山东省种植业产出影响因素研究

摘 要：为综合研究山东省种植业产出的影响因素，找到促进山东省种植业发展的主要力量，借助Eviews软件，依据2000—2022年山东省种植业总产值相关时间序列数据建立多元回归模型，采用计量经济学相关的经济理论和数理统计方法，对影响山东省种植业产出的主要因素进行综合分析，进行多元回归模型的检验与修正。通过实证分析得出对应结果：山东省主要农业机械年末拥有量、山东省支农财政支出、山东省年降水量等因素对山东省种植业总产值有明显的促进作用。在推动山东省农业发展和乡村振兴的过程中，应优先考虑以下几个方面：一是加快农业机械化的高质量发展，以提升农业生产效率；二是优化支农财政资金的配置与使用，确保资金的高效利用；三是加强气候变化预测能力，并据此灵活调整轮作制度和作物布局，以增强农业生产的韧性和适应性。实施这些措施，将有助于山东省农业产业的全面升级和农村经济的可持续发展。

关键词：山东省；种植业；Eviews；影响因素；计量经济学

中图分类号：F327 文献标志码：A 文章编号：1674-7909（2024）6-46-6

DOI：10.19345/j.cnki.1674-7909.2024.06.009

0 引言

“十四五”时期，是国家全面实施乡村振兴重要战略部署的关键时期，同样也是山东省推进农业农村现代化、促进农业农村高质量发展，打造齐鲁样板的关键时期。山东省作为农业大省，农业的战略地位举足轻重。将农业发展好，稳住农业这个经济发展的基本盘，守好“三农”基础，不仅事关山东省经济发展，更是国家发展战略刚需，是构建城乡协调发展新格局，全面建设社会主义现代化国家的必经之路。因此，在“十四五”时期，坚持优先发展好农村经济，具有十分重要的意义［1］。

长期以来，关于山东省种植业影响因素的研究受到众多学者的广泛关注，并且取得了一定的研究成果。曹广平等［2］分析了气候变化对山东省种植业产出的影响作用，并得出结论：近年来的气候变化总体上对山东省种植业产出产生负面影响。王博等［3］考察了山东省种植业机械化情况，指出山东省种植业机械化存在区域性不平衡和机械化质量参差不齐等问题，影响了山东省种植业的发展。王崇红等［4］则是从山东省产业内部结构调整出发，考察各个产业产值对农业经济的贡献率，并指出种植业在农业产业中的贡献率最高，但种植业在产业结构调整中比例下滑，故其增长率逐年下降。在众多研究中，大部分学者从单因素角度考察个别影响因素对种植业产出的影响作用，但对种植业发展中不同影响因素之间影响作用的大小及其之间的对比缺乏较为系统的研究。此研究在山东省种植业产出影响因素相关研究的基础之上，尽可能较为全面地对代表性影响因素进行系统归纳研究，以进一步研究山东省种植业产出相关影响因素的协同效应。

1 材料与方法

1.1 变量选取

通常用种植业总产值、农作物总产量和种植业增加值作为衡量种植业产出的指标。鉴于统计数据获取的难易程度、指标经济效益和年增长率对比的需要，选取山东省种植业总产值VALUE（单位：亿元）作为被解释变量［5］。从农业发展的角度来看，农业的区位因素往往是影响其发展的关键因素，而农业的区位因素一般又分为自然条件因素和社会经济因素。自然条件因素包括气候（水分、气温、热量、光照）、地形、土壤等。社会经济因素包括国家政策、农业生产技术、劳动力、市场需求、交通等。在选取解释变量时，为了确保数据的严谨性、有效性和量化分析的可行性，主要选取了有一定研究参考价值的官方数据。其中，山东省支农财政支出（FINANCE）作为政府农业政策的经济投入，对农业经济发展具有直接影响，因此被纳入解释变量［6］。山东省农村人均可支配收入（INCOME）作为反映农村居民生活水平的重要指标，其增长对于缩小城乡经济差距、促进城乡经济交流、推动农业现代化具有关键作用［7］，故亦作为解释变量之一。改革开放以来，大量农村人口向城市集中，很大程度上造成了农村农业就业人口的过度外流，而农业劳动力作为农业生产最基本的生产要素之一，农业劳动力的过度转移会明显影响农业生产［8］。因此，山东省农业就业人口（LABOR）同样也应被纳入影响农业产出的解释变量。从农业发展的角度来看，农业机械化水平是衡量农业现代化程度的重要指标。使用农业机械可改善农业生产条件，从而提高农业生产效率［9］，为了量化农业机械化水平这一影响因素，在此选择山东省主要农业机械年末拥有量（MACHINE）作为解释变量。除以上社会经济影响因素外，自然条件也是影响农业产出的重要因素。进入21世纪以来，农业生产受全球气候变化的影响日益显著。已有研究表明，在我国，气温上升会对除东北地区以外的土地生产率起到负面影响，而降水量增加会对除南方地区以外的农业产生正面影响［10］。因此，将山东省年平均气温（TEMPERATURE）和年降水量（PRECIPITATION）作为解释变量纳入模型，对于全面分析农业产出影响因素具有重要意义。从上述论述中初步确定模型中的6个解释变量，见表1。

1.2 数据来源

表2中的数据来源于2000—2023年《山东统计年鉴》，其中山东省种植业总产值、山东省支农财政支出和山东省农村人均可支配收入指标通过Excel进行价格指数平减处理，以消除不同年份的价格影响。

2 结果与分析

2.1 模型建立

使用时间序列数据分析影响山东省农业产出发展的因素，采用普通最小二乘法估计构建的时间序列模型，对各个解释变量和被解释变量取对数后纳入模型，见式（1）。

ln VALUE=[β0+β1lnFINANCE+β2lnINCOME+]

[β3lnLABOR+β4lnMACHINE+]

[β5lnTEMPERATURE+β6lnPRECIPITATION+μ]

（1）

模型初步回归结果见表3。

从表3中可知，模型的可决系数R2=0.988 235，调整可决系数（[R2]=0.983 824，都接近于1，通过拟合优度检验。在方程的显著性检验中，Prob（F-statistic）=0也同样通过检验。但在变量的显著性检验中，解释变量INCOME和LABOR的Prob（t-statistic）均大于0.05，无法通过变量的显著性检验，并且解释变量INCOME、LABOR和TEMPERATURE的参数符号均不符合表1的解释变量预期，初步判定，该多元回归模型存在多重共线性问题，并对此进行检验。

2.2 模型修正

对变量之间的相关性进行初步判定，相关系数矩阵见表4。

从表4中可以看出自变量FINANCE、INCOME、LABOR之间存在高度相关性，因此需要通过逐步回归法排除该模型的共线性变量。将各个解释变量分别与VALUE建立一元回归模型。其中，与FINANCE建立的一元回归模型中参数为0.300 330，参数大小和符号均符合表1经济预期，通过了经济意义检验。Prob（t-statistic）=0，通过了变量的显著性检验。R2=0.949 827，并且为各个一元回归模型中拟合优度最高的变量，因此以该模型为初始模型，逐步代入其他变量进行分析。

以FINANCE的一元回归模型为基础，逐步代入其他变量构建二元回归模型，再以构建的二元回归模型为基础，代入其他变量构建三元回归模型，以此类推（见表5），最终通过经济意义检验和变量的显著性检验初步判定后，以（FINANCE，MACHINE）（FINANCE，PRECIPITATION）（FINANCE，MACHINE，PRECIPI-TATION）为解释变量的模型得以保留，而（FINANCE，MACHINE，PRECIPITATION）的模型拟合优度最高，故以此作为最终模型，见式（2）。

lnVALUE=0.238 929 lnFINANCE+0.404 82

（10.896 85）

lnMACHINE+0.17 1828 lnPRECIPITATION-10.889  64

（3.107 230）          （2.740 758）           （-0.971 834）

（2）

R2= 0.973 194 ，[R2]=0.968 961

2.3 模型检验

2.3.1 经济意义检验

修正后模型的解释变量山东省支农财政支出（FINANCE）、山东省主要农业机械年末拥有量（MACHINE）、山东省年降水量（PRECIPITATION）对被解释变量山东省种植业总产值（VALUE）均呈正相关影响。符合表1中根据已有研究中各个解释变量对被解释变量山东省种植业总产值（VALUE）的预期影响和一般经济规律，说明各个解释变量通过了经济意义检验。

2.3.2 方程的显著性检验

方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立进行推断，在多元模型中，即检验模型中的参数βj是否总体上显著不全为0。故对此提出原假设和备择假设：

[H0：β1=0，β2=0，…，βk=0，]

[H1：βj不全为0（j=1，2，…，k）]。

修正后模型的Prob（F-statistic）=0<0.01，因此拒绝原假设H0，原方程总体上的线性相关关系显著成立，即通过了方程的显著性检验，说明模型中各个解释变量在整体上对被解释变量山东省种植业总产值（VALUE）有着显著影响。

2.3.3 变量的显著性检验

方程的总体线性关系显著不等于每个解释变量对被解释变量的影响都是显著的，必须对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中，需要在多元模型中进行每个解释变量的显著性检验，即检验模型中的各个参数βj是否显著不为0。故对此提出原假设和备择假设：                           [H0：βj=0，]

[H1：βj≠0（j=1，2，…，k）]

修正后模型的解释变量山东省支农财政支出（FINANCE）、山东省主要农业机械年末拥有量（MACHINE）、山东省年降水量（PRECIPITATION）的Prob（t-statistic）分别为0、0.005 8、0.013 0，均小于0.05，则在5%显著水平下拒绝原假设H0，即通过了变量显著性检验，说明修正后模型的各个解释变量分别对被解释变量山东省种植业总产值（VALUE）有显著性影响。

2.3.4 拟合优度检验

修正后模型的[R-]2=0.968 961，拟合优度非常接近于1，并且大于以FINANCE为基础的一元回归模型的[R-]2=0.947 438，模型的拟合优度进一步提高，通过了拟合优度检验，说明样本回归直线与样本观测值之间拟合优度非常接近于1，该模型能够有效反映解释变量与被解释变量之间的相关关系。

2.3.5 异方差检验

使用Eviews自带的怀特检验功能，见表6。

表6 怀特检验

[Heteroskedasticity Test： White F-statistic 0.618 959 Prob. F（9，13） 0.762 0 Obs*R-squared 6.899 305 Prob. Chi-Square（9） 0.647 6 Scaled explained SS 5.898 419 Prob. Chi-Square（9） 0.750 0 ]