《农村居民生活消费支出与农业经济发展的关系分析.docx》由会员分享，可在线阅读，更多相关《农村居民生活消费支出与农业经济发展的关系分析.docx（15页珍藏版）》请在三一办公上搜索。
1、论文选读原文：农村居民生活消费支出与农业经济发展的关系分析一、 变量的选择及说明变量类型变量名称变量代号单位因变量第一产业总值Y亿元自变量国民经济对农业的基本建设投资TZ亿元自变量第一产业从业人员L万人自变量农村居民生活消费支出SHXF元/人数据一览表ObsYTZSHXFL19811545.60015.72000190.810029100.0019821761.60016.00000220.230028834.0019831960.80013.80000248.290028318.0019842295.50016.70000273.800029122.0019852541.60016.7000
2、0317.420031130.0019862763.90015.80000356.950031254.0019873204.30019.60000398.290031663.0019883831.00025.10000476.660032249.0019894228.00020.20000535.370033225.0019905017.00025.80000584.630038428.0019915288.60025.50000619.790038685.0019925800.00043.50000659.010038349.0019936882.10046.20000769.6500374
3、34.0019949457.00056.800001016.81036489.00199511993.0076.600001310.36035468.00199613844.20109.40001572.08034769.00199714211.20153.90001617.15034730.00199814552.40225.40001590.33034838.00199914457.20299.00001577.42035364.00农业生产总值（Y）增长曲线图（Eviews4.0）农业生产总值（Y）与农村居民生活消费（SHXF）关系的散点图（Eviews4.0）从散点图可以看出农业生产总
4、值（Y）与农村居民生活消费（SHXF）之间的相关性非常高。二、 模型的选择1 初始模型采用C-D生产函数的线性形式模型形式LOG(Y) = C(1)*LOG(SHXF) + C(2)*LOG(TZ) + C(3)*LOG(L) + C(4)+uLOG(Y) = 0.9738417035*LOG(SHXF) + 0.05362717276*LOG(TZ) + 0.2734161522*LOG(L) - 0.7392720226估计结果（Eviews 4.0 OLS估计）由上表可以看出，该模型的拟合优度非常高（R2=0.998712），方程总体也非常显著（P（f）=0.000000），各个解释变量
5、也是5%显著性的。下面对该模型进行计量经济检验一阶序列相关性检验由上表可知，P（F-statistic）=0.030516,在5%水平表明模型存在序列相关。因此采用差分法消除序列相关性。2 消除序列相关性模型模型形式LOG(Y) = C(1)* LOG(SHXF) + C(2)* LOG(TZ) + C(3)* LOG(L)+uLOG(Y) = 0.9468473451*LOG(SHXF) + 0.06743738636*LOG(TZ) + 0.3065787602*LOG(L)估计结果模型整体显著，但经t检验，解释变量LOG（L）的系数在5%水平与0无显著差异，因此删除解释变量LOG（L）。
6、3 删除变量LOG（L） 的模型模型形式LOG(Y) = C(1)* LOG(SHXF) + C(2)* LOG(TZ)+uLOG(Y) = 0.9499804323*LOG(SHXF) + 0.07242770893*LOG(TZ)估计结果经t检验，变量LOG（TZ）的系数在5%水平与0差异不显著，因此删除该变量。4 删除变量LOG（TZ） 的模型模型形式LOG(Y) = C(1)* LOG(SHXF)+uLOG(Y) = 1.011920677*LOG(SHXF)估计结果结果表明，方程的拟合优度虽然差（R2=0.792644），但是方程中唯一的解释变量的显著性很好。系数的符号和大小也符合经
7、济学上的要求。所以接下去对该模型进行计量经济检验。一阶序列相关性检验由结果可以知道一阶序列相关性检验（P（Obs*R-squared）=0.593335）是个大概率，不能拒绝无序列相关的原假设。表明不存在一阶序列相关。二阶序列相关性检验由结果可以知道，二阶序列相关检验（P（Obs*R-squared）=0.414177）是一个大概率，不能拒绝无序列相关的原假设。表明不存在二阶序列相关。三阶序列相关性检验由结果可以知道，二阶序列相关检验（P（Obs*R-squared）=0.558130）是一个大概率，不能拒绝无序列相关的原假设。表明不存在三阶序列相关。异方差检验可见异方差检验（P（Obs*R-
8、squared）=0.773325）也是个大概率，表明不能拒绝无异方差的零假设，该方程不存在异方差。因此该方程可以作为最终方程。方程形式：LOG(Y) = C(1)* LOG(SHXF)LOG(Y) = 1.011920677*LOG(SHXF)三、相对误差分析obsYYFY-YF(Y-YF)/Y*1001981 1545.600 NA NA NA 1982 1761.600 1786.960-25.35996-1.4395981983 1960.800 2017.523-56.72271-2.8928351984 2295.500 2227.404 68.09614 2.9665061985
9、 2541.600 2586.814-45.21356-1.7789411986 2763.900 2913.036-149.1361-5.3958561987 3204.300 3254.657-50.35686-1.5715401988 3831.000 3903.412-72.41240-1.8901701989 4228.000 4390.269-162.2687-3.8379541990 5017.000 4799.255 217.7446 4.3401361991 5288.600 5091.429 197.1712 3.7282301992 5800.000 5417.573 3
10、82.4270 6.5935691993 6882.100 6338.836 543.2641 7.8938711994 9457.000 8402.293 1054.707 11.152661995 11993.00 10860.80 1132.203 9.4405311996 13844.20 13058.35 785.8456 5.6763521997 14211.20 13437.25 773.9484 5.4460451998 14552.40 13211.76 1340.636 9.2124721999 14457.20 13103.24 1353.960 9.365296Y 是第
11、一产业总值，YF 是第一产业总值的预测值，（Y-YF）是绝对误差，（Y-YF）/Y*100是相对误差。从表中可以知道该模型的相对误差很小，只有1994年稍大一点。说明该模型是可用于预测。最终方程的残差图从残差图可以看出，最终方程的残差比较小，这也表明最终方程可以用。四 、经济解释从以上的因变量农业生产总值（Y）的LOG(Y)和自变量农村居民消费支出（SHXF）的LOG(SHXF)。模型中的系数1.01是农业生产总值发展速度对农村居民消费支出发展速度的弹性。农村居民消费支出发展速度提高1%，农业生产总值将提高1.01%。农业产出与农村消费支出有极高的相关性。而可能影响农业总产值经济增长的另几个因
12、素在计量经济学模型中都不显著，它们与农业生产总值发展速度增长的相关性不高。由此我们可以得出，提高农村居民消费水平的发展速度对农村经济的发展有着切实的意义，农村消费是影响农业经济发展的重要因素。五 、结论所以我们应该提高农村居民的消费水平。农村居民的生活消费水平从统计数据来看，虽然近年来有巨大的提高，证明改革开放以来农村经济的发展和农民生活水平有一定的提高，但是农村消费水平仍然低下，其推动农业经济增长的潜力并没有完全挖掘出。消费与收入是相互联系相互促进，提高农村消费可以从以下几方面着手：第一 提高农村居民的收入水平虽然中央政府一直努力减轻农民负担提高农民收入，但实际上农民的收入仍处于一个低下的水
13、平上，农村各项支出费用仍然居高不下，这需要中央政府的监督。第二 发展农村经济应加强农村基础设施建设为农业经济发展打下基础，生产发展收入提高消费水平才能提高。第三 虽然中央近年来鼓励农村消费扩大内需，但是由于农村的落后观念居民储蓄水平仍然很高，农民的消费意识不强，这需要大力宣传。第四 加大农村信贷消费措施的实行。可以发展民营信贷机构。第五 中央政府应该加强对农民的补贴，应该把补贴给公务员的工资转到加强农民的消费上，国家对农民的剥夺太多导致农村经济的发展放慢，导致国内的通货紧缩，政府目前最重要的工作是推动农村的消费，这样将会有助于解决国内通货紧缩的问题。以上各点是个人的观点，只要政府能发掘出农村的
14、消费潜力，在WTO条件下中国的农业依然可以很好的发展，并支持其它产业的发展。论文选读点评：一、 数据整理。首先在ACCESS数据库下产生表02-Argriculture-1981-1999，建立表结构，粘贴表数据。因为本例中数据结构很清楚，我们可以直接引用数据。（1） 表结构如下。（2） 表数据记录。二、 论文模型评述。该论文首先得到一个四元直线模型，之后因为发现有序列相关性就采用了差分模型。差分之后，发现变量L和TZ的回归效果不好，没有通过5%的概率检验，因此删除此二变量，最后得到一个只有一个自变量和一个因变量的方程。这种检验和处理手段过于简单，而且也扔掉了两个重要的变量，对于得出结论不是很
15、好。三、 论文进一步讨论。首先，得出正常的多元现性模型。（1） 直接采用线性模型。可以看出，检验效果很不好，C、SHXF、TZ都没有通过5%下的T检验。这里我们没有检查异方差性。异方差性的克服一般来说用取对数来消除。（2） 直接采用对数模型。先查看是否存在自相关性。可以看出，Y与TZ在取对数后，存在很强的序列自相关性。一般来说可以用广义差分方式来消除序列相关性，也可以引入滞后变量。（3） 直接采用对数模型，检验多重共线性。可以看出模型除了DW值较小，表明有序列自相关情况以外，还有其它情况。主要是R值太高，T值较小，而F值很大，这是多重共线性的特征。（4） 多重共线性的进一步检验。可以看出LOGY与LOGL之间的相关系数大于模型的总体相关系数，说明多重共线性很明显。多重共线性表示这两个变量的增长具有同步性。一般来说，消除多重共线性的办法是从模型中剔除造成共线性的变量。（5） 进一步的分析。可以看出，在引入了移动平均MA（1）模型变量之后，模型的检验效果得到了很大改善。四、 总体评论：模型是对经济理论的验证。无数的例子都可以证明，那些毫无任何经济意义的数据在经过计量运算之后常常会得到很好的检验结果。因此，模型验证之前，应该先进行理论说明，将有意义的数据放在一起进行检验。本案例的进一步证明和讨论，我们在其它文章中可以增加相关评论。
