河南是全国重要的粮食主产区,也是全国小麦的重要产区。河南省小麦产量的稳定不仅对本省的粮食生产有重要意义,对保障全国粮食供给,维护国家粮食安全也具有重要意义。本文根据1980~2013年以来河南省小麦的产量、小麦播种面积、有效灌溉面积、化肥使用量、农业机械数量、农业从业人数、农业技术进步、农业政策支持等生产要素的数据,运用多元线性回归分析、逐步回归分析等分析方法,对河南省小麦生产因素和产量进行分析和预测。 Henan is an important grain producing area in the country and an important production area for wheat in the country. The stability of wheat production in Henan Province is not only important for the province’s grain production, but also important for safeguarding national food supply and maintaining national food security. This paper uses multiple linear regression based on data on production factors such as wheat yield, wheat planting area, effective irrigated area, fertilizer use, number of agricultural machinery, agricultural employment, agricultural technology advancement, and agricultural policy support in Henan Province since 1980-2013. Analysis and stepwise regression analysis were used to analyze and predict wheat production factors and yields in Henan Province.
贺宁,杨茂
河南工业大学,河南 郑州
收稿日期:2019年3月25日;录用日期:2019年4月9日;发布日期:2019年4月16日
河南是全国重要的粮食主产区,也是全国小麦的重要产区。河南省小麦产量的稳定不仅对本省的粮食生产有重要意义,对保障全国粮食供给,维护国家粮食安全也具有重要意义。本文根据1980~2013年以来河南省小麦的产量、小麦播种面积、有效灌溉面积、化肥使用量、农业机械数量、农业从业人数、农业技术进步、农业政策支持等生产要素的数据,运用多元线性回归分析、逐步回归分析等分析方法,对河南省小麦生产因素和产量进行分析和预测。
关键词 :河南省,小麦产量,影响因素
Copyright © 2019 by authors and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/
河南是全国的农业大省,也是举足轻重的小麦生产基地。古有“苏杭熟,天下足”的说法,在小麦作为主食消费量日益增多的今天,“河南熟,天下足”,更能说明河南小麦生产在全国粮食生产中的重要地位。如图1所示,河南省小麦的单位面积产量远远的高于全国小麦单位面积产量。河南小麦产量的提高不仅仅是河南优越气候和地理条件的功劳,更多依靠的是农业生产技术的提高 [
图1. 全国与河南省小麦单位面积产量
土地是农作物种植的基础,一段时间内拓荒开地似乎成了提高粮食产量的主要途径。但是,近年来随着经济的发展,城镇化的推进,土地已经成为稀缺的农业资源 [
农业污染是农村污染的主要来源,而农业污染的主要来源是农业生产中使用的化肥和农药。河南省农业生产中的化肥使用量从1980年72万吨,增长到了2016年的715吨,大量的使用化肥不仅造成了农业生产成本的提高,土壤的板结,还带来了一系列对生态环境的负外部性。化肥中的大量氮、磷、钾等营养元素通过自然界的循环流入江河湖海,造成了水体的富营养化。严重的破坏了农村的生态环境,更不利于小麦产量的长期提高。
近年来我国发布了一系列关于三农发展的政策文件,2004年以来党中央也一直将农业作为发展的重中之重,连续发布“中央一号文件”来解决三农问题,但是目前农业的发展依然存在诸多问题。在农业劳动力上,劳动力老龄化问题严重,年轻人多外出务工,老年人成为了农业生产的主力军。耕地荒废严重,由于农业生产成本较高,粮价较低,甚至比不上外出务工的收入高,因此农民的种粮积极性不高 [
本文选取1980~2013年河南省小麦产量及其影响其产量相关因素的数据,数据来自国家统计局,使用的分析软件为eviews8.0。经过分析,影响河南省小麦产量的主要因素有,有效灌溉面积、化肥施用量、小麦播种面积、农业从业人数、农业机械数量以及农业政策。
由图2可知,多数解释变量和被解释变量之间是呈线性关系,因此,初步设定的计量经济模型如下:
图2. 变量散点图
ln Y i = C + ln X 1 i + ln X 2 i + β 3 ln X 3 i + ln X 4 i + β 5 ln X 5 i + X 6 i + μ i
其中,C为常数项; Y i 为河南省第i年小麦总产量/万吨;X1i为河南省第i年小麦播种面积/千公顷;X2i河南省第i年有效灌溉面积/千公顷;X3i为河南省第i年化肥施用量/万吨;X4i河南省第i年农业从业人口数量/万人;X5i为第i年农业机械拥有量/台;X6i为虚拟变量,表示第i年农业政策,其中文中把发布中央一号文件的年份设为1,其他年份设为0; μ i 为随机误差项。
通过对选变量进行OLS回归得到结果如表1。
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
---|---|---|---|---|
lnX1 | 1.665327 | 0.236108 | 7.053245 | 0.0000 |
lnX2 | −1.224084 | 0.281697 | −4.345393 | 0.0002 |
lnX3 | 0.186114 | 0.053492 | 3.479271 | 0.0017 |
lnX4 | 0.170439 | 0.132064 | 1.290573 | 0.2074 |
lnX5 | 0.138369 | 0.030223 | 4.578324 | 0.0001 |
X6 | 0.004921 | 0.030746 | 0.160043 | 0.8740 |
R-squared | 0.980540 | Mean dependent var | 7.609004 | |
Adjusted R-squared | 0.977065 | S. D. dependent var | 0.329096 | |
S. E. of regression | 0.049839 | Akaike info criterion | −3.001236 | |
Sum squared resid | 0.069551 | Schwarz criterion | −2.731878 | |
Log likelihood | 57.02101 | Hannan-Quinn criter. | −2.909377 | |
Durbin-Watson stat | 2.221847 |
表1. 初步回归结果
由回归结果表1看出R2 = 0.980540,修正后的R2 = 0.977065,可见模型的拟合效果较好,DW值为2.361169,接近于2,所以方程不存在变量的自相关。
异方差检验结果如表2。
Heteroskedasticity Test: White | |||
---|---|---|---|
F-statistic | 0.609111 | Prob. F (21, 12) | 0.8456 |
Obs * R-squared | 17.54264 | Prob. Chi-Square (21) | 0.6777 |
Scaled explained SS | 13.25472 | Prob. Chi-Square (21) | 0.8994 |
表2. 异方差检验结果
由于F统计量的P值为0.84565 > 0.1,所以方程不存在异方差。
相关性检验结果如表3。
由图2可以看出,相关系数矩阵可以看出,解释变量之间存在着较高的相关性系数,存在多重共线性的可能。采用逐步回归法对多重共线性进行修正,修正过程如下:
分别依次做lnYi对lnX1i,lnX2i,lnX3i,lnX4i,lnX5i,X6i的回归。一元回归结果如表4。
根据表4分析比较可知,加入lnX3时的值最大,以lnX3为基础,加入其它变量继续进行逐步回归,回归结果如表5。
Covariance Correlation | lnY | lnX5 | lnX4 | lnX3 | lnX2 | lnX1 | X6 |
---|---|---|---|---|---|---|---|
lnY | 0.105119 | ||||||
(1.000000) | |||||||
lnX5 | 0.609899 | 4.155581 | |||||
(0.922787) | (1.000000) | ||||||
lnX4 | 0.016248 | 0.104505 | 0.010364 | ||||
(0.492269) | (0.503561) | (1.000000) | |||||
lnX3 | 0.203683 | 1.238786 | 0.040819 | 0.425662 | |||
(0.962902) | (0.931426) | (0.614559) | (1.000000) | ||||
lnX2 | 0.050071 | 0.343922 | 0.010888 | 0.107137 | 0.030188 | ||
(0.888861) | (0.971022) | (0.615530) | (0.945132) | (1.000000) | |||
lnX1 | 0.023339 | 0.123448 | 0.003425 | 0.046112 | 0.010465 | 0.005830 | |
(0.942822) | (0.793136) | (0.440580) | (0.925688) | (0.788862) | (1.000000) | ||
X6 | 0.060991 | 0.361964 | -0.017235 | 0.071325 | 0.014716 | 0.010439 | 0.242215 |
(0.382229) | (0.360785) | (-0.343983) | (0.222131) | (0.172100) | (0.277800) | (1.000000) |
表3. 变量相关性检验结果
变量 | lnX1 | lnX2 | lnX3 | lnX4 | lnX5 | X6 |
---|---|---|---|---|---|---|
参数估计 | 4.003597 | 1.658664 | 0.478509 | 1.567741 | 0.146766 | 0.251805 |
T统计量 | 0.250193 | 0.151142 | 0.023706 | 0.490046 | 0.010833 | 0.107614 |
R2 | 0.888914 | 0.790073 | 0.927180 | 0.242329 | 0.851536 | 0.146099 |
R ¯ 2 | 0.885443 | 0.783513 | 0.924905 | 0.218652 | 0.846897 | 0.119415 |
表4. 单变量逐步回归结果
变量 | lnX1 | lnX2 | lnX3 | lnX4 | lnX5 | X6 | R ¯ 2 |
---|---|---|---|---|---|---|---|
lnX3,lnX1 | 1.5275 (0.0028) | 0.3130 (0.0000) | 0.9422 | ||||
lnX3,lnX2 | −0.3708 (0.1774) | 0.5718 (0.0000) | 0.9270 | ||||
lnX3,lnX4 | 0.5273 (0.0000) | −0.5091 (0.0061) | 0.9394 | ||||
lnX3,lnX5 | 0.3879 (0.0000) | 0.0311 (0.1378) | 0.9279 | ||||
lnX3,X6 | 0.4590 (0.0000) | 0.1167 (0.0001) | 0.9542 |
表5. 多变量逐步回归结果
通过比较,lnX3和X6的拟合效果较好, R ¯ 2 = 0.9542,且相关系数都为正值,和现实相符。然后在lnX3和X6的基础上对其它变量进行逐步回归。回归结果如表6。
由以上回归结果可看出,在在lnX3和X6的基础上加入变量lnX1的P值也是显著的,且 R ¯ 2 = 0.9647,F统计量为301.2213,DW为1.8651,接近于2,不存在自相关,方程也是显著的。因此剔除其它变量,保留lnX1、lnX3和X6。修正后的回归结果如下:
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
---|---|---|---|---|
lnX3 | 0.331977 | 0.043193 | 7.685812 | 0.0000 |
X6 | 0.102591 | 0.022548 | 4.549864 | 0.0001 |
lnX1 | 1.193948 | 0.374613 | 3.187151 | 0.0033 |
C | −4.448639 | 2.948597 | −1.508731 | 0.1418 |
R-squared | 0.967869 | Mean dependent var | 7.609004 | |
Adjusted R-squared | 0.964655 | S. D. dependent var | 0.329096 | |
S. E. of regression | 0.061871 | Akaike info criterion | −2.617411 | |
Sum squared resid | 0.114839 | Schwarz criterion | −2.437839 | |
Log likelihood | 48.49599 | Hannan-Quinn criter. | −2.556172 | |
F-statistic | 301.2213 | Durbin-Watson stat | 1.865091 | |
Prob (F-statistic) | 0.000000 |
表6. 主要变量回归结果
ln Y ^ i = − 4.448639 + 1.193948 ln X 1 + 0.331977 ln X 3 + 0.102591 X 6 ( 0.1418 ) ( 0.0033 ) ( 0.0000 ) ( 0.0001 ) R 2 = 0.967869 , R ¯ 2 = 0.964655 , F = 301.2213 , D W = 1.86509
由回归结果可知,小麦产量和小麦播种面积、化肥使用量以及国家的农业政策具有较强的相关关系,并且这三个因素对小麦的产量都有一个正的影响,符合现实经济情况。
通过实证分析,可以得出河南省的小麦种植面积和小麦的产量之间是存在着正相关的关系,河南省小麦产量的提高和粮食种植面积的保证有重要关系,1单位种植面积的扩大,可以带来1.193948单位的小麦产量的提高;化肥使用量和小麦的生产之间也是正相关的关系,1单位的化肥施用量的增加,可以带来0.331977单位的小麦产量的提高;政策激励对河南省小麦的生产也具有正的影响,1单位的政策红利,可以带来0.102591单位的小麦产量的提高。
耕地是农业生产的保障,河南省在城镇化快速推进的过程中,要保证耕地的红线不能突破。无论是城市的房地产开发,还是农村的新型城镇化建设,要合理规划和利用土地,为农业发展留出更多的发展空间。加强对各县市政府的监管,对违法卖地的行为严惩不贷,各级国土资源管理局要加强对省内土地资源利用的实时卫星监管,防止滥用土地行为的发生 [
化肥的出现是农业生产技术的进步,为农业的精耕细作,进一步挖掘土地的生产力有重要的意义,但这并不意味着可以滥用化肥。一方面,化肥的投入和农业增产并不具有倍增效益 [
政府政策是整个社会生产进行的导向,当前在农业改革进入困难期时,更需要政府政策的引导。要加大对农业生产的补贴力度,从农资购买、农业基础设施建设以及农业机械的推广等多个方面对农业进行补贴,给农民最低的生产成本 [
国家社科基金培育项目(2018SKPY08)。
贺 宁,杨 茂. 河南省小麦产量影响因素研究 Study on the Factors Affecting Wheat Yield in Henan Province[J]. 统计学与应用, 2019, 08(02): 334-340. https://doi.org/10.12677/SA.2019.82037