当前位置 —论文—经济— 范文

农业生产类有关论文范文,与中国农业生产率地区差异的影响因素相关论文查重免费

本论文是一篇农业生产类有关论文查重免费,关于中国农业生产率地区差异的影响因素相关毕业论文格式范文。免费优秀的关于农业生产及生产率及中国农业方面论文范文资料,适合农业生产论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

均水平变化趋势

三、农业生产率空间自相关的检验

有关区域经济的空间计量分析的基本思路是,首先采用空间统计分析的Moran指数法检验被解释变量是否存在空间自相关性,若存在则意味着被解释变量在不同空间位置上存在相关性,需要建立空间计量模型进一步分析（吴玉鸣和李建霞,2006）.实证研究中一般也采用Moran指数法来检验空间自相关（ReyandMontouri,1999,ReyandJanikas,2005；Annekatrin,2001；陈晓铃和李国平,2006；马国霞等,2007；张晓旭和冯宗宪,2008）,MoranI有全局指标（GlobalMoransI）和局部指标（LocalMoransI）两种.

全局指标定义为：

MoransIt等于1∑ni等于1∑nj等于1Wij•,∑ni等于1∑nj等于1Wij(TEPit-TEP)(TFPjt-TFP)∑ni等于1(TFPit-TFP)2n（1）

局部MoransI为：

MoransIit等于(TEPi-TEP)∑nj等于1Wij(TFPj-TFP)∑ni等于1(TFPi-TFP)2n（2）

其中,wij是权重矩阵W的元素,当i与j相邻时,wij等于1,不相邻则wij等于0,TFPit和TFPjt是地区i和j在时期t的农业全要素生产率观测值,TFP是生产率的平均值,n为地区数量.根据定义,MoransI值应该介于-1和1之间,如果MoransI为零则说明地区i的农业全要素生产率与邻近地区的生产率水平无关,即空间分布是随机的.MoransI为正或负时,分别说明地区i的农业生产率水平与邻近地区正相关或负相关.通过全局MoransI的测算可以描述总体上我国农业全要素生产率水平的空间自相关模式,但其平均化了地区之间的差异,不能具体反映各地区的空间依赖情况.局部MoransI是一种以局部Moran空间统计指标为基础的自相关分析,描述的是局部的自相关,通过局部MoransI的测算,可以得到有关地区聚集和Moran散点图,其中散点图中的变量都是被标准化过的,图中横轴和纵轴分别是该变量当期值和滞后项.四个象限分别表示四种类型的空间相关性：第一,二,三,四象限分别表示高高（HH表示高水平地区的邻居整体也为高水平）,低高（LH）,低低（LL）,高低（HL）.HH和LL为正的空间自相关,LH和HL为负空间自相关.另外通过地区集聚地图一方面可以说明局部地区的空间相关性,另一方面也可以为俱乐部收敛寻找证据.根据式1对每年所有地区作全局空间自相关检验,结果下表所示：

注：伴随概率PValue的值直接取决于序列的数目,在绝大多数情况下序列数为999对于取得一个稳定的结果就足够了（Anselin,2003）,因此每个PValue的产生序列都为999.

可以看出全局MoransI都不显著,即从全国总体平均水平来看,生产率与邻近地区的生产率水平不存在显著的相关性.但不能根据该结果就判断任何地区的生产率水平都与邻近地区无关,因为这种相关性可能只存在于部分地区,或者正负相互抵消,在统计上不显著,因此需要进一步通过局部的MoransI来考察局部地区的空间自相关程度.

通过Moran散点图和LISA（空间联系指标）来考察观测值的局部空间特征,图2中分别为1986,1995和2005年的Moran散点图,图3分别为这三年的LISA空间集聚地图.

图21986,1995,2005年Moran散点图

通过Moran散点图可以看出,1986年那些与整体不一致的即非典型（与总体趋势不一致的）的点应该是落在第一和第三象限的一部分,非典型的地区包括：安徽、上海、浙江、福建、黑龙江,属于HH类型；山东、四川、宁夏、贵州,属于LL类型.1995年非典型地区应该落在第一和第三象限,包括：吉林、浙江和福建,属于HH；四川、贵州、湖南、湖北、陕西、河南、安徽和山东,属于LL.2005年的非典型地区：吉林、天津和福建,属于HH；新疆、青海、云南、四川、贵州、湖北、陕西、山西、河南、安徽和山东,属于LL.期初和期末非典型地区发生了剧烈变化,安徽从1986年的HH变到2005年的LL,同时属于LL的省份也越来越多,这说明地区之间的关系随时间出现显著的变化,从图3可以更清楚地看出.

如果从局部LISA图的显著性水平来看,1986年有三个地区是显著的青海、宁夏和湖北,其中青海和湖北属于HL,宁夏属于LL；1995年显著的地区有5个：山东、河南、湖北属于LL,内蒙属于HL,黑龙江LH；2005年的显著地区有山东、河南、湖北和四川,属于LL,内蒙古属于HL型.通过局部自相关发现,虽然有的地区全局Moran统计指标是不显著的,但在一些地区确实出现了局部的地区空间相关性,并且随着时间的推移,可以看出显著的LL地区越来越多.如果按南、中、北的角度来考察各地区的话,最终局部生产率低水平地区出现了集聚,并且集中在中部.由此可以看出,至2005年中国省级地区间农业生产率不存在显著的高水平向低水平的溢出,真正相关较多的是在低水平地区之间.

图31986,1995,2005年LISA集群图其中西藏、海南、香港、澳门和台湾缺失数据.

通过上述分析发现80年代中期以来中国各地区农业生产率不存在全局的空间相关性,但从局部显著性来看,LL地区都集中在中部,并且这些地区邻近地区的生产率水平也为低水平,中部地区因此成为一个比较完整的低生产率水平地带.高水平地区间的空间相关性并不存在.

四、农业生产率地区差异及影响因素实证分析

模型及数据选取

传统的新古典经济学中的收敛假说认为各地区是封闭的,而实际上一国内部的不同区域的联系是非常密切的,因此在收敛检验中需要考虑空间相关性.如果检验的结果支持空间相关性,那么研究影响地区生产率水平因素时,需要使用空间计量经济的模型进行分析,普通OLS估计遗漏变量会违背BLUE原则.而OLS发生偏误的程度就取决于空间自相关的形式,按照形式的不同有空间滞后模型（SAR）和空间误差模型（SEM）两种最基本的形式,前者是用来分析特定变量在某地区是否有扩散的现象,空间的自相关性是体现在因变量的滞后项中,后者的空间自相关则是体现在误差项中的,用来考察邻近地区的误差冲击对所考察地区生产率水平的影响（AnselinandRey,1991）.具体的空间滞后变量模型为：

1/tln(TFPit/TFPi0)等于α0I+ηW［1/tln(TFPit/TFPi0)］

+β1lnTFPi0+αmXm+εit（3）

其中I是单位向量,η表示了观察值之间的空间相关性,W为采用邻近原则确定的空间权重矩阵,TFPit和TFPi0分别表示报告期和基期生产率水平.加入空间滞后项的模型,可以估计地区间因变量之间的空间相关度,同时也会改变其他解释变量的系数值和显著性.实际估计时,是将（3）式改写成如下形式：

该文来源:http://www.sxsky.net/jingji/0647544.html

1/tln(TFPit/TFPi0)等于α0(I-ηW)-1I+β1(I-ηW)-1lnTFPi0

+αm(I-ηW)-1Xm+(I-ηW)-1εit（4）

空间误差模型的基本形式为：

1/tln(TFPit/TFPi0)等于α0+β1lnTFPi0+αmXm+εit

εit等于λWεit+μiε,μN(0,σ2I)（5）

其中λ为空间误差系数,反应了残差之间的空间关联程度.空间误差模型考察的是相邻地区间那些观测不到的因素的空间相关性,并且这些因素会对因变量产生影响.如果存在误差的空间相关,普通的OLS回归中的误差项不相关的经典假设不成立,其估计也是有偏的.

对于影响农业技术扩散和技术水平的因素,本文主要考察以下几类：

怎样撰写农业生产学位论文
播放:24657次评论:7064人