基于多元回歸對(duì)我國(guó)農(nóng)業(yè)總產(chǎn)值影響因素分析

趙琳 方秀男

摘 要：我國(guó)是世界上的農(nóng)業(yè)大國(guó)，現(xiàn)階段仍是優(yōu)先發(fā)展農(nóng)業(yè)經(jīng)濟(jì)，把“三農(nóng)”問(wèn)題作為國(guó)家的首要任務(wù)。文章通過(guò)使用1992年至2021年農(nóng)業(yè)總產(chǎn)值以及相關(guān)影響因素的時(shí)間序列數(shù)據(jù)，構(gòu)建線性回歸方程模型，利用計(jì)算機(jī)軟件Eviews9對(duì)原始數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，得出農(nóng)業(yè)總產(chǎn)值的顯著影響因素，提出農(nóng)業(yè)持續(xù)高效發(fā)展的優(yōu)化建議。

關(guān)鍵詞：農(nóng)業(yè)總產(chǎn)值 多元回歸分析 Eviews9軟件 政策建議

中圖分類號(hào)：F325 ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-4914（2023）06-111-03

一、引言

中國(guó)是農(nóng)耕文化歷史悠久的大國(guó)，伴隨著科技的飛速發(fā)展，我們國(guó)家對(duì)農(nóng)業(yè)越來(lái)越重視，出臺(tái)了一系列促進(jìn)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的惠農(nóng)政策，使我國(guó)農(nóng)業(yè)取得了巨大的變化。信息化的時(shí)代，大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等加快了農(nóng)業(yè)產(chǎn)業(yè)的發(fā)展速度，將先進(jìn)的科技用于農(nóng)業(yè)建設(shè)，現(xiàn)代化機(jī)械的使用，大大降低了人力資源管理，緩解了勞動(dòng)力匱乏，提高了農(nóng)業(yè)生產(chǎn)效率，但也存在不足之處有待于改進(jìn)。2019年末開始疫情，近兩年受疫情影響，各行各業(yè)都遭受了嚴(yán)重沖擊，居家辦公，騰訊會(huì)議，線上線下交替進(jìn)行，嚴(yán)重影響了經(jīng)濟(jì)的發(fā)展速度，農(nóng)業(yè)也不例外?；诖耍疚倪x取1992年至2021年共30年各變量的原始數(shù)據(jù)，構(gòu)建數(shù)學(xué)模型，利用軟件Eviews9對(duì)影響農(nóng)業(yè)總產(chǎn)值的因素進(jìn)行回歸分析、統(tǒng)計(jì)檢驗(yàn)、多重共線檢驗(yàn)與修正、懷特檢驗(yàn)、自相關(guān)檢驗(yàn)得出數(shù)學(xué)模型，對(duì)模型進(jìn)行研究，得出農(nóng)業(yè)總產(chǎn)值的顯著影響因素，對(duì)農(nóng)業(yè)經(jīng)濟(jì)持續(xù)高效發(fā)展有重大意義。

二、前期準(zhǔn)備工作

（一）選取變量

選取農(nóng)業(yè)總產(chǎn)值（億元）作為解釋因變量，用Y來(lái)表示，自變量共五個(gè)分別用符號(hào)X1，X2，X3，X4，X5表示，代表意義分別為：X1/農(nóng)業(yè)機(jī)械總動(dòng)力（萬(wàn)千瓦），X2/有效灌溉面積（萬(wàn)公頃），X3/農(nóng)民人均可支配收入（元），X4/農(nóng)用化肥使用折純量（萬(wàn)噸），X5/農(nóng)作物播種面積（千公頃）[1]。

（二）構(gòu)建模型

多元回歸分析主要是利用回歸方程定量的解釋因變量與兩個(gè)或兩個(gè)以上的自變量之間的線性依存關(guān)系，其基本思想是設(shè)法找出能代表自變量和因變量之間關(guān)系的數(shù)學(xué)表達(dá)式[2]。

構(gòu)建多元回歸模型：

Y=a0+a1x1+a2x2+a3x3+a4x4+a5x5+ε（1）

a0為回歸常數(shù)，a1，a2，a3，a4，a5為回歸系數(shù)，ε表示誤差項(xiàng)的隨機(jī)誤差，它是無(wú)法由X與Y之間的線性關(guān)系所解釋的變異性，反映的是其他隨機(jī)因素對(duì)因變量的影響[3]。

（三）收集數(shù)據(jù)

本文選取1992年至2021年國(guó)家統(tǒng)計(jì)局的數(shù)據(jù)，如下原始數(shù)據(jù)表1觀察可知：從1992年開始農(nóng)業(yè)總產(chǎn)值總體呈上升趨勢(shì)，2000年卻突然下降，隨后繼續(xù)呈上升走勢(shì)，但近幾年增幅又開始放緩。

三、模型的構(gòu)建與求解

（一）初始模型的估計(jì)

利用Eviews9初步建立多元線性回歸模型，進(jìn)行最小二乘法的回歸分析，分析結(jié)果見表2。

由表2初步得出回歸模型：

y=0.2201x1-1.4250x2+4.0615x3+2.9746x4+0.2980x5+11353.89（2）

其判定系數(shù)為0.9973，修正的判定系數(shù)為0.9968，判定系數(shù)越趨近1，模型擬合能力越高，F(xiàn)統(tǒng)計(jì)量為1782.474，模型整體比較顯著，由此判斷模型存在多重共線性，下一步需對(duì)其進(jìn)行調(diào)整修正。

（二）模型檢驗(yàn)與修正

1.統(tǒng)計(jì)檢驗(yàn)。擬合優(yōu)度：根據(jù)回歸方程（2）可得模型的判定系數(shù)R2=0.9973，趨近于1，這表明本模型擬合能力非常好，通過(guò)了經(jīng)濟(jì)學(xué)檢驗(yàn)。T檢驗(yàn)：自變量的P值均小于0.05，認(rèn)為自變量與因變量相關(guān)性顯著，回歸效果良好。F檢驗(yàn)：取α=0.05，通過(guò)查詢F（方差齊性）分布表，自由度為（5，24）的臨界值為2.62，模型中F統(tǒng)計(jì)量的值為1782.474＞2.62。且p=0.0000，說(shuō)明五個(gè)自變量聯(lián)合對(duì)解釋因變量的影響顯著，回歸方程整體顯著性良好。

2.多重共線檢驗(yàn)。為進(jìn)一步證實(shí)模型是否存在多重共線性，繼續(xù)分析其方差膨脹系數(shù)（VIF），如表3。

方差膨脹系數(shù)VIF越大相關(guān)性越強(qiáng)，當(dāng)VIF≥10，表示各變量之間存在嚴(yán)重的共線性，當(dāng)VIF<5，表示各變量之間不存在多重共線性[2]。由上表3可以看出X1-X5都比10大很多，即表明存在嚴(yán)重的多重共線性。

相關(guān)系數(shù)R是隨機(jī)變量間線性關(guān)系強(qiáng)弱的一個(gè)度量，R∈[-1，1]相關(guān)系數(shù)R越大，相關(guān)性緊密，相關(guān)性隨著R的增大而增強(qiáng)，當(dāng)相關(guān)系數(shù)R=0稱之為不相關(guān)或零相關(guān)，一般認(rèn)為當(dāng)R＞0.7相關(guān)性較強(qiáng)。如表4所示。

觀察上表可知：相關(guān)系數(shù)R均為在0.7以上，各變量之間均為正相關(guān)，除了X3和X4外其它變量的相關(guān)系數(shù)R均大于0.8，由此斷定模型存在嚴(yán)重的多重共線性。

3.多重共線性的修正。由相關(guān)系數(shù)表可知：自變量X3與因變量Y相關(guān)程度最緊密，因此，以X3為基礎(chǔ)，分別依次填加其它自變量X1，X2，X4，X5，然后進(jìn)行逐步回歸，進(jìn)行多重共線性的修正見表5。

上面的逐步回歸R2無(wú)明顯變化，且沒(méi)通過(guò)t檢驗(yàn)，不需要繼續(xù)迭代。利用逐步回歸共進(jìn)行八次迭代，剔除了解釋變量X2，X4，X5最終得到回歸方程為：

y=3.1254x3+0.1918x1-2201.08（3）

4.異方差檢驗(yàn)。下面對(duì)模型繼續(xù)考察，檢驗(yàn)是否存在異方差，進(jìn)一步增加模型的可信性，如表6所示。

由上表可知nR2=4.6450<5，在顯著性水平位10%下，三項(xiàng)的檢驗(yàn)結(jié)果P值均為>0.1，表明此數(shù)學(xué)模型不存在異方差。

5.自相關(guān)檢驗(yàn)。對(duì)偏相關(guān)系數(shù)進(jìn)行檢驗(yàn)如圖1所示。

由上圖可知：第一期，第七期的偏自相關(guān)圖超過(guò)了虛線部位，存在一階、七階的自相關(guān)，繼續(xù)對(duì)一階、七階的自相關(guān)進(jìn)行調(diào)整修復(fù)，優(yōu)化后的方程為：

y=3.3184x3+0.1710x1-1891.1（4）

其判定系數(shù)為0.9991，修正的判定系數(shù)為0.9989，F(xiàn)統(tǒng)計(jì)量為5088.514，DW為1.5174，n=30。

四、結(jié)論與建議

（一）結(jié)論

通過(guò)多元回歸分析、檢驗(yàn)、修正、優(yōu)后的模型對(duì)數(shù)據(jù)的真實(shí)性的反映程度可達(dá)到99.89%，即農(nóng)業(yè)總產(chǎn)值變化的99.89%可由農(nóng)民人均可支配收入和農(nóng)業(yè)機(jī)械總動(dòng)力共同解釋。農(nóng)民人均可支配收入每增加1元，農(nóng)業(yè)總產(chǎn)值增加3.3184億元，農(nóng)業(yè)機(jī)械總動(dòng)力每增加1萬(wàn)千瓦，農(nóng)業(yè)總產(chǎn)值才增加0.171億元，其影響力度遠(yuǎn)遠(yuǎn)沒(méi)有農(nóng)民人均可支配收入強(qiáng)。其它幾個(gè)解釋變量對(duì)因變量（農(nóng)業(yè)總產(chǎn)值）的影響力度較弱，但也不容忽視。

（二）建議

農(nóng)業(yè)作為我國(guó)的第一大產(chǎn)業(yè)對(duì)經(jīng)濟(jì)發(fā)展起著至關(guān)重要的作用，興農(nóng)即興國(guó)。如何提高農(nóng)業(yè)總產(chǎn)值，提出如下建議：

1.農(nóng)業(yè)機(jī)械是農(nóng)業(yè)生產(chǎn)的助推器，農(nóng)機(jī)化是農(nóng)業(yè)生產(chǎn)力的倍增器，機(jī)械用量代表著我國(guó)農(nóng)業(yè)生產(chǎn)的機(jī)械化程度，即現(xiàn)代化程度[4]。我國(guó)現(xiàn)階段農(nóng)機(jī)化成熟情況不太高，整體偏弱，尤其偏遠(yuǎn)地區(qū)，整體處在上升階段。因此，要加大農(nóng)機(jī)化購(gòu)買力度，首先政府給予農(nóng)民農(nóng)機(jī)補(bǔ)貼，加速解決三農(nóng)問(wèn)題。其次，優(yōu)化原有的基礎(chǔ)設(shè)施，增加農(nóng)機(jī)技術(shù)人員下基層對(duì)農(nóng)業(yè)機(jī)械設(shè)備培訓(xùn)，購(gòu)買使用，提高勞動(dòng)生產(chǎn)效率，進(jìn)一步有效提高農(nóng)業(yè)總產(chǎn)值[1]。

2.農(nóng)民的人均可支配收入與農(nóng)業(yè)總產(chǎn)值正相關(guān)，提高農(nóng)民人均可支配收入，對(duì)農(nóng)業(yè)發(fā)展有很大的促進(jìn)作用。農(nóng)民的收入直接影響對(duì)農(nóng)機(jī)的購(gòu)買力度，要提高農(nóng)民的人均收入，首先要發(fā)展農(nóng)業(yè)經(jīng)濟(jì)，發(fā)展農(nóng)業(yè)經(jīng)濟(jì)要有優(yōu)質(zhì)的勞動(dòng)力。目前很多農(nóng)村青年外出打工，農(nóng)村人口老人居多，老齡化嚴(yán)重，他們體力與精力較弱，而且文化水平低，難以勝任農(nóng)業(yè)自主創(chuàng)新。隨著科技的進(jìn)步，信息技術(shù)應(yīng)用到農(nóng)業(yè)生產(chǎn)，實(shí)現(xiàn)農(nóng)業(yè)數(shù)字化、智慧化，因此，政府出臺(tái)相應(yīng)的優(yōu)惠政策，激勵(lì)大學(xué)生下鄉(xiāng)，增加大學(xué)生創(chuàng)新創(chuàng)業(yè)，激勵(lì)優(yōu)秀的年輕人回鄉(xiāng)村工作，為鄉(xiāng)村注入新活力，鼓勵(lì)農(nóng)技工作人員在鄉(xiāng)村營(yíng)銷推廣農(nóng)業(yè)新技術(shù)，培養(yǎng)農(nóng)業(yè)技術(shù)新型人才，提高農(nóng)業(yè)機(jī)械自動(dòng)化人力資源質(zhì)量，助推鄉(xiāng)村振興，科技興農(nóng)成為我國(guó)現(xiàn)代農(nóng)業(yè)的主旋律。

3.國(guó)家提出生態(tài)環(huán)境保護(hù)和土地的可持續(xù)性發(fā)展，從2015年開始國(guó)家重點(diǎn)提出，綠色環(huán)保，保護(hù)生態(tài)環(huán)境，自此化肥使用量逐年遞減，符合我國(guó)“減排控污”，改善了農(nóng)業(yè)生態(tài)環(huán)境?；实暮侠硎褂檬雇寥栏拥姆饰?，為農(nóng)作物給予營(yíng)養(yǎng)成分，提高農(nóng)作物的產(chǎn)量，但過(guò)量使用化肥對(duì)生態(tài)環(huán)境造成污染，為了保護(hù)現(xiàn)有農(nóng)業(yè)耕地質(zhì)量，要停止使用有毒化肥農(nóng)藥，必須使用綠色環(huán)保更高效的化肥，堅(jiān)持發(fā)展綠色生態(tài)農(nóng)業(yè)，實(shí)現(xiàn)農(nóng)業(yè)土地資源可持續(xù)發(fā)展。

[基金項(xiàng)目：黑龍江省省屬高等院?；究蒲袠I(yè)務(wù)費(fèi)科項(xiàng)目（2021-KYYWF-0568）；佳木斯大學(xué)規(guī)劃項(xiàng)目（2021JY2-45）]

參考文獻(xiàn)：

[1] 劉文慧，高巍，朱家明.基于多元回歸對(duì)中國(guó)農(nóng)業(yè)總產(chǎn)值影響因素的實(shí)證分析.哈爾濱師范大學(xué)自然學(xué)科學(xué)報(bào)，2022（38）：14-20.

[2] 錢瑩.多元線性回歸模型及實(shí)列應(yīng)用.中國(guó)科技信息，2022（04）：73-74.

[3] 黃鈺茜.基于多元線性回歸分析陜西省物流業(yè)發(fā)展的環(huán)境影響.中國(guó)集體經(jīng)濟(jì)，2022（14）：112-115.

[4] 董小菁.中國(guó)農(nóng)業(yè)總產(chǎn)值影響因素分析.農(nóng)村經(jīng)濟(jì)與科技，2015（07）：9-10.

[5] 中華人民共和國(guó)統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒.北京：中國(guó)統(tǒng)計(jì)出版社，2021.

（作者單位：佳木斯大學(xué)理學(xué)院 黑龍江佳木斯 154007）

[作者簡(jiǎn)介：趙琳，佳木斯大學(xué)理學(xué)院學(xué)生，研究方向：數(shù)學(xué)與應(yīng)用數(shù)學(xué)；通訊作者：方秀男，佳木斯大學(xué)理學(xué)院講師，碩士研究生，研究方向：應(yīng)用數(shù)學(xué)—數(shù)值計(jì)算與數(shù)學(xué)建模等。]

（責(zé)編：賈偉）