中國糧食產(chǎn)量的影響因素研究—計量

1、中國糧食產(chǎn)量的影響因素研究0944047 本文系本人所寫，不存在抄襲現(xiàn)象，否那么后果自負(fù)。簽名：日期：摘要：文章針對2003年到2021年期間各地區(qū)的糧食產(chǎn)量，運(yùn)用多元回歸的計量分析方法，系統(tǒng)的探討了中國在2003年到2021年的各地區(qū)的糧食產(chǎn)量的影響因素，以及各影響因素對于糧食產(chǎn)量的影響程度。研究結(jié)果發(fā)現(xiàn)，在所有考慮到的因素中，糧食產(chǎn)量受農(nóng)業(yè)勞動力人數(shù)的負(fù)面影響最大，即從事農(nóng)業(yè)的勞動力人數(shù)越多糧食產(chǎn)量相應(yīng)越少；其次就是播種面積對糧食產(chǎn)量的正面影響最大。除去這些非自然因素，我們還可以看到日照時間、降雨量、溫度等自然因素反而對糧食產(chǎn)量的影響不顯著。關(guān)鍵詞：地區(qū)年份 糧食產(chǎn)量 影響因素 回歸分析一

2、、引言 近幾年來，隨著環(huán)境惡化結(jié)果的逐漸顯現(xiàn)，人們越來越關(guān)注自己未來的生活及其質(zhì)量，其中人們最為關(guān)心的就要數(shù)自己的溫飽問題了，當(dāng)然我國的糧食產(chǎn)量也越發(fā)的受到人們的關(guān)注了。雖然2005年左右，朱镕基總理在華商大會上已經(jīng)說過中國人民已經(jīng)一勞永逸的解決了吃飯的問題，并且根據(jù)中國統(tǒng)計局中2021年的數(shù)據(jù)，我們可以知道中國糧食自給率很高，已經(jīng)超過了99%，但是中國人民還是顯得憂心忡忡，大局部人對于這種樂觀的數(shù)據(jù)持有疑心的態(tài)度。其實(shí)在之前已經(jīng)有國外學(xué)者預(yù)言過，按照中國人口增長的速度與中國糧食產(chǎn)量的增長速度來看，中國人民在不久的將來就會生活在饑餓之中。 在我看來，雖然這種預(yù)言以及中國人民的擔(dān)憂可能只是杞人憂

3、天 ，但畢竟糧食的問題是關(guān)系到我們民生的大問題，所以這些擔(dān)憂也不無道理。因而研究一下現(xiàn)今中國的糧食產(chǎn)量及其影響因素是非常必要的，我認(rèn)為一旦清楚了中國每年各地的糧食產(chǎn)量的變化及影響糧食產(chǎn)量的因素，中國的人民會對自己的國家有更多的信心。 鑒于此，本文通過針對2003年至2021年全國31個主要地區(qū)的糧食產(chǎn)量的統(tǒng)計數(shù)據(jù)，運(yùn)用面板數(shù)據(jù)的方法，系統(tǒng)詳細(xì)地討論了中國糧食產(chǎn)量的影響因素并且比擬這些因素對中國糧食產(chǎn)量的奉獻(xiàn)大小，最后得出本文結(jié)論。本文其余局部的結(jié)構(gòu)安排如下：第二局部是有關(guān)于糧食產(chǎn)量分析的文獻(xiàn)綜述，第三局部是理論模型的簡述，第四局部是近幾年各糧食產(chǎn)量的影響因素統(tǒng)計分析，第五局部是基于面板數(shù)據(jù)的回

4、歸分析，第六局部是結(jié)論。二、文獻(xiàn)綜述 農(nóng)業(yè)作為我國最根底的產(chǎn)業(yè)，農(nóng)產(chǎn)品的每年的產(chǎn)量直接關(guān)系著我們的民生，故而糧食的產(chǎn)量一直是我們最關(guān)心的。所以有關(guān)農(nóng)產(chǎn)品產(chǎn)量的研究可以說是不勝枚舉。一些學(xué)者致力于具體某類農(nóng)產(chǎn)品產(chǎn)量某及其影響因素的研究，如厲益與吳瑋于2021年10月發(fā)表在?西安社會科學(xué)?上的?16241662年臺灣蔗糖產(chǎn)量增長的原因?就針對臺灣1624年到1662年的蔗糖產(chǎn)量進(jìn)行了分析，最后總結(jié)出臺灣蔗糖產(chǎn)量在這幾年里增長的的三點(diǎn)原因：1臺灣優(yōu)越的自然條件為蔗糖的生產(chǎn)提供了豐富的原材料；2荷蘭統(tǒng)治者的扶植獎勵政策也是促進(jìn)蔗糖產(chǎn)量增長的一大因素；3最重要的一點(diǎn)是大陸移民的奉獻(xiàn)。另外，有些學(xué)者也嘗試

5、著研究某一地區(qū)的農(nóng)產(chǎn)品產(chǎn)量及其影響因素，如趙曦就以?沈陽市農(nóng)業(yè)資源利用效率的研究?為題研究了沈陽市20012006年的農(nóng)業(yè)資源利用效率。最后，另一類學(xué)者那么致力于用一些軟件預(yù)測與分析我國農(nóng)產(chǎn)品的產(chǎn)量。比方吳琦磊與鄧金堂發(fā)表在2021年5月?情報探索?上的?基于Eviews的我國農(nóng)產(chǎn)品產(chǎn)量與相關(guān)投入的模型分析與預(yù)測檢驗(yàn)?以及崔興凱與路秀英刊登在2021年8月的?微電子學(xué)與計算機(jī)?上的?基于NGM1,1，k模型的農(nóng)產(chǎn)品產(chǎn)量預(yù)測方法?都是以理論模型為根底，預(yù)測了農(nóng)產(chǎn)品的產(chǎn)量。前者借助Eviews軟件研究了農(nóng)產(chǎn)品產(chǎn)量的相關(guān)投入的影響因素及其影響程度，后者那么是基于NGM1,1，k模型預(yù)測了農(nóng)產(chǎn)品的產(chǎn)量

6、。與之前學(xué)者們的論文相比，本文是以中國的糧食產(chǎn)量作為被解釋變量，把研究的目標(biāo)縮小且具體化，糧食產(chǎn)量與人們的平常生活更息息相關(guān)，本文以之作為被解釋變量更有實(shí)際的意義。 三、理論模型 既然本文致力于中國糧食產(chǎn)量的研究，根據(jù)個人的常識以及前人所作的文獻(xiàn)，我認(rèn)為中國的糧食產(chǎn)量主要受到兩方面的因素影響。 首先，糧食作為農(nóng)作物，其產(chǎn)量肯定會受到自然條件的影響，比方日照時間、降雨量以及氣溫的變化。有些農(nóng)作物是喜日照的，每天的日照時間越長，其產(chǎn)量就會多，但并不是所有的農(nóng)作物都是這樣的，而同理，降雨量以及氣溫變化等因素對于農(nóng)作物產(chǎn)量也具有相似的影響。至此，我們至少可以判斷日照時間、降雨量以及氣溫的變化在一定程度

7、上可以解釋糧食產(chǎn)量的變化。 其次，我認(rèn)為糧食的播種面積以及每年的受災(zāi)面積對于糧食產(chǎn)量也有一些影響。但受災(zāi)面積并不能很好地解釋糧食產(chǎn)量的增長變化，因?yàn)槭転?zāi)面積可能不僅只包含耕地，它還有可能包括居民住宅區(qū)等，所以這樣相比擬而言，糧食的播種面積顯然能比受災(zāi)面積更好地解釋糧食產(chǎn)量的變化。 最后，勞動力的人數(shù)也是解釋糧食產(chǎn)量的一大重要因素。當(dāng)然這是指從事糧食種植的勞動力人數(shù)，而不是簡單的就業(yè)人數(shù)，眾所周知，就業(yè)人數(shù)不僅包括從事農(nóng)業(yè)的勞動力人數(shù)，還包括在第二產(chǎn)業(yè)、第三產(chǎn)業(yè)就業(yè)的人。耕地需要有人耕種管理才能有產(chǎn)出，因而第一產(chǎn)業(yè)的就業(yè)人員數(shù)很明顯會影響到糧食的產(chǎn)量。 所以，本文可以把糧食產(chǎn)量作為被解釋變量，日

8、照時間、降雨量、氣溫變化、勞動力以及糧食播種面積作為解釋變量，做水平或者對數(shù)的回歸模型，相信能夠有效地解釋糧食產(chǎn)量的變化。四、近幾年各地區(qū)糧食產(chǎn)量的影響因素的統(tǒng)計分析各地區(qū)糧食產(chǎn)量的特征由于2003年至2021年，全國各地區(qū)的糧食產(chǎn)量的數(shù)據(jù)過多，不便于分析各地區(qū)的糧食產(chǎn)量的趨勢特征，故在此僅以2021年為例，大致可以得到全國各地區(qū)糧食產(chǎn)量的分布特征以及增減趨勢，如下列圖：根據(jù)上圖的分布特征來看，我們可以知道：1在2021年，哈爾濱、濟(jì)南和鄭州的糧食產(chǎn)量都已經(jīng)超過了4000萬噸，尤其鄭州更是高居榜首，為中國糧食最大產(chǎn)量的地方。2其次是南京、合肥及成都，這三個地區(qū)的糧食產(chǎn)量皆位于3000萬噸至40

9、00萬噸，僅次于哈爾濱、濟(jì)南和鄭州。3接著，糧食產(chǎn)量位于20003000萬噸的地區(qū)有石家莊、長春、南昌、武漢以及長沙。4除去這10個地區(qū)，其余的地區(qū)的糧食產(chǎn)量均低于2000萬噸。由此，很顯然，2021年各地區(qū)的糧食產(chǎn)量是顯著不同的。二各年度糧食產(chǎn)量的統(tǒng)計特征產(chǎn)量2021202120072006200520042003最小值90.5395.0393.8688.393.2670.1858.03最大值53895365.485245.225010458242603569.47均值1712.3251705.5131618.0731604.7711561.3611514.4181389.333中位數(shù)131

10、4.51243.441284.71387.6041394.97113901360.73標(biāo)準(zhǔn)差1381.4251374.0931297.4651253.3451187.2071126.9831002.608總和53082.0852870.9250160.2849747.8948402.1946946.9543069.33觀察值31313131313131如上表是按照年份統(tǒng)計的各地區(qū)的糧食產(chǎn)量。從上表可知，2003年的糧食平均產(chǎn)量為1389.333萬噸，2004年為1514.418萬噸，2005年為1561.361萬噸，2006年為1604.771萬噸，2007年為1618.073萬噸，2021年

11、為1705.513萬噸而2021年那么為1712.325萬噸。由此我們可知，每年全國的糧食產(chǎn)量都有所增長，經(jīng)過7年的過程中國的平均糧食產(chǎn)量已經(jīng)由2003年的1389.333萬噸增長至2021年的1712.325萬噸。從最大值來看，2003年的地區(qū)最大糧食產(chǎn)量為3569.47萬噸，2004年為4260萬噸，2005年為4582萬噸，2006年為5010萬噸，2007年那么為5245.22萬噸，2021年為5365.48萬噸最后2021年為5389萬噸。其中前三年差異較大，后四年差異不大。從標(biāo)準(zhǔn)差來看，2021年與2021年的標(biāo)準(zhǔn)差都比擬大，分別為1381.425和1374.093，這說明這兩年的

12、糧食產(chǎn)量波動幅度較大，而其余幾年相對而言那么波動程度較小。那不管從哪個值來看，我們都可以知道，近幾年，全國糧食的產(chǎn)量都是處于上升勢頭中的，雖然不同時間段的上升速度有快有慢，但總體上是屬于穩(wěn)步上升類的。三糧食產(chǎn)量影響因素以及其表示通過前面的分析，可以發(fā)現(xiàn)影響糧食產(chǎn)量的相關(guān)因素有：1所處地區(qū)，很顯然，不同地區(qū)的糧食產(chǎn)量是明顯不同的。所以我認(rèn)為與這一因素相關(guān)的因素均是影響糧食產(chǎn)量的重要因素，如溫度、日照時間、降雨量以及播種面積等。2根據(jù)年份即時間的不同，糧食的產(chǎn)量也有些許差異，根本可以說是產(chǎn)量隨年份的增加而增加的。其實(shí)這一因素，我們可以忽略掉，因?yàn)殡S著技術(shù)的進(jìn)步、科技的開展，糧食產(chǎn)量逐年遞增是很正常

13、的現(xiàn)象。但是為了保證研究結(jié)果的準(zhǔn)確性，還是把年份考慮在內(nèi)取數(shù)據(jù)。3另外，我認(rèn)為從事農(nóng)業(yè)的勞動力人數(shù)也是影響糧食產(chǎn)量的重要因素之一。毫無疑問，第一產(chǎn)業(yè)中的就職人數(shù)即農(nóng)民的多少會影響到農(nóng)產(chǎn)品產(chǎn)量的多少，所以理所當(dāng)然更會影響到糧食產(chǎn)量的多少。那經(jīng)過簡單的分析，可以得到有如下變量：其中，糧食產(chǎn)量為被解釋變量，其余皆是解釋變量。變量表示符號單位意義 糧食產(chǎn)量OUTPUT萬噸該變量表示該年該地區(qū)總的糧食作物產(chǎn)量總?cè)照諘r間SUN小時該變量表示該年該地區(qū)總的日照時間平均氣溫TEMP攝氏度該變量表示該年該地區(qū)平均的溫度總降雨量RAIN毫米該變量表示該年該地區(qū)總的降雨量糧食播種面積SEED千公頃該變量表示該年該地

14、區(qū)糧食作物的總播種面積勞動力人數(shù)LABOR萬人該變量表示該年該地區(qū)從事糧食作物種植的勞動力人數(shù)五、基于面板數(shù)據(jù)的回歸分析一糧食產(chǎn)量影響因素的變量綜上，可以期待以下幾個數(shù)據(jù)可以解釋糧食產(chǎn)量的變化，1不同地區(qū)不同時間的氣溫的變化，用temp來表示，其數(shù)值取每個地區(qū)的每年的平均溫度，單位為攝氏度。2不同地區(qū)不同年份的日照時間的長短，用sun來代表，單位取小時。3各地區(qū)不同年份降雨量的變化，用rain表示，單位取毫米。4各地區(qū)不同年份播種面積的大小，用seed表示，單位取千公頃。5從事第一產(chǎn)業(yè)的就職人員數(shù)，用labor表示，單位為萬人。另，所有的數(shù)據(jù)來源于中國統(tǒng)計局，皆為數(shù)字變量。各變量的預(yù)處理各變量

15、的統(tǒng)計量信息outputtempsunrainseedlabor最小值58.03 4.70 703.80 74.90 141.34 47.57 最大值5389.00 25.40 3245.20 2628.20 11391.03 3331.86 均值1586.54 14.47 1998.19 841.47 3374.19 967.17 中位數(shù)1360.73 15.03 1994.00 756.90 3073.74 779.54 標(biāo)準(zhǔn)差1242.78 5.02477657526.337374461.26162332548.512624735.4823954總和344279.63 3139.75 4

16、33606.52 182599.90 732200.15 209875.60 觀察值217.00 217217217217217 如上表是計量中所涉及到的各影響因素以及因變量的統(tǒng)計量信息表。從中，我們可以獲知被解釋變量以及各解釋變量的各種統(tǒng)計信息。比方從標(biāo)準(zhǔn)差一行，我們可以得知，糧食產(chǎn)量和播種面積的數(shù)據(jù)波動范圍比擬大，而溫度那么表現(xiàn)的比擬穩(wěn)定，波動范圍很小。三數(shù)據(jù)平穩(wěn)性的檢驗(yàn)因?yàn)楸疚氖褂玫氖敲姘鍞?shù)據(jù)，并且本文每個變量都有217個數(shù)據(jù)，因而考慮到各種因素，本文決定檢驗(yàn)一下2021年31個地區(qū)的數(shù)據(jù)的平穩(wěn)性，相信2021年的數(shù)據(jù)能夠很好代表其他幾年的情況。經(jīng)過對2021年數(shù)據(jù)的檢驗(yàn)，可得如下結(jié)論：

17、Group unit root test: SummarySeries: OUTPUT, SUN, RAIN, TEMP, LABORDate: 01/02/12 Time: 20:45Sample: 1 31Exogenous variables: Individual effectsAutomatic selection of maximum lagsAutomatic lag length selection based on SIC: 0and Bartlett kernelBalanced observations for each testCross-MethodStatistic

18、Prob.*sectionsObsNull: Unit root (assumes common unit root process)Levin, Lin & Chu t*-4.046230.00005150Null: Unit root (assumes individual unit root process)Im, Pesaran and Shin W-stat-4.339780.00005150ADF - Fisher Chi-square38.46570.00005150PP - Fisher Chi-square38.14520.00005150* Probabilities fo

19、r Fisher tests are computed using an asymptotic Chi-square distribution. All other tests assume asymptotic normality.由上，我們可以看到所有的P值都為00.05，這樣的話，很明顯可以得出2021年全國31個地區(qū)的各變量數(shù)據(jù)是平穩(wěn)的。以此類推2021年以及前幾年的數(shù)據(jù)應(yīng)該也是平穩(wěn)的。四各變量之間多重共線性檢驗(yàn)各解釋變量的相關(guān)系數(shù)矩陣SUNTEMPRAINSEEDLABORSUN1TEMP-0.641-RAIN-0.600.711SEED-0.19-0.070.0011LABOR-0

20、.450.340.230.761如上表是相關(guān)解釋變量的相關(guān)系數(shù)矩陣，從中可知選擇的各個解釋變量之間的相關(guān)系數(shù)的絕對值都小于0.8，說明各個因素之間沒有多重共線性，即沒有很強(qiáng)的相關(guān)性。即temp與sun，rain和sun，labor和sun，temp和rain，temp和labor，seed和labor之間是弱相關(guān)的，而seed與sun，seed和temp，seed和rain，labor和rain之間那么可認(rèn)為無相關(guān)性。這樣的話，這些變量都可以在后面的回歸中進(jìn)行解釋。五計量分析結(jié)果1、對于上述的各變量，建立如下針對參數(shù)而言的線性回歸模型：Output=c(1)+c(2)*sun +c(3)*te

21、mp +c(4)*rain +c(5)*seed +c(6)*labor +uhausman檢驗(yàn)當(dāng)設(shè)置Period的Effects Specification 為Random ，Cross-section為None時 做Correlated Random Effects-Hausam tests 可得P=0.1230.5 所以就拒絕Period random 具體檢驗(yàn)過程如下所示：Correlated Random Effects - Hausman TestEquation: UntitledTest period random effectsTest SummaryChi-Sq. Stat

22、isticChi-Sq. d.f.Prob.Period random8.66948650.1230* WARNING: estimated period random effects variance is zero.Period random effects test comparisons:VariableFixedRandomVar(Diff.)Prob.SUN0.1398810.1510960.0000650.1648TEMP-4.905445-2.1092612.7418350.0913RAIN0.2031180.2048370.0001980.9028SEED0.3920660.

23、4006550.0000100.0062LABOR0.3377250.3071350.0001330.0079Period random effects test equation:Dependent Variable: OUTPUTMethod: Panel Least SquaresDate: 01/02/12 Time: 18:19Sample: 2003 2021Periods included: 7Cross-sections included: 31Total panel (balanced) observations: 217VariableCoefficientStd. Err

24、ort-StatisticProb.C-442.4519229.4616-1.9282170.0552SUN0.1398810.0689072.0299770.0437TEMP-4.9054458.969469-0.5469050.5850RAIN0.2031180.0822392.4698660.0143SEED0.3920660.01834321.374280.0000LABOR0.3377250.0682524.9481960.0000Effects SpecificationPeriod fixed (dummy variables)R-squared0.917881Mean depe

25、ndent var1586.542Adjusted R-squared0.913475S.D. dependent var1245.656S.E. of regression366.4123Akaike info criterion14.69911Sum squared resid27522884Schwarz criterion14.88601Log likelihood-1582.853Hannan-Quinn criter.14.77461F-statistic208.3070Durbin-Watson stat0.157672Prob(F-statistic)0.000000當(dāng)設(shè)置Pe

26、riod的Effects Specification 為None，Cross-section為Random時 做Correlated Random Effects-Hausam tests 可得P=00.5 所以就拒絕Cross-section random 具體檢驗(yàn)過程如下所示：Correlated Random Effects - Hausman TestEquation: UntitledTest cross-section random effectsTest SummaryChi-Sq. StatisticChi-Sq. d.f.Prob.Cross-section random12

27、3.13743150.0000Cross-section random effects test comparisons:VariableFixedRandomVar(Diff.)Prob.SUN0.0854070.0398280.0000520.0000TEMP2.58054738.310651104.1355970.0005RAIN0.0109620.0225990.0000440.0795SEED0.4390320.5512350.0003270.0000LABOR-1.660357-0.6360000.0093510.0000Cross-section random effects t

28、est equation:Dependent Variable: OUTPUTMethod: Panel Least SquaresDate: 01/02/12 Time: 18:22Sample: 2003 2021Periods included: 7Cross-sections included: 31Total panel (balanced) observations: 217VariableCoefficientStd. Errort-StatisticProb.C1493.784277.54765.3820830.0000SUN0.0854070.0331832.5738320.

29、0109TEMP2.58054713.742000.1877850.8513RAIN0.0109620.0324840.3374500.7362SEED0.4390320.02603616.862630.0000LABOR-1.6603570.121743-13.638170.0000Effects SpecificationCross-section fixed (dummy variables)R-squared0.994413Mean dependent var1586.542Adjusted R-squared0.993333S.D. dependent var1245.656S.E.

30、 of regression101.7104Akaike info criterion12.23253Sum squared resid1872447.Schwarz criterion12.79325Log likelihood-1291.230Hannan-Quinn criter.12.45904F-statistic920.4879Durbin-Watson stat1.902462Prob(F-statistic)0.000000因而可以假定Period的Effects Specification 為Fix ，Cross-section為Fix，從而做回歸。通過eviews的haus

31、man檢驗(yàn)，可得出Cross-section與Period都拒絕random，那么可假定Cross-section與Period都為fixed。假設(shè)這樣假定，可得到回歸的結(jié)果如下：系數(shù)T值c(1)1433.7064.86c(2)0.712.08c(3)9.890.63c(4)-0.00048-0.01c(5)0.4416.3c(6)-1.66-11.21并且可得：R2=0.99 F=798.66由此可得Output=1433.706+0.71*sun+9.89*temp-0.00048*rain+0.44*seed -1.66*labor根據(jù)此次的回歸結(jié)果，首先可以知道各個系數(shù)及其符號所表示的

32、情況，11433.706說明當(dāng)其他影響因素都為0 時，糧食產(chǎn)量為1433.706萬噸，這表示當(dāng)這幾個解釋變量都為0時依然有糧食產(chǎn)量1433.706萬噸，這種情況可能是由于自然界中一些野生頑強(qiáng)的糧食作物品種導(dǎo)致的；2光照小時數(shù)、氣溫、播種面積都對糧食產(chǎn)量具有正面的影響效果，其中以播種面積對于糧食產(chǎn)量的正面影響最大；3降雨量以及勞動力對糧食產(chǎn)量存在負(fù)面影響。其次，我們可以看到1R-squared=0.99，說明此模型的擬合程度較好，各個解釋變量可以較好地解釋被解釋變量；2F-statistic=798.66，說明整個方程是顯著的。3c(1)、c(2)、c(5)、c(6)各系數(shù)對應(yīng)的t值可知，sun

33、、seed和labor這幾個變量對于糧食產(chǎn)量output的影響都是顯著的；而由c(3)、c(4)對應(yīng)的t值可知，temp和rain對于糧食產(chǎn)量output的影響是不顯著的。 具體水平回歸模型如下：Dependent Variable: OUTPUTMethod: Panel Least SquaresDate: 01/02/12 Time: 18:25Sample: 2003 2021Periods included: 7Cross-sections included: 31Total panel (balanced) observations: 217VariableCoefficientS

34、td. Errort-StatisticProb.C1433.706294.74704.8641920.0000SUN0.0710130.0341002.0825080.0388TEMP9.89202815.622260.6332010.5274RAIN-0.0004810.033520-0.0143540.9886SEED0.4372610.02682316.301480.0000LABOR-1.6617480.148260-11.208330.0000Effects SpecificationCross-section fixed (dummy variables)Period fixed

35、 (dummy variables)R-squared0.994684Mean dependent var1586.542Adjusted R-squared0.993439S.D. dependent var1245.656S.E. of regression100.9012Akaike info criterion12.23815Sum squared resid1781682.Schwarz criterion12.89232Log likelihood-1285.839Hannan-Quinn criter.12.50240F-statistic798.6550Durbin-Watso

36、n stat1.817543Prob(F-statistic)0.0000002、對于上述的各變量，建立如下針對參數(shù)而言的對數(shù)回歸模型：Output=c(1)+c(2)*logsun+c(3)*temp +c(4)*rain +c(5)*logseed+c(6)*labor +uhausman檢驗(yàn)當(dāng)設(shè)置Period的Effects Specification 為Random ，Cross-section為None時 做Correlated Random Effects-Hausam tests 可得P=0.0490.5 所以就拒絕Period random 具體檢驗(yàn)如下：Correlated

37、Random Effects - Hausman TestEquation: EQ04Test period random effectsTest SummaryChi-Sq. StatisticChi-Sq. d.f.Prob.Period random11.11219350.0492* WARNING: estimated period random effects variance is zero.Period random effects test comparisons:VariableFixedRandomVar(Diff.)Prob.LOG(SUN)394.617271411.0

38、05605280.8121750.3281TEMP-58.365088-55.2398324.6029880.1452RAIN0.3089590.3032060.0004260.7805LOG(SEED)441.662414460.07976435.3202110.0019LABOR0.9656080.9309910.0001210.0017Period random effects test equation:Dependent Variable: OUTPUTMethod: Panel Least SquaresDate: 01/02/12 Time: 18:33Sample: 2003

39、2021Periods included: 7Cross-sections included: 31Total panel (balanced) observations: 217VariableCoefficientStd. Errort-StatisticProb.C-5121.0951424.638-3.5946650.0004LOG(SUN)394.6173166.59112.3687780.0188TEMP-58.3650912.73754-4.5821330.0000RAIN0.3089590.1244972.4816650.0139LOG(SEED)441.662452.6172

40、38.3938740.0000LABOR0.9656080.09170610.529370.0000Effects SpecificationPeriod fixed (dummy variables)R-squared0.804658Mean dependent var1586.542Adjusted R-squared0.794176S.D. dependent var1245.656S.E. of regression565.1270Akaike info criterion15.56569Sum squared resid65470540Schwarz criterion15.7526

41、0Log likelihood-1676.877Hannan-Quinn criter.15.64119F-statistic76.76738Durbin-Watson stat0.107467Prob(F-statistic)0.000000當(dāng)設(shè)置Period的Effects Specification 為None，Cross-section為Random時 做Correlated Random Effects-Hausam tests 可得P=00.05，很明顯，對數(shù)模型中不存在異方差。六、結(jié)論總體而言，通過針對2003年至2021年中國31個地區(qū)糧食產(chǎn)量的217個數(shù)據(jù)的各影響因素分析，可以獲得如下根本結(jié)論：糧食種植屬農(nóng)業(yè)活動的一種，一般都在戶外進(jìn)行，不可防止地會受到溫度，降水量，日照時間長短等因素的影響，同時還會受到勞動力，糧食播種面積等因素的綜合影響。但是具體而言，在自然環(huán)境因素中，1在對數(shù)回歸模型中，日照的系數(shù)的T值為1.63，說明日照時間長短對糧食產(chǎn)量的正面影響并不顯著，另外降雨量系數(shù)的T值為-0.86，氣溫的系數(shù)的T值為0.58，說明降雨量與氣溫對糧食產(chǎn)量的影響都不顯著，這可能是由于隨著科技的開展，農(nóng)業(yè)勞動也越來越多地在暖棚內(nèi)進(jìn)行，這意味著人們