2（resid为残差），修订后的模型是：ln（y/w1）=C+β1ln（X1/W1）+β2ln（X2/W1）。在Eviews中采用加权最小二乘法重新建立回归方程。采用加权最小二乘法得出的回归结果如下：由此得出的修订后模型为lnY=-1.169+1.45lnX1+0.155lnX2。说明云南省农业经济增长与农业机械化、农业资金投入之间存在较强的对数线性关系。（四）模型的评价和分析根据回归结果可得，lnY=-1.169+61.45lnX1+0.155lnX2。参数估计的t值分别为-

8、4.83、7.52、2.23，对应的P值为0.000