鄭奇鴻 夏 天 吳澤豪 蔡杰鑫 朱躍文

（福州外語外貿(mào)學(xué)院 福建福州 350000）

《海南省熱帶特色高效農(nóng)業(yè)發(fā)展規(guī)劃（2018—2020年）》（以下簡稱《規(guī)劃》）明確提出，到2020年農(nóng)牧林漁業(yè)總產(chǎn)值達(dá)到1 750 億元，農(nóng)民人均可支配收入力爭達(dá)到1.6萬元，達(dá)到全國平均水平，城鄉(xiāng)居民收入差距縮小到2.3:1以內(nèi)。根據(jù)2019年海南統(tǒng)計局發(fā)布的統(tǒng)計年鑒顯示，2018年海南省農(nóng)牧林漁總產(chǎn)值為 1 535.73 億元，同比增長3.15%；我國的農(nóng)牧林漁總產(chǎn)值為113 579.53 億元，同比增長3.89%。同時，海南省的農(nóng)牧林漁業(yè)總產(chǎn)值也遠(yuǎn)低于國內(nèi)各省市的平均水平[1]，如圖1所示。

海南省地處熱帶地區(qū)，四面環(huán)海，林業(yè)漁業(yè)資源豐富，農(nóng)牧林漁業(yè)整體發(fā)展速度遠(yuǎn)低于國家農(nóng)牧林漁業(yè)發(fā)展速度，因此本文將通過對所收集的各項反映海南農(nóng)牧林漁業(yè)的指標(biāo)進(jìn)行分析，探究海南省農(nóng)牧林漁業(yè)發(fā)展的影響因素。

1 分析方法和數(shù)據(jù)來源

1.1 多元線性回歸分析

社會經(jīng)濟(jì)現(xiàn)象的變化往往受到多個因素的影響，因此，一般要進(jìn)行多元回歸分析，我們把包括兩個或兩個以上自變量的回歸稱為多元線性回歸，多元線性回歸與一元線性回歸類似，可以用最小二乘法估計模型參數(shù)，也需對模型及模型參數(shù)進(jìn)行統(tǒng)計檢驗[2]。

1.2 海南省農(nóng)牧林漁業(yè)影響因素指標(biāo)構(gòu)建

在我國，農(nóng)業(yè)屬于勞動密集型產(chǎn)業(yè)，農(nóng)業(yè)生產(chǎn)需要大量的人口，我國是農(nóng)業(yè)大國，但并不是農(nóng)業(yè)強(qiáng)國，農(nóng)業(yè)單位產(chǎn)出相較于發(fā)達(dá)國家較低，因此土地和人力是影響我國農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的重要因素。在指標(biāo)選取上選擇肉類總產(chǎn)量、水產(chǎn)總產(chǎn)量、農(nóng)作物播種面積這三個指標(biāo)能夠體現(xiàn)出地區(qū)的農(nóng)牧林漁業(yè)的發(fā)展情況；鄉(xiāng)業(yè)從業(yè)人員和化肥使用量能夠體現(xiàn)出當(dāng)?shù)貙r(nóng)牧林漁業(yè)發(fā)展的投入情況[3]。

因此將以上的所選取的肉類總產(chǎn)量X1、水產(chǎn)總產(chǎn)量X2、農(nóng)作物播種面積X3、鄉(xiāng)業(yè)從業(yè)人員X4、化肥使用量X5作為解釋變量，選擇農(nóng)牧林漁業(yè)總產(chǎn)值作為被解釋變量Y，以海南省統(tǒng)計局公布的1998—2018年數(shù)據(jù)作為樣本。

2 實(shí)證分析

2.1 線性圖

從圖2中可以看出，海南省農(nóng)牧林漁業(yè)總產(chǎn)值及各影響因素的差異明顯，其變動的方向基本相同，互相間可能具有一定的相關(guān)性。探索將模型設(shè)定為多元線性回歸模型：

2.2 統(tǒng)計學(xué)檢驗

如圖3所示，對所選的數(shù)據(jù)指標(biāo)用最小二乘法進(jìn)行多元線性回歸模型估計，結(jié)果寫為：

R2=0.978 48，=0.971 307，F(xiàn)=136.407 8，R2是指擬合程度，是回歸直線對觀測值的擬合程度，R2 接近1 說明模型對樣本的擬合程度較好，且修正后的R2 也接近1 說明模型對樣本的擬合程度很高，F(xiàn)值較高，且F值對應(yīng)的P值為0，小于 0.05，說明回歸方程比較顯著，說明這變量對模型擬合程度很高。

2.3 多重共線性

該模型R2=0.978 48、=0.971 307，可決系數(shù)非常高，F(xiàn) 檢驗值為136.407 8 明顯顯著。這表明模型很可能存在多重共線性。通過計算得到方差膨脹因子，可以看出方差膨脹因子VIF 大于10，說明存在嚴(yán)重的多重共線性，采取逐步回歸法，剔除不顯著的變量，消除多重共線性，剔除了不顯著的變量農(nóng)作物播種面積X3、化肥使用量X5，最終得到的模型為：

可以看出模型中X1、X2和X3的P值為0，小于0.05，通過顯著性檢驗，所以該模型多重共線性成功消除。

2.4 異方差檢驗

因為模型是時間序列模型并且樣本容量不大，所以采用ARCH 模型來進(jìn)行異方差檢驗，如圖4所示。

由圖4可以看出，F(xiàn)統(tǒng)計值為1.088 261，P值為0.310 7，大于0.05，拒絕原假設(shè)，表明模型不存在異方差。

2.5 自相關(guān)檢驗

DW 檢驗法：由前面可以得知回歸方程的DW 值為1.636 382，查表可以得出DW 在DL到Du之間，說明模型不存在自相關(guān)，說明模型為最終模型。

2.6 格蘭杰檢驗

上表列出了各變量之間的因果關(guān)系檢驗P值結(jié)果，在5%的顯著性水平下：

X1對X2格蘭杰檢驗的P值小于0.05 ，X2對X1的格蘭杰檢驗的P值大于0.05，說明X1是X2的格蘭杰原因，X2不是X1的格蘭杰原因。說明海南省肉類總產(chǎn)量對水產(chǎn)總產(chǎn)量具有一定的導(dǎo)向作用，海南省水產(chǎn)總產(chǎn)量對肉類總產(chǎn)量不具有導(dǎo)向作用。

X1對X4格蘭杰檢驗的P值大于0.05，X4對X1的格蘭杰檢驗的P值大于0.05，說明X1和X4互不為格蘭杰原因，說明海南省肉類總產(chǎn)量和鄉(xiāng)業(yè)從業(yè)人員互不具有導(dǎo)向作用。

X2對X4的格蘭杰檢驗的P值大0.05，說明X2不是X4的格蘭杰原因，說明海南省水產(chǎn)總產(chǎn)量對鄉(xiāng)業(yè)從業(yè)人員不具有導(dǎo)向作；X4對X2的格蘭杰檢驗的P值小于0.05，說明X4是X2的格蘭杰原因，說明海南省鄉(xiāng)業(yè)從業(yè)人員對海南省水產(chǎn)總產(chǎn)量具有導(dǎo)向作用。

X2對Y的格蘭杰檢驗的P值大0.05，Y對X2的格蘭杰檢驗的P值大于0.05，說明X2和Y互不為格蘭杰原因，說明海南省水產(chǎn)總產(chǎn)量和農(nóng)牧林漁業(yè)總產(chǎn)值互不具有導(dǎo)向作用。

X4對Y的格蘭杰檢驗的P值大0.05，Y對X4的格蘭杰檢驗的P 值大于0.05，說明X4和Y互不為格蘭杰原因，說明海南省鄉(xiāng)業(yè)從業(yè)人員和農(nóng)牧林漁業(yè)總產(chǎn)值互不具有導(dǎo)向作用。

3 結(jié)果分析

模型通過自相關(guān)檢驗后，可認(rèn)為：

為最終模型。根據(jù)海南省農(nóng)牧林漁業(yè)總產(chǎn)值影響最終模型可知：影響海南省農(nóng)牧林漁業(yè)的影響因素，在其他條件不變的情況下，海南省肉類總產(chǎn)量每增加1 噸，海南省農(nóng)牧林漁業(yè)總產(chǎn)值增加0.002 178 億元；在其他條件不變的情況下，水產(chǎn)總產(chǎn)量每增加1 噸，海南省農(nóng)牧林漁業(yè)總產(chǎn)值增加0.001 163 億元；在其他條件不變的情況下，海南省鄉(xiāng)業(yè)從業(yè)人員每增加1 萬元，海南省農(nóng)牧林漁業(yè)總產(chǎn)值增加19.034 17 億元。

4 結(jié)論建議

根據(jù)以上分析我們可知，在所選的指標(biāo)中，肉類、水產(chǎn)總產(chǎn)值對海南省農(nóng)牧林漁業(yè)總產(chǎn)值都有相當(dāng)比重的影響，因此需要政府科學(xué)指導(dǎo)養(yǎng)殖。

（1）提高規(guī)模養(yǎng)殖現(xiàn)代化水平，提高產(chǎn)品質(zhì)量安全水平，加強(qiáng)養(yǎng)殖業(yè)綠色發(fā)展體制機(jī)制創(chuàng)新，發(fā)揮新型經(jīng)營主體的活力和創(chuàng)造力，推動科學(xué)研究、成果轉(zhuǎn)化、示范推廣協(xié)同發(fā)展和一二三產(chǎn)業(yè)融合發(fā)展，加大金融支持力度，加大中央預(yù)算內(nèi)投資支持力度，發(fā)揮地方政府專項債券對擴(kuò)大禽肉水產(chǎn)品生產(chǎn)的作用，提高肉類和水產(chǎn)總產(chǎn)值[4]。

（2）政府提高鄉(xiāng)業(yè)從業(yè)人員的待遇，多給予補(bǔ)貼，科學(xué)指導(dǎo)鄉(xiāng)業(yè)從業(yè)人員的工作開展，有效增加鄉(xiāng)業(yè)從業(yè)人員的收入水平，從而提升整個行業(yè)的知名度，進(jìn)而增加鄉(xiāng)業(yè)從業(yè)人員的人數(shù)。