影响我国农业总产值因素的实证分析

影响我国农业总产值因素的实证分析

[内容摘要]：
 解决“三农”问题是当前我国完善社会主义市场经济制度的重头戏，而实现农业的繁荣兴旺又是其中的重中之重。改革开放以来，我国农业发展取得的喜人的成绩，但是制约因素也很多，这使得入世后如何保护我国农业的利益，保持农业稳定成为难题。深入了解农业发展状况，有足于认清和解决问题。本文是根据我国农业的现状，想从计量经济学的角度来验证一下是否存在政府对农业投入不足、农业的现代化程度（以农业的机械化为衡量指标），以及农村中存在大量的剩余劳动力。根据经济学原理，在模型中我们引入了五个变量：农村居民家庭平均每户生产型固定投资，化肥施用量，农业机械总动力，政府财政用于农业的支出以及农业从业人员。利用EVIEWS软件对计量模型进行了参数估计和检验，多重共线性的检验，异方差的检验和自相关的检验并加以修正。
 从我们所做的回归结果看，我国农村中确实存在政府对农业投入不足、农村中存在大量的剩余劳动力，我国的农业机械化程度是较低的，对我国的农业增加值的贡献十分低下等问题。我们根据模型的回归结果作了经济意义的分析，并相应提出一些政策建议。
 但是，鉴于水平有限，文中难免出现一些错误。另外还存在一些我们难以解决的问题，请老师同学们多多包涵！
 
[关键词]：
 农业总产值 国家财政对农业的基础性建设投资 农业从业人员人数                农村居民家庭平均每户生产型固定投资  化肥施用量  农业机械总动力

导论
我国农业的重要性
 我国是农业大国，农业的发展程度直接制约着我国的第二、第三产业的发展，是工业品市场；农业的发展能为国民经济其他部门发展提供劳动力阵地。农产品是轻工业的重要原料、重要的出口商品。目前，我国70%人口在农村，农业生产的发展直接关系广大农民生活的提高，直接关系到国家经济建设目标的实现。农产品在城乡是人民的生活必需品，所以又直接关系到城乡人民生活的提高，物价稳定，社会安定。我国农业生产相对落后，已成为国民经济最薄弱的环节，它已很难支撑国民经济其他部门的快速发展。因而，农业生产的发展是我国人民生活水平提高、现代化建设、社会稳定的基础，并最终决定着国民经济其他各部门的发展规模和速度，是能否实现现代化战略目标的关键。
二，模型的设定
 为了在更高层次上发展我国的经济，真正实现全民共同富裕的伟大目标，保证粮食安全，关注农业总产值是必要的。而影响到农业总产值的因素是多方面的。因此，我们提取了国家财政对农业的基础性建设投资，农业从业人员人数， 农村居民家庭平均每户生产型固定投资，化肥施用量，农业机械总动力这五个对农业总产值有较大影响的因素的时间序列数据来进行分析，希望通过建立一个合适的经济模型来从理论上找出影响农业总产值的因素，从而提出增加农业总产值的方法。
 在此，我们将“农业产总值”设为因变量，“农村居民家庭平均每户生产型固定投资”，
“化肥施用量”，“农业机械总动力”，“政府财政用于农业的支出”，及“第一产业从业人员人数”设为自变量，设定了以下经济学模型：
 Y =C++++++U
Y=农业总产值(亿元)
=农村居民家庭平均每户生产型固定投资（元）
=化肥施用量（万吨）
=农业机械总动力（万 千瓦）
=政府财政用于农业的支出(亿元)
=农业从业人员（万人）
数据如下：
obs Y X2 X3 X4 X5 X6
1989  6534.730  1126.070  2357.100  28067.00  265.9400  32440.50
1990  7662.090  1258.060  2590.300  28707.70  307.8400  33336.40
1991  8157.030  1401.010  2805.100  29388.60  347.5700  34186.30
1992  9084.710  1643.950  2930.200  30308.40  376.0200  34037.00
1993  10995.53  1950.310  3151.900  31816.60  440.4500  33258.20
1994  15750.47  2347.630  3317.900  33802.50  532.9800  32690.30
1995  20340.86  2774.270  3593.700  36118.10  567.2200  32334.50
1996  22353.70  3605.070  3827.900  38546.90  700.4300  32260.40
1997  23788.40  3896.560  3980.700  42015.60  766.3900  32434.90
1998  24541.90  3970.810  4083.700  45207.70  1154.760  32626.40
1999  24519.10  4045.480  4124.300  48996.10  1085.760  32911.80
2000  24915.80  4676.980  4146.400  52573.60  1231.540  32797.50
2001  26179.60  4883.800  4253.800  55172.10  1456.730  32451.00
2002  27390.80  5221.330  4339.400  57929.90  1580.760  31990.60
2003  29691.80  5586.340  4411.600  60386.50  1754.450  31259.60
资料来源：，《中国统计年鉴2004》，《中国统计年鉴1998》
参数估计
 模型为：
 Y =C++++++U
Y=农业总产值(亿元)                   =农村居民家庭平均每户生产型固定投资（元）
=化肥施用量（万吨）               =农业机械总动力（万 千瓦）
=政府财政用于农业的支出(亿元)      =农业从业人员（万人）
 用Eviews估计结果为：
Dependent Variable: Y
Method: Least Squares
Date: 04/30/05   Time: 12:51
Sample: 1989 2003
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob. 
C 40016.97 15190.73 2.634303 0.0272
X2 0.550939 1.920827 0.286824 0.7807
X3 10.08766 2.205449 4.573972 0.0013
X4 0.066555 0.230362 0.288916 0.7792
X5 -2.645347 3.625498 -0.729651 0.4842
X6 -1.826469 0.535716 -3.409396 0.0078
R-squared 0.992862     Mean dependent var 18793.77
Adjusted R-squared 0.988896     S.D. dependent var 8203.735
S.E. of regression 864.4572     Akaike info criterion 16.65126
Sum squared resid 6725576.     Schwarz criterion 16.93448
Log likelihood -118.8844     F-statistic 250.3705
Durbin-Watson stat 1.561839     Prob(F-statistic) 0.000000
Y =  40016.97+0.550939+10.08766+0.066555+（-2.645347）+ (-1.826469)
 T = (2.634303)   (0.286824)    (4.573972)     (0.288916)      (-0.729651)        (-3.409396) 

=0.992862
检验及修正
 1．经济意义检验
 从上表中可以看出，符号为负，应剔出。而虽然在理论上说不通，但却符合中国现实的国情，应保留，其意义将在第四部分加以阐述。而其他因素不与经济原理向悖，说明具有经济意义。
 2．统计推断检验
 从回归结果可以看出，模型的拟和优度非常好（=0.992862），F统计量的值在给定显著性水平α=0.05的情况下也较显著，但是、的t统计值均不显著（、的t统计量的值的绝对值均小于2），说明、这两个变量对Y的影响不显著，或者变量之间存在多重共线的影响使其t值不显著。
 3．计量经济学检验
 （1）多重共线性检验
 ①检验：由F=250.3763 >(5，15)=4.62(显著性水平α=0.05)表明模型从整体上看农业的总产值与解释变量间线形关系显著。
 
 这里采用简单相关系数矩阵法对其进行检验  ：
 
 X2 X3 X4 X5 X6
X2  1.000000  0.974555  0.977952  0.963494 -0.707561
X3  0.974555  1.000000  0.925922  0.907169 -0.636056
X4  0.977952  0.925922  1.000000  0.991186 -0.666705
X5  0.963494  0.907169  0.991186  1.000000 -0.668959
X6 -0.707561 -0.636056 -0.666705 -0.668959  1.000000
 从结果可知，，，之间存在高度相关
 ②修正：采用逐步回归法对其进行补救。
根据以上分析，由于不符合经济意义，首先剔出。由于的t值最大，线形关系强，拟合程度最好，因此把作为基本变量。，将剩下的四个因素重新进行参数估计：
新模型估计结果：
Dependent Variable: Y
Method: Least Squares
Date: 04/30/05   Time: 12:57
Sample: 1989 2003
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob. 
C 40826.16 14791.73 2.760067 0.0201
X2 0.758419 1.854716 0.408914 0.6912
X3 10.01565 2.151110 4.656038 0.0009
X4 -0.069142 0.132722 -0.520955 0.6137
X6 -1.760365 0.515507 -3.414820 0.0066
R-squared 0.992440     Mean dependent var 18793.77
Adjusted R-squared 0.989416     S.D. dependent var 8203.735
S.E. of regression 844.0038     Akaike info criterion 16.57539
Sum squared resid 7123424.     Schwarz criterion 16.81141
Log likelihood -119.3154     F-statistic 328.1758
Durbin-Watson stat 1.444093     Prob(F-statistic) 0.000000

 Y =40826.16+ X0.758419+ 10.01565+（-0.069142）+(-1.760365)
   t= (2.760067)   (0.408914)      (4.656038)      (0.520955)          (-3.414820)

  =0.992440
可以看出个因素的T统计量都得到了不同程度的改善。

 在前一模型的基础上剔出，拟合优度变差，但对C的t值影响很大，统计检验t=-0.799100，不显著。而且的系数为负，与经济意义相悖。
Dependent Variable: Y
Method: Least Squares
Date: 04/30/05   Time: 12:59
Sample: 1989 2003
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C -6120.442 7659.170 -0.799100 0.4411
X2 4.679794 2.043819 2.289730 0.0428
X3 6.016219 2.531957 2.376114 0.0368
X4 -0.286073 0.163526 -1.749398 0.1080
R-squared 0.983624 Mean dependent var 18793.77
Adjusted R-squared 0.979157 S.D. dependent var 8203.735
S.E. of regression 1184.370 Akaike info criterion 17.21499
Sum squared resid 15430045 Schwarz criterion 17.40380
Log likelihood -125.1124 F-statistic 220.2341
Durbin-Watson stat 1.460596 Prob(F-statistic) 0.000000

剔出进行回归，不但经济意义违背而且T统计值较小，不能通过检验

Dependent Variable: Y
Method: Least Squares
Date: 04/30/05   Time: 13:01
Sample: 1989 2003
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 42613.82 13585.49 3.136714 0.0095
X3 10.81935 0.840499 12.87253 0.0000
X4 -0.019650 0.052361 -0.375287 0.7146
X6 -1.890879 0.389190 -4.858501 0.0005
R-squared 0.992313 Mean dependent var 18793.77
Adjusted R-squared 0.990217 S.D. dependent var 8203.735
S.E. of regression 811.4261 Akaike info criterion 16.45864
Sum squared resid 7242535. Schwarz criterion 16.64746
Log likelihood -119.4398 F-statistic 473.3484
Durbin-Watson stat 1.382173 Prob(F-statistic) 0.000000

剔出进行回归虽然拟合优度略有改善，但的T统计值为-0.166847，通不过检验，应剔出在做回归。而其他因素的统计值都较好。

Dependent Variable: Y
Method: Least Squares
Date: 04/30/05   Time: 13:00
Sample: 1989 2003
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob. 
C 42252.90 14046.33 3.008110 0.0119
X2 -0.122707 0.735446 -0.166847 0.8705
X3 10.78630 1.509109 7.147459 0.0000
X6 -1.888906 0.437375 -4.318737 0.0012
R-squared 0.992235     Mean dependent var 18793.77
Adjusted R-squared 0.990117     S.D. dependent var 8203.735
S.E. of regression 815.5728     Akaike info criterion 16.46884
Sum squared resid 7316750.     Schwarz criterion 16.65765
Log likelihood -119.5163     F-statistic 468.5100
Durbin-Watson stat 1.360316     Prob(F-statistic) 0.000000
综合考虑所得结果，选择含有  这三个因素的模型。
再做剔出的模型的参数估计：

Dependent Variable: Y
Method: Least Squares
Date: 04/30/05   Time: 13:06
Sample: 1989 2003
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob. 
C 41516.51 12783.36 3.247700 0.0070
X3 10.54410 0.395538 26.65764 0.0000
X6 -1.851909 0.361404 -5.124202 0.0003
R-squared 0.992215     Mean dependent var 18793.77
Adjusted R-squared 0.990917     S.D. dependent var 8203.735
S.E. of regression 781.8390     Akaike info criterion 16.33803
Sum squared resid 7335267.     Schwarz criterion 16.47964
Log likelihood -119.5352     F-statistic 764.7022
Durbin-Watson stat 1.352428     Prob (F-statistic) 0.000000

可以看出拟合优度很好 F统计量的值在给定显著性水平α=0.05的情况下也较显著，C ，，的T统计值也很显著，表明对Y的影响也很显著。

新模型估计结果：
 Y =41516.51+ 10.54410 +(-1.851909)
   t= (3.2477)     (426.65764)     (-5.124202)
  =0.992215

(2)异方差检验
 ①检验：
 利用Goid_Quandt检验法检验模型是否存在异方差。
 将时间定义为1989——1993，然后对Y C用OLS法求的下列结果：
Y=-6225.673+5.317281
t=  (-2.982843)    (7.083533)
 =0.943584   =634718.8
Dependent Variable: Y
Method: Least Squares
Date: 04/30/05   Time: 13:12
Sample: 1989 1993
Included observations: 5
Variable Coefficient Std. Error t-Statistic Prob. 
C -6225.673 2087.161 -2.982843 0.0585
X3 5.317281 0.750654 7.083533  0.0058
R-squared 0.943584     Mean dependent var 8486.818
Adjusted R-squared 0.924779     S.D. dependent var 1677.103
S.E. of regression 459.9706     Akaike info criterion 15.38938
Sum squared resid 634718.8     Schwarz criterion 15.23315
Log likelihood -36.47344     F-statistic 50.17643
Durbin-Watson stat 1.632631     Prob(F-statistic) 0.005786
将时间定义为1999——2003，然后对Y C用OLS法求的下列结果
Y=-44209.20+16.62678
t= (-5.018903) (8.034508)
 =0.955591   =777592.5
Dependent Variable: Y
Method: Least Squares
Date: 04/30/05   Time: 13:13
Sample: 1999 2003
Included observations: 5
Variable Coefficient Std. Error t-Statistic Prob. 
C -44209.20 8808.537 -5.018903 0.0152
X3 16.62678 2.069421 8.034508 0.0040
R-squared 0.955591     Mean dependent var 26539.42
Adjusted R-squared 0.940788     S.D. dependent var 2092.227
S.E. of regression 509.1144     Akaike info criterion 15.59240
Sum squared resid 777592.5     Schwarz criterion 15.43617
Log likelihood -36.98099     F-statistic 64.55332
Durbin-Watson stat 1.966867     Prob(F-statistic) 0.004026
÷=777952.5/634718.8=1.22566481409  小于（4，4）=6.39  接受不存在异方差

将时间定义为1989——1993，然后对Y C 用OLS法求的下列结果：
Y=-20445.55+0.864900
t=  （-0.473093)    (0.669589)
=0.130018   =9787897
Dependent Variable: Y
Method: Least Squares
Date: 04/30/05   Time: 13:19
Sample: 1989 1993
Included observations: 5
Variable Coefficient Std. Error t-Statistic Prob. 
C -20445.55 43216.71 -0.473093 0.6684
X6 0.864900 1.291689 0.669589 0.5510
R-squared 0.130018     Mean dependent var 8486.818
Adjusted R-squared -0.159975     S.D. dependent var 1677.103
S.E. of regression 1806.276     Akaike info criterion 18.12510
Sum squared resid 9787897.     Schwarz criterion 17.96887
Log likelihood -43.31274     F-statistic 0.448349
Durbin-Watson stat 0.815079     Prob(F-statistic) 0.551047

将时间定义为1999——2003，然后对Y C 用OLS法求的下列结果
Y=126537.0+（-3.097615）
t= (48.84461)    (-38.60686)
=0.997991   =35171.96

Dependent Variable: Y
Method: Least Squares
Date: 04/30/05   Time: 13:18
Sample: 1999 2003
Included observations: 5
Variable Coefficient Std. Error t-Statistic Prob. 
C 126537.0 2590.602 48.84461 0.0000
X6 -3.097615 0.080235 -38.60686 0.0000
R-squared 0.997991     Mean dependent var 26539.42
Adjusted R-squared 0.997322     S.D. dependent var 2092.227
S.E. of regression 108.2774     Akaike info criterion 12.49644
Sum squared resid 35171.96     Schwarz criterion 12.34022
Log likelihood -29.24111     F-statistic 1490.489
Durbin-Watson stat 2.434963     Prob(F-statistic) 0.000038
÷==0.000352467193491  小于（4，4）=6.39  接受不存在异方差

利用WHITE检验法检验模型是否存在异方差。结果如下：
White Heteroskedasticity Test:
 F-statistic  0.34392      Probability 0.873777
Obs*R-squared 2.406316     Probability 0.790533
    
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 04/30/05   Time: 17:28
Sample: 1989 2003
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob. 
C -9.11E+08 1.56E+09 -0.582404 0.5746
X3 46121.52 69356.03 0.664997 0.5227
X3^2 -1.152975 1.207919 -0.954514 0.3648
X3*X6 -1.182021 2.098834 -0.563180 0.5871
X6 50954.94 88666.68 0.574680 0.5796
X6^2 -0.716546 1.248717 -0.573825 0.5801
R-squared 0.160421     Mean dependent var 489017.8
Adjusted R-squared -0.306012     S.D. dependent var 1172075.
S.E. of regression 1339457.     Akaike info criterion 31.34260
Sum squared resid 1.61E+13     Schwarz criterion 31.62582
Log likelihood -229.0695     F-statistic 0.343932
Durbin-Watson stat 2.515047     Prob(F-statistic) 0.873777
（5）=9.48773 >2.406316，所以接受，表明模型中随机误差项不存在异方差。
（3）自相关检验
     ①检验：
 从模型设定来看，没有违背D-W检验的假设条件，因此可以用D-W检验来检验模型是否存在自相关。
 根据上表中估计的结果，由DW=1.352428 ，给定显著性水平α=0.05，查Durbin-Watson表，n=15，k’=2，得=0.946   =1.543 
 因为DW统计量为<1.352428 <，根据判定区域知位于无决定区域，不确定是否存在一阶正自相关，需要进行修正。
 ②修正：
 采用广义差分法对模型进行修正。
     由DW=1.352428 ，根据ρ=1-DW/2，计算出ρ=0.373786。用GENR分别对，和Y作广义差分。即：
      GENR    DY= Y-0.4894*Y(-1)
      GENR    D= X3-0.4894（-1）
 GENR    D= X6-0.4894（-1)
     新修正为：     DY=C+D+D+u

Dependent Variable: DY
Method: Least Squares
Date: 05/01/05   Time: 12:36
Sample(adjusted): 1990 1993
Included observations: 4 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
C 19018.46 1293.824 14.69942 0.0432
DX3 4.840281 0.170243 28.43166 0.0224
DX6 -1.040389 0.049918 -20.84206 0.0305
R-squared 0.999733     Mean dependent var 6037.017
Adjusted R-squared 0.999199     S.D. dependent var 1105.154
S.E. of regression 31.28098     Akaike info criterion 9.837603
Sum squared resid 978.5000     Schwarz criterion 9.377324
Log likelihood -16.67521     F-statistic 1871.802
Durbin-Watson stat 2.946105     Prob(F-statistic) 0.016342

(4)确定模型
     DY = 19018.46 + 4.84021*D +（-1.040389）*D
=化肥施用量（万吨）
=农业从业人员（万人）
     由于该模型的回归结果、t值以及F统计值均显著，且不存在计量经济学问题，因此最后定型为此。根据1989-2003年的数据建立的模型中可以看出每增加一万吨的化肥使农业增加值增长了4.84021亿元，每减少一万人的农业从业人员数可以是农业增加值增长1.040389，说明在我国的农村中存在大量的剩余劳动力。

模型还可表示为
=19018.46+4.84021-1.809202735+ ( -1.0140389 )+0.388882842+0.373786
GENR =4.84021+(-1.0140389 )+（ -1.809202735）+0.388882842
则模型变为：=26245.95+1.712319+0.491976

Dependent Variable: Y
Method: Least Squares
Date: 06/06/05   Time: 12:49
Sample(adjusted): 1990 2003
Included observations: 14 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
C 26245.95 4065.212 6.456231 0.0000
M 1.712319 0.288663 5.931901 0.0001
Y(-1) 0.491976 0.083553 5.888166 0.0001
R-squared 0.992232     Mean dependent var 19669.41
Adjusted R-squared 0.990819     S.D. dependent var 7751.918
S.E. of regression 742.7666     Akaike info criterion 16.24605
Sum squared resid 6068725.     Schwarz criterion 16.38299
Log likelihood -110.7224     F-statistic 702.4898
Durbin-Watson stat 1.805031     Prob(F-statistic) 0.000000

此模型存在滞后应变量，因此DW 值失效，需要用德宾-H检验
h=(1-d/2) =0.0974845*3.939100593=0.384001251
取显著性水平=0.05，查标准正态分布表得临界值=1.96，由于|h| =0.384001251<=1.96，则接受原假设=0，说明自回归模型不存在一阶自相关。
(5)单位根检验

ADF Test Statistic -3.330795     1%   Critical Value* -4.8870
      5%   Critical Value -3.8288
      10% Critical Value -3.3588
*MacKinnon critical values for rejection of hypothesis of a unit root.
    
    
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(Y)
Method: Least Squares
Date: 06/07/05   Time: 20:03
Sample(adjusted): 1991 2003
Included observations: 13 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
Y(-1) -0.413658 0.124192 -3.330795 0.0088
D(Y(-1)) 0.882844 0.196130 4.501328 0.0015
C 2072.293 786.5503 2.634661 0.0272
@TREND(1989) 752.9303 243.6873 3.089739 0.0129
R-squared 0.728585     Mean dependent var 1694.592
Adjusted R-squared 0.638113     S.D. dependent var 1480.465
S.E. of regression 890.6042     Akaike info criterion 16.66934
Sum squared resid 7138582.     Schwarz criterion 16.84317
Log likelihood -104.3507     F-statistic 8.053172
Durbin-Watson stat 1.926147     Prob(F-statistic) 0.006448
即有:Δ^Y=2072.293+752.9303t-0.413658Yt-1+0.882844ΔYt-1
其中：P=1，N=13，单位根的τ检验结果为（H0:γ=1）:τ=-0.413658/0.124192=-3.330795。
由表中给出的Mackinnon临界值显示，我们是不能拒绝H0的，表明1989-2003年度的Y序列可能是非平稳序列。这点也可由Y的时序图得到验证。（见下图）

当检验结果不能拒绝零假设时，其结论尚待进一步考证。由于水平有限对数据的平稳性修正的内容省略。
五、对模型的经济解释及存在的问题
 1．经济解释
 从以上模型经分析可得出：
 （1）从模型可以看出农民对化肥的投入量，即模型中的化肥的使用量，是影响农业产值增长的最显著因素。说明我国目前农业生产中，农民自己对农业的投入所产生的效益最大（因为化肥是农民自己购买的，并且所占农民支出份额甚大）。在最后确定的模型中，根据1989-1993年的数据建立的模型中可看出每增加一万吨的化肥施用量使农业增加值增长了5.317281亿元，而从1999-2003年的回归结果可看出每增加一万吨的化肥施用量使农业增加值增长了16.62678亿元，明显的化肥施用量对农业增加值的贡献增加了，说明在农业生产中化肥施用量的发展速度大于其它影响农业增加值因素的发展，且它在农业生产中的所占地位在上升。
 （2）根据先验信息，政府的投入应该对农业有很大的影响，而我们从模型得到的过程中能够看出，政府对农业的投入对农业产值的影响不是特别显著，在模型中竟是和农业总产值负相关的。这就表明目前我国政府对农业的投入不足或现有投入效益不明显。
 造成现有投入效益不明显的原因可能是政府对农业的投入大多在基础设施，而基础设施具有社会性，并且，农业基础设施投入滞后，造成资金运作效果欠佳。因而对农业产出的直接影响不明显。
 （3）从模型还可以看出解释变量我国农业从业人员与被解释变量农业产值的影响是负相关得到，说明农民的边际劳动生产率（即增加单位劳动力所带来的产值的增加）为负。即农村中存在着大量剩余劳动力，与我国现实状况极为相似。
 （4）农业机械化是农业现代化的重要内容和主要标志之一，而通过对模型的回归分析，可看出我国的农业机械化程度是较低的，对我国的农业增加值的贡献十分低下。
 2．存在的问题：
根据先验信息政府对农业的投入对农业产值的影响应该是显著的，也就是说解释变量政府投入的删除可能是不正确的。但是，如果不删除该变量，多重共线性又无法消除，这又是我们不能解决的问题。
 
六、政策建议
 鉴于以上模型的最终结果中反映出的我国农业的现存状况，现提出以下几点建议：
 1、模型中显示影响农业产值最为显著的因素为农民自己的投入，所以目前要尽快发展我国农业，使其不至于制约其他产业的发展，最为主要的是扩大农民的收入，有了收入才能支出，即充分调动农民积极性。
 2、优化政府对农业的投入方式，加大农业投资的力度，建立农业投资的硬性约束机制；坚持支农资金的有偿使用与无偿使用相结合；深化金融体制改革；提高政府投资的效率。
 还可鼓励非政府资金对农业的投入，使我国的农业的发展同同业和第三产业相匹配。
 3、加快农村剩余劳动力的转移
 我国农村劳动力多，劳动力价格相对便宜。农村乡镇工业企业应以发展劳动密集型产业为主，大量吸纳过剩劳动力，以当地的自然资源为主要的加工对象；大力发展深加工、精加工、积极参与城乡经济分工协作，在推动、促进大工业发展的协作中，求得自身长期稳定的发展；推进第三产业迅速发展，形成就业分布的第三产业化，使第三产业最终成为吸纳大部分劳动力的产业部门，实现劳动力的高水平转移。
 4  推进农业机械化的发展
 我国现在农业机械化程度远远不能够满足现代农业发展的需求，要实现农业现代化，必须在以下各方面积极稳妥的推进农业机械化的发展：1，要把主要农产品生产过程机械化和产业化经营有机结合起来；2，对农业机械化进行结构性调整；3，因地制宜，有重点的推荐地区农业机械化；4，大力促进农业技术进步，重视农村的基础教育；5，建立与农业机械化相适应的农村经济体制。
 综观中国农村现状，与其他产业比，农业的发展一直处于较低的状态。转移剩余劳动力提高生产效率，增加政府财政补贴并实现机械化，规模化生产是保证我国农业健康发展的必由之路。只有农业发展了，才能带动我国其他产业的发展，最终达到整个国民经济的发展。
 [参考文献]：
1、《计量经济学》 主编：庞皓  西南财经大学出版社 2001年8月第一版
2 《中国统计年鉴2004》
3、《中国统计年鉴1998》
 4、中华人民共和国国家统计局网