江苏农林牧渔业总产值指数分析.docx
《江苏农林牧渔业总产值指数分析.docx》由会员分享，可在线阅读，更多相关《江苏农林牧渔业总产值指数分析.docx（19页珍藏版）》请在冰点文库上搜索。
江苏农林牧渔业总产值指数分析
江苏省农林牧渔业总产值指数分析
南京人口治理干部学院王静、杨凯茜、顾梦雪
【摘要】
农林牧渔业总产值指以货币表现的农、林、牧、渔业全数产品的总量，它反映一按时期内农业生产总规模和总功效。
农业总产值的计算方式一般是按农林牧渔业产品及其副产品的产量别离乘以各自单位产品价钱求得；少数生产周期较长，昔时没有产品或产品产量不易统计的，那么采纳间接方式匡算其产值；然后将四业产品产值相加即为农业总产值。
农林牧渔业总产值在国内总产值中占有重腹地位,其进展对我国国民经济稳固快速进展有着深远的意义。
本文运用计量经济学方式成立方程模型，通过Eviews软件进行数据处置，研究农林牧渔业与总产值之间是不是存在相关关系，并分析其相关程度，拟定合理模型。
【关键词】农林牧渔业总产值指数ARIMA模型
一、问题的提出
新中国成立60年来,中国农业在不断探讨和制度创新中快速进展,并带动中国农村发生了历史性剧变。
1957年以前的农业总产值中包括了厩肥和农人自给性手工业（如农人自制衣服、鞋、袜，自己从事粮食初步加工等）。
1958年及以后的农业总产值，林业中增加了村及村以下竹木采伐产值；牧业中取消了厩肥产值；副业中取消了农人自给性手工业产值，增加了村及村以下办的工业产值；渔业中增加了海洋捕捞水产品产值。
1980年及以后的农业总产值，在副业中增加了农人家庭兼营工业商品部份的产值。
从1984年起村及村以下工业产值划归工业。
从1993年起取消副业，将野生动物的捕猎划入牧业、野生植物搜集和农人家庭兼营商品性工业划归农业。
从土地改革到农业合作化,从人民公社抵家庭承包经营,再到推动现代农业,每一步探讨和改革,都走过不一般的道路,取得了辉煌的业绩。
我国农业综合生产能力大幅度提高,农业经济实力不断增强,突出特点是国家粮食平安取得了有力的保障,副食物生产和供给丰硕多样,农业经济呈现出勃勃生机。
农业经济快速进展的同时,农业生产结构慢慢优化,实现了由单一以种植业为主的传统农业向农林牧渔业全面进展的现代农业转变。
国民经济从农业支持工业过渡到工业反哺农业、城市带动农村进展的新时期,工农关系实现历史性的转变,标志着中国传统农业经济时期的终止,崭新的现代农业时期到来。
由此也就提出了如何更好的分析农林牧渔业的进展问题。
二、研究现状及问题
党的十一届三中全会以后,以家庭联产承包责任制为要紧内容的改革揭开了中国农业和农村改革的序幕,农人生产踊跃性空前提高。
同时制度创新带动技术创新,增进了要紧农产品产量大幅增加,农产品市场供给日趋丰硕,为人民生活水平的提高提供了坚实的物质基础。
农业经济快速进展的同时,农业生产结构慢慢优化,实现了由单一以种植业为主的传统农业向农林牧渔业全面进展的现代农业转变。
大力进展农林牧渔业，有利于调整农村经济结构，增进地址经济进展，增加农人收入，对我国的进展有着深远的意义。
种植业是农业生产的基础，十一届三种全会以来，农村实行联产承包责任制后，种植业产品产量大幅度增加。
我国在造林绿化方面，也取得较大进展。
造林面积不断增加，生态环境有所改善，要紧林产品产量大幅度增加。
在森工产品方面，比建国初期有大幅度增加。
在森工产品方面，比建国初期有大幅度增加。
畜牧业在我国农业生产中所占的地位日渐明显，尤其是在改革开放的今天，它已成为增加农人收入、知足城乡人民需求的一个重要产业。
同时水产品生产能力大幅度提高，养殖渔业进展迅速，捕捞渔业健康进展。
从中咱们也能够发觉一些问题：
投入什么？
如何投入？
如何扩展？
等等一系列有关进展农林牧渔业总产值指数的关键性问题。
三、模型构造前的预备
（一）假设干假设
依照国名经济学理论和日常生活体会，农林牧渔业总产值指数受历年来农业，林业，畜牧业和渔业指数及其效劳业等因素的阻碍，咱们选取其中几个阻碍较大、具有代表性的因素作为模型的说明变量。
其中，X1表示农业指数,X2表示林业指数,X3表示渔牧业指数,X4表示渔业指数，Y表示农林牧渔业总产值指数。
咱们预期达到的查验结果是：
X1与Y成正相关，说明农业指数越高，该地域的农林牧渔业总产值指数越高，给咱们的启发是农林牧渔业进展，在必然地程度上受到农业产值指数和进展水平的阻碍。
X2与Y成正相关，说明林业指数越高，该地域的农林牧渔业总产值指数越高，给咱们的启发是农林牧渔业进展，在必然地程度上受到林业产值指数和进展水平的阻碍。
X3与Y成正相关，说明畜牧业指数越高，该地域的农林牧渔业总产值指数越高，给咱们的启发是农林牧渔业进展，在必然地程度上受到畜牧业产值指数和进展水平的阻碍。
X4与Y成正相关，说明渔业产值指数越高，该地域的农林牧渔业总产值指数越高，给咱们的启发是农林牧渔业进展，在必然地程度上受到渔业指数产值指数和进展水平的阻碍。
因此咱们假定模型为Y关于X的回归方程，Y=f（X1,X2,X3,X4）
（二）数据来源
本项目选择江苏省农林牧渔业总产值指数、农业指数、渔业指数、畜牧业及林业指数年度数据进行系统分析。
表一：
要紧年份农林牧渔业总产值指数
年 份
农林牧渔业总产值y
农 业x1
林 业x2
畜牧业x3
渔 业x4
1978
1979
105
1980
1981
1982
113
106
1983
1984
1985
99
1986
1987
1988
1989
1990
1991
90
1992
113
1993
114
1994
108
119
1995
117
124
1996
1997
1998
104
103
1999
100
2000
105
2001
105
2002
108
2003
101
120
2004
2005
2006
2007
2008
2009
数据来源：
江苏省统计年鉴
（三）特点变量的选择与数据量化处置
农林牧渔业总产值指数在实际生活中受农业、林业、畜牧业及渔业，其他效劳业等因素的阻碍。
其中，依照我国实际现状，咱们发觉，在这些因素中农业、林业、畜牧业及渔业得农林牧渔业总产值指数尤其突出。
因此，咱们选定特点变量即为这四个阻碍因素。
在实际经济理论中，这几个变量间关系确信为是不变弹性的，而弹性是相对变更的比值。
其中咱们也就能够够成立对数模型，通过其弹性转变说明相对变更阻碍状况。
四、模型的构建
（一）因变量时刻序列分析
咱们获取的农林牧渔业总产值指数是一个动态时刻数据，而时刻序列分析（Timeseriesanalysis）是一种动态数据处置的统计方式。
该方式基于随机进程理论和数理统计学方式，研究随机数据序列所遵从的统计规律，以用于解决实际问题。
对农林牧渔业总产值指数的分析中，随着阻碍因素投入的转变，那个指数数据也是随年度发生转变的。
时刻序列分析那么偏重研究数据序列的相互依托关系，事实上是对离散指标的随机进程的统计分析，因此又可看做是随机进程统计的一个组成部份。
它的大体原理：
一是承认事物进展的延续性。
应用过去数据，就能够推测事物的进展趋势。
二是考虑到事物进展的随机性。
因此，咱们能够对总产值指数y进行时刻序列分析。
在判定序列平稳性进程中，咱们能够观看其自相关系数与偏自相关系数，平稳进程中的自相关系数和偏自相关系数都会以某种方式衰减趋于0，前者测度当前序列与先前序列之间简单而常规的相关程度，后者是在测定其它前后序列的阻碍后，测度当前序列与某一先前序列之间的相关程度，若是某一时刻序列的自相关函数随着滞后k的增加而专门快的下降为0，那么咱们就以为该序列为平稳序列，若是自相关函数不随着k的增加而迅速下降为0，就说明该序列不平稳，若是一个时刻序列的自相关和偏自相关图没有任何模式，而且数值很小，那么该序列可能确实是一些相互独立的无关的随机变量。
先做时序图和自，偏自相关查验。
通过Eviews软件作出时序图和自，偏自相关图。
随机进程{xt,t∈T},若是E（xt）=0,Var（xt）=σ2<∞,t∈T;Cov（xt,xt+k）=0,（t+k）∈T,k≠0,那么称{xt}为白噪声进程。
经分析及从原始时序图中发觉，数据是不平稳白噪声序列，咱们无法对它进行分析，因此需要对其进行差分。
时刻序列变量的本期值与其滞后值相减的运算叫差分，能够分为一阶和多阶。
差分即是用递推关系拟定方程，因此咱们能够通过本数据递推，进行数据查验分析。
通过三阶差分取得一个平稳非随机时刻序列，其中时序图和自，偏自相关表如（图一）：
（图一）
通过平稳和随机性的查验，确信了数据的研究条件。
也就能够够对现在刻序列进行模型描述。
识别AR、MA、ARMA模型及阶数：
移动平均模型MA（q），自回归模型AR（p）及自回归移动平均模型ARMA（p,q）三个模型都是分析描述时刻序列特点的模型。
1）自回归AR（p）模型
当k>p时，
有=0或
服从渐进正态散布N（0，1/且（
>2
）的个数
4.5%。
即平稳时刻序列的偏自相关系数
为p阶截尾，自相关系数n慢慢衰减而不截尾，那么序列是AR（p）模型。
实际中，一样AR进程的ACF函数呈单边递减或阻尼振荡，因此用PACF函数判别（p阶开始的所有偏自相关系数均为0）
2）移动平均MA（q）模型：
当k>q时，有自相关系数n=0或自相关系数n服从N（0，1/n（1+2
）
）且（
）的个数
4.5%，即平稳时刻序列的自相关系数
为q阶截尾，偏自相关系数
慢慢衰减而不截尾，那么序列为MA（q）模型。
实际中，一样MA进程PACF函数呈单边递减或阻尼振荡，因此用ACF函数判别（q开始的所有偏自相关系数均为0）。
3）自回归移动平均ARMA（p,q）
平稳时刻序列的偏自相关系数
和相关系数
均不截尾，但较快收敛到0，那么该时刻序列可能是ARMA（p,q）模型。
实际问题中，多数要用此模型。
因此建模、解模的要紧工作是求解p,q和
的值，查验
和
的值。
因为现在的序列是原序列差分后的序列，因此咱们别离成立ARI,IMA和ARIMA模型，并对这三个模型描述状况进行比较分析，从当选掏出最合理拟合模型。
通过SPSS分析，结果如（图二）：
ARI
IMA
ARIMA
P值
0
0
0
AIC值
（图二）
为了比较所含说明变量个数不同的模型拟合优度，推出了赤池信息准那么（Akaikeinformationcriterion、简称AIC）：
AIC=2k-2ln（L）
其中：
k是参数的数量，L是似然函数
这一准那么要求仅当所增加的说明变量能够减少AIC值时，才再该模型中增加该说明变量。
经对照，P值比较，三个模型均通过变量显著性查验，比较其AIC值发觉，ARIMA模型中的AIC值最小，从而判定此模型为最优，即选择ARIMA模型为拟合模型。
取得模型方程如下：
（1-B）Xt=0.1364+（1-0.9697B^3）/（1+0.5241B）*εt
数据预测：
通过现在刻序列模型咱们能够进行数据预测，取得预测图如下：
图中中间曲线为序列预测值，上下曲线为95%的置信区间。
从波动图中，预测出10，11和12年的总产值指数：
103.5804；104.9111；105.2514。
从中发觉近几年总产值指数都呈上升趋势。
由此，咱们确信了ARIMA模型较好的拟合了农林牧渔业总产值指数的时刻转变趋势，更好的做出季节性周期性的状况，对最近几年来农林牧渔业总产值整体状况有了正确的描述。
（二）回归模型的估量与调整
对农林牧渔业总产值指数进行分析研究时，咱们需要选择它的阻碍因素，并通过确信阻碍因素与其之间的数量关系，设定回归方程，并进行拟定优化。
分析此回归方程模型时，咱们选择取对数的方式。
对方程lnY=C+C1lnX1+C2lnX2+C3lnX3+C4lnX4+µ
其中Y是农林牧渔业总产值指数，作为因变量；X1是农业产值指数，取C1为阻碍系数：
X2是林业产值指数，阻碍系数是C2；畜牧业产值指数为X3，阻碍系数取C3；渔业产值指数确信为X4，系数一样取C4。
最小二乘法（又称最小平方式）是一种数学优化技术。
它通过最小化误差的平方和寻觅数据的最正确函数匹配。
利用最小二乘法能够简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。
最小二乘法还可用于。
因此利用最小二乘法进行回归模型的拟定，取得回归输出结果见表：
纳入模型
的特征变量
特征变量系数
t值
P值（t值）
（Constant）
log（x1）
0
log（x2）
log（x3）
0
log（x4）
DW值（自相关检验）=2.613AIC=-5.450
（1）经济意义上的查验：
该模型可初步通过经济学意义上的查验，系数符号均符合经济意义，农业，林业，畜牧业，渔业均对农林牧渔业总产值指数产生阻碍。
（2）回归结果说明：
lny转变的92.62%可由其他四个变量发的转变来表示。
可决系数、调整后的可决系数专门大，模型的拟合度专门好。
（3）F=
在5%的显著性水平下，F统计量的临界值为F
F>F（4,32），说明模型的线性关系显著成立，即自变量与因变量之间存在着阻碍联系。
自由度n-k-1=27的t统计量的临界值为t
因此lnX一、lnX3的t统计量大于临界值，即其参数均通过了显著性水平查验，但lnX二、lnX4的参数未通过t查验,故以为说明变量间存在多重共线性。
多重共线性（Multicollinearity）是指线性回归模型中的说明之间由于存在精准或高度相关关系而使模型估量失真或无法计算准确。
在本模型中也就发觉了几个因素之间存在了相关关系，如此就阻碍了模型正确性。
从而咱们需要排除共线性，找出正确的阻碍因素进行岁总产值指数的分析。
多重共线性的解决方式有三种：
（1）排除引发共线性的变量
找出引发多重共线性的说明变量，将它排除出去，以慢慢回归法取得最普遍的应用。
慢慢回归法又分为前向和后向慢慢，前者是一个一个地添加自变量，后者是先将所有的自变量分析后再观看那个自变量对应sig值最大，就把那个自变量去除，再分析其他自变量的回归分析，然后再观看结果表格，又将sig值最大的自变量去除
（2）差分法
、线性模型：
将原模型变换为差分模型。
（3）减小参数估量量的方差：
岭回归法（RidgeRegression）
那个地址咱们运用慢慢回归法来排除变量间的多重共线性。
最终取得数据如表：
纳入模型
的特征变量
特征变量系数
t值
P值（t值）
（Constant）
log（x1）
0
log（x2）
log（x3）
0
从中发觉模型拟合优度达到0.92，属于较高水平，同时三个变量均通过了变量显著性查验。
而包括变量X4即渔业产值指数时，其变量显著性无法通过，也就说明了变量X4即渔业产值指数与其他阻碍因素之间存在着相关关系。
因此综合分析，咱们需要剔除lnX4即剔除渔业因素的阻碍。
剔除渔业因素阻碍与咱们最初的假设看似彼此矛盾，其实它从全然上纠正了咱们最初始的不全面考虑，修改最初错误的假想。
就现实意义中农林牧渔业总产值指数的分析时，咱们发觉所有的文献资料大体都是涵盖了农业，林业，畜牧业及渔业这四个要紧因素的阻碍分析。
就咱们的探讨发觉了其中存在的问题，在这四个要紧阻碍因素中，咱们通过模型拟合，发觉需要剔除渔业的阻碍，这在现实意义中似乎是不合理的。
可是，咱们为探讨其缘故，进行了大量的文献搜索及调查。
在那个进程中发觉，农林牧渔业总产值指数是基于地域的一个产值指标。
整个农业是每一个地域大体必不可少的产业，可是地域间的实地差距是显著的，对整个农业的具体投入是有庞大不同的；同时农业产值之间确实存在这交互作用的现象。
而结合咱们拟定的模型发觉，模型也符合这些实际状况。
在所有阻碍因素中，渔业的阻碍较其他几个变量的阻碍，其成效不仅不明显，更有可能被其覆盖。
从而，咱们提出了渔业的阻碍因素，做出了最优回归方程。
因此，最终的函数以Y=f（X1,X2,X3）为最优，拟合结果如下：
Ln（Y）=-0.2251+0.6894ln（X1）+0.7176ln（X2）+0.2451ln（X3）
（三）回归模型查验
通过最小二乘法拟定了回归模型，咱们需要运用模型进行实际意义的分析。
这也就需要咱们再对模型进行一系列相关的查验，模型只有通过查验，才能确信自己的实际意义。
通常回归模型需要知足以下条件：
（1）线性性，即因变量的数学期望和未知参数之间有线性关系
；
（2）同方差性，即误差项
，
；
（3）正态性，在某些情形下要求
～
。
同方差性是被查验的各个方差之间在给定的下统计上没有。
，即误差项
，
通过怀特查验法对原始模型进行一般最小二乘法回归取得的残差平方项,记ei2，将其与X一、X二、X3及其平方项与交叉项作辅助回归，结果如下：
E^2=0.5913+0.1086lnX1+0.0151（lnX1）^2-0.0199（lnX1）*（lnX2）-0.0337（lnX1）*（lnX3）-0.1405lnX2+0.0087（lnX2）^2+0.0328（lnX2）*（lnX3）-0.2224ln（X3）+0.00243（lnX3）^2
R2
怀特统计量nR2=32*0.3920=12.544,该值小于5%显著水平下、自由度为9的χ2散布的相应临界值χ2（0.05）=16.92，因此，拒绝异方差的原假设，以为不存在异方差。
该模型符合上述条件，即说明其他因素的阻碍对农林牧渔业总产值指数并无更大的刺激作用，从而加倍确信了农业，林业和畜牧业这三个阻碍因素的显著阻碍。
模型设计时，将对被说明变量有阻碍的因素并入到随机误差项当中，若是这些被遗漏的说明变量的作用成为误差项的要紧成份，他们会产生出系统性的、一贯性的作用，从而造成随机误差项前后期之间存在相关性。
序列相关性指关于不同的样本值，随机干扰之间再也不是完全彼此独立的，而是存在某种相关性。
又称自相关（autocorrelation），是指整体回归模型的随机误差项之间存在相关关系。
在回归模型的古典假定中是假设随机误差项是无自相关的，即在不同观测点之间是不相关的。
若是该假定不能知足，就称与存在自相关，即不同观测点上的误差项彼此相关。
自相关的程度可用自相关系数去表示，依照自相关系数的符号能够判定自相关的状态，若是<0，那么ut与ut-1为负相关；若是>0，那么ut与ut-1为正关；若是=0，那么ut与ut-1不相关。
由于残差et能够作为μt的估量，故咱们能够利用et的转变图形来判定随机干扰项的序列相关性，利用Eviews可得图：
图2
由图2判定，不能确信随机干扰项是不是存在序列相关性。
因此咱们利用杜宾-瓦尔森（Durbin-Watson）查验法判定其是不是存在一阶序列相关。
。
由于D.W.=2.666，4-du因为D.W查验法只能判定回归模型是不是存在一阶序列相关性，因此咱们继续用L.M.查验法进行多阶序列相关性查验。
3
L.M查验用于查验回归方程的残差序列是不是存在高阶自相关。
通过2阶发觉R^2值大于0.05.即不存在2阶序列相关性。
再次进行多次高阶查验，结果均不存在序列相关性。
模型最终通过查验。
（四）回归模型的确信及说明
通过以上所有查验，拟定最优方程为：
lnY=-0.2251+0.6894lnX1+0.7176lnX2+0.2451lnX3
其中C1+C2+C3=1.6521显著不为0，因此估量的方程不知足零阶齐次的特点条件。
通过以上查验，咱们确信了此模型的正确性。
说明：
农林牧渔业总产值指数受农业，林业和畜牧业阻碍显著，随这三个因素的转变而转变。
因为咱们的方程是取对数而做的结果，因此它是表示弹性意义，即X的绝对转变所带来的比例变更。
综合而言；在林业和畜牧业因素不变的情形下，农业指数每增加1%，农林牧渔业总产值指数就增加0.69%；在农业和林业因素不变的情形下，畜牧业指数每增加1%，农林牧渔业总产值指数就增加0.25%；在畜牧业和农业因素不变的情形下，林业指数每增加1%，农林牧渔业总产值指数就增加0.72%.也确实是农林牧渔业总产值指数受农业和林业的阻碍最显著，也预示着，我国还需要大力进展农林产业，以提高农林牧渔业总产值，增进农村经济的进展，力求为我国经济建设做出更大奉献。
五、结论和建议
5.1结论：
农林牧渔业的良性进展,有利于调整城乡经济结构,增进地址经济社会的进展,增加农人收入,改善城乡生态环境,对城市的综合进展有着深远的意义。
种植业是农业生产的基础,十一届三中全会以来,农村实行联产承包责任制后,种植业产品产量大幅度增加。
我国在造林绿化方面,也取得了较大进展。
农业产业化经营模式不断创新,农业生产新的组织模式大量涌现,各类资本在农业领域投资迅速增加。
农业区域化布局、专业化分工的趋势慢慢显现,形成了几条颇具特色的农业产业带。
尽管农业在国内生产总值中所占的比重愈来愈低,但农业的基础作用加倍突出,农业仍然是国民经济最重要的基础产业。
农业进展为排除农村贫困做出重大奉献。
中国传统农业经济时期已经终止,崭新的现代农业时期已经到来。
增进农业经济的进展，提高农林牧渔业总产值指数，咱们需要对它的阻碍因素做出正确分析。
就不同产业的不同阻碍趋势，做出合理的散布，加大突出阻碍的投入，减少没必要要的浪费。
以此加倍优化农业产值结构，使得农业经济以合理优化的方式快速进展，增进国家经济产值的增加，提高经济实力。
：
一、增强农业基础设施建设。
提高有限耕地的生产能力，对农业基础设施投入要提高，财政信贷要增加支农资金。
二、踊跃优化农业结构。
要引进优良新品种，慢慢向高优新特方面调整，增强农产品市场竞争力。
在结构调整中，充分发挥技术信息优势，加大选育示范和推行力度，引导农人种好高优特新产品。
3、进一步宣传和落实好国家、省、市推动农村改革的各项强农、惠农扶持政策，推动农业产业化进程。
一增强龙头企业的扶持和治理；二要实施名牌战略，培育一批能形成产业优势的名牌农产品；三要推动特色产业。
4、继续增强农资价钱调控和市场治理，切实爱惜好农人利益。
进一步增强农资市场的监督治理，成立完善的农资市场秩序。
五、突出抓好薄弱环节，推动其正常进展。
六、农业技术的不断创新和造就一支宏大的现代农人队伍，是提高农业综合生产能力的重要途径。
大力培育现代农人，要多渠道、多层次、多形式增强对农人的教育和培训，不断提高他们把握和应用高新技术的能力和水平。
【参考文献】：
[1]王燕应历时刻序列分析中国人民大学大学出版社
[2]金勇进抽样技术（第二版）中国人民大学大学出版社
[3]李子奈潘文卿计量经济学（第三版）高等教育出版社
【附录1】
农林牧渔业总产值指数
按可比价格计
升级会员 