1、黑 龙 江 省 粮 食 生 产 函 数 模 型 与 应 用东北林业大学 陈威、冯静、贺雪涛摘 要粮食生产是黑龙江地区重要的基础产业，也是优势产业。黑龙江省粮食生产的可持续发展不仅关系到东北地区经济振兴，而且其对全国粮食安全具有一定的支撑作用。本文首先通过对黑龙江省粮食生产及生产模型等相关概念的了解，揭示影响黑龙江省粮食产量的因素及相应模型并对其进行分析，然后建立粮食产量的 C-D 生产函数模型并进行相应的计量经济学检验，最后预测出未来6 年的粮食产量预测值，同时运用“十二五”规划中黑龙江省 GDP 的目标计算出相应的粮食产量，并与模型预测结果进行比较，从而从粮食生产方面说明“十二五”规划目标实
2、现的可能性，并根据上述运算得到相应的政策建议。关键词： Cobb-Douglas 生产函数模型；粮食产量；GDP；“十二五”规划目录1 问题的提出 11.1 研究意义 11.2 黑龙江省粮食生产现状 12 模型的选取及变量确定 12.1 模型的选取 12.2 变量的确定 23 黑龙江省粮食产量的生产函数模型 23.1 黑龙江省粮食产量 C-D 生产函数模型的建立 23.1.1 数据的选取 .23.1.2 模型的建立 33.1.3 模型的检验 .43.2 黑龙江省粮食产量 C-D 生产函数模型的应用 133.2.1 化肥施用量的预测 .143.2.2 粮食产量的预测 .163.3 GDP 与粮食
3、生产的关系 .174 结论与政策建议 195 不足之处 20参考文献11 问题的提出1.1 研究意义在上述这种背景下，研究黑龙江粮食产量的目的是主要通过相关统计分析，研究黑龙江省粮食产量的发展趋势，从而正确评价黑龙江省粮食产量发展能力，探讨影响黑龙江省粮食产量发展因素，预测黑龙江省粮食产量的发展前景，提出今后提高黑龙江省粮食产量发展的对策，为政府部门决策提供依据。因此，研究黑龙江的粮食产量问题具有直接而现实的意义。1.2 黑龙江省粮食生产现状粮食生产是黑龙江地区重要的基础产业，也是优势产业。据统计资料， 1988 年以来黑龙江省粮食总产量呈现明显的四个阶段：1988-1989 年，全省粮食产量
4、逐年下降，产量波动范围在 100 万吨左右；1990-1999 年，产量稳步增加，1999 年突破 3000 万吨，达到了 3074.6 万吨；2000-2003 年，除 2001 年、2002年的粮食产量相对于 2000 年略有回升外，其余年份均呈现逐年下降的趋势，由1999 年得 3074.6 万吨降至 2512.3 万吨，下降了 562.3 万吨，降幅为 18.3%，年均下降 4.57%；2004-2007 年粮食产量呈现迅猛上升趋势，3 年增加产量 1453万吨，增幅为 57.8%，平均增长 14.45%。2008 年开始更是突破 4000 万吨，2009 年产量最高达到 4353 万
5、吨 4。党的十七届五中全会，结合黑龙江实际，科学制定出了黑龙江省“十二五”规划 5。在中央经济工作会议中黑龙江省提出，到 2015 年，黑龙江省地区生产总值比 2010 年翻一番，实现经济持续快速健康发展，使“十二五”成为改革开放以来发展最快的时期。以上规划都进一步支持了黑龙江省粮食的大力生产，为黑龙江省发展现代粮食生产工作奠定了可靠的基础。2 模型的选取及变量确定2.1 模型的选取在西方经济学中，生产理论是最重要的内容之一。在西方的计量经济学中，生产函数模型的研究与发展始终是一个重要的，活跃的领域。生产函数是描述生产过程中的投入的生产要素的某些组合同它可能的最大产出量之间的依存关系的数学表达
6、式。从 20 世纪 20 年代末，美国数学家Charles Cobb 和经济学家 Paul Dauglas 提出了生产函数这一名词后，生产函数的研究与应用就呈现出了长盛不衰的局面。以要素之间替代性质的描述为线索的2生产函数模型有线性生产函数模型、投入产出生产函数模型、CD 生产函数模型、CES 生产函数模型、VES 生产函数模型等，以技术要素的描述为线索的生产函数的模型有改进的 CD，CES 生产函数模型、含体现型技术进步的生产函数模型、边界生产函数模型等等。经过对这些模型的分别运算，最终选取CD 生产函数模型作为本次建立粮食产量函数的理论模型。1928 年美国数学家 Charles Cobb
7、 和经济学家 Paul Dauglas 提出的生产函数的数学形式为 LAKY其中 Y 为产出量，A、K、L 分别为技术、资本、劳动等投入要素。根据要素的产出弹性的定义，得出YLAKYLELK1即参数 ， 分别是资本和劳动的产出弹性 6。2.2 变量的确定CD 生产函数模型： LAKY上述模型中，A 为效率系数，是广义技术进步水平的反映，是待估参数。因此，模型中影响因素从资本 K 和劳动 L 两方面考虑。资本 K 方面，粮食播种面积是解释粮食产量变化的一个关键变量，且对粮食产量是一种正影响；化肥是现代农业中最大的一项投入，也是增产效力最高的一项投入；气候和水资源等自然因素大都体现在受灾面积这一变
8、量上，受灾面积也是对粮食产生负影响的因素。因此，把土地播种面积、化肥施用量和受灾面积作为资本方面的主要影响因素劳动 L 方面，黑龙江省乃至全国机械化水平并不是很高，甚至在某些地区基本全是靠人工劳动。从整体来看，劳动力在某种程度上依旧是粮食生产的主体，因此，选择乡村劳动力作为劳动方面的主要投入要素，是影响粮食生产的重要因素之一。3 黑龙江省粮食产量的生产函数模型针对本次对粮食产量的相关研究，采用了在经济领域应用最广泛的一种生产函数模型CD 生产函数模型来进行分析。33.1 黑龙江省粮食产量 C-D 生产函数模型的建立3.1.1 数据的选取为了更好的研究预测黑龙江省未来的粮食产量，选取最新的数据，
9、并选择比较有代表性的 1999 年（粮食产量突破 3000 万吨）作为起始年份。表 3-1 黑龙江省粮食产量及其影响因素（1999-2009 年）年份 粮食生产总量（万吨）粮食作物播种面积（万公顷）化肥施用量（吨）乡村劳动力（万人）受灾面积（千公顷）1999 3074.600 809.9000 2937472. 894.9000 3232.1002000 2545.500 785.2000 2811827. 913.2000 6554.9002001 2651.700 795.7000 2857805. 918.8000 6971.9002002 2941.200 783.3000 30486
10、35. 929.2000 4671.5002003 2512.300 786.3000 2978328. 936.1000 5914.9002004 3135.000 821.6000 3273006. 943.3000 4978.0002005 3600.000 988.9000 3554924. 950.1000 3486.0002006 3780.000 1052.600 3811693. 944.3000 5098.2002007 3965.500 1082.100 4175237. 949.4000 6652.6002008 4225.000 1098.800 4376883. 96
11、6.3000 4933.8002009 4353.000 1313.300 4802427. 978.2000 6867.600资料来源：2000-2010 年黑龙江省统计年鉴 相关数据3.1.2 模型的建立（1）模型方程的建立 根据生产函数理论模型 LAKY经过变换得到： ix )4,321(i（3-1）两端取对数变换得到:：（3-2）43210 lnllnllnxy其中 ； ； 为粮食生产总量； 为粮食Ay1x作物播种面积； 为化肥施用量； 为乡村劳动力； 为受灾面积。234x（2）模型参数的估计：将表 3-1 数据输入软件 Eviews 中，对其进行回归，得出结果如下（见表 3-2） 、
12、4表 3-2 的回归4321xxy、与Dependent Variable: LOG(Y)Method: Least SquaresSample: 1999 2009Included observations: 11Variable Coefficient Std. Error t-Statistic Prob. C 2.897514 5.014514 0.577825 0.5844LOG(X1) 0.014877 0.290648 0.051184 0.9608LOG(X2) 1.265419 0.339820 3.723787 0.0098LOG(X3) -1.838841 1.04442
13、6 -1.760624 0.1288LOG(X4) -0.159798 0.045606 -3.503890 0.0128R-squared 0.981129 Mean dependent var 8.096439Adjusted R-squared 0.968549 S.D. dependent var 0.201918S.E. of regression 0.035809 Akaike info criterion -3.518279Sum squared resid 0.007694 Schwarz criterion -3.337418Log likelihood 24.35054 F
14、-statistic 77.98834Durbin-Watson stat 2.199448 Prob(F-statistic) 0.000026得到： （3-4321 ln1598.0ln8.1ln654.ln049.875.2ln xxxxy 3）（0.5778） （0.0512） （3.7238） （-1.7606） （-3.5039）3.1.3 模型的检验（1）统计检验 拟合优度检验：=0.9811 表示解释变量解释了被解释变量粮食生产总量的 98.11%的变化，2R拟合情况较好，未被解释的变量仅为 1-98.11%=1.89%。5 方程的显著性检验：F=78.9883，显然大于临界值
15、 ，则拒绝原假设，即认为有 95%的把握认05.F为方程的线性关系在总体上是成立的。 变量的显著性检验：均大于 42t、 )05.(t在上述统计检验中，显然， 没有通过变量显著性检验，各个解释310t、变量之间有可能存在多重共线性问题，需要进行计量经济学检验来得出最终模型。（2）计量经济学的检验 多重共线性的检验 7a.检验简单相关系数表 3-3 间的相关系数矩阵4321xx、LOG(X1) LOG(X2) LOG(X3) LOG(X4)LOG(X1) 1.000000 0.974039 0.826597 0.168345LOG(X2) 0.974039 1.000000 0.882820 0
16、.166622LOG(X3) 0.826597 0.882820 1.000000 0.274034LOG(X4) 0.168345 0.166622 0.274034 1.000000通过相关系数表，可以发现 , , 之间存在比较高的相关度，有可能存1x23在多重共线性。b.找出最简单的回归形式分别做 间的回归4321xxy、与表 3-4 回归1xy与Dependent Variable: LOG(Y)Method: Least SquaresSample: 1999 2009Included observations: 11Variable Coefficient Std. Error t
17、-Statistic Prob. C 1.010709 0.868746 1.163411 0.2746LOG(X1) 1.037736 0.127190 8.158922 0.0000R-squared 0.8809026表 3-5 回归2xy与Dependent Variable: LOG(Y)Method: Least SquaresSample: 1999 2009Included observations: 11Variable Coefficient Std. Error t-Statistic Prob. C -7.307720 1.571182 -4.651097 0.0012
18、LOG(X2) 1.023193 0.104355 9.804886 0.0000R-squared 0.914396表 3-6 回归3xy与Dependent Variable: LOG(Y)Method: Least SquaresSample: 1999 2009Included observations: 11Variable Coefficient Std. Error t-Statistic Prob. C -33.48626 11.62949 -2.879427 0.0182LOG(X3) 6.075774 1.699209 3.575649 0.0060R-squared 0.
19、586877表 3-7 回归4xy与Dependent Variable: LOG(Y)Method: Least SquaresSample: 1999 20097Included observations: 11Variable Coefficient Std. Error t-Statistic Prob. C 8.575119 2.179458 3.934520 0.0034LOG(X4) -0.055897 0.254391 -0.219727 0.8310R-squared 0.005336由表 3-4、3-5、3-6、3-7 可得， 拟合优度比较结果为：变4321xxy、与量 （
20、0.9144 0.88090.58690.0053）,因此，从这个角度看，粮食2x134x产量主要受化肥施用量的影响最大，与经验相符合，因此选择 ： （3-2ln01.7.lnxy4）作为初始模型。c.逐步回归法第一步：在初始模型中引入变量 ，尽管模型的拟合优度稍有提高，但变1x量并没有通过了 检验（见表 3-8） 。t表 3-8 的回归21y、与Dependent Variable: LOG(Y)Method: Least SquaresSample: 1999 2009Included observations: 11Variable Coefficient Std. Error t-St
21、atistic Prob. C -6.172168 4.052519 -1.523045 0.1662LOG(X2) 0.877822 0.486080 1.805921 0.1086LOG(X1) 0.154218 0.502274 0.307040 0.7667R-squared 0.915393 Mean dependent var 8.096439Adjusted R-squared 0.894242 S.D. dependent var 0.201918S.E. of regression 0.065665 Akaike info criterion -2.381514Sum squ
22、ared resid 0.034495 Schwarz criterion -2.272997Log likelihood 16.09833 F-statistic 43.27765Durbin-Watson stat 2.042167 Prob(F-statistic) 0.000051第二步：剔除变量 ,引入变量 ，尽管拟合优度有所提高，但参数符号不1x3x合理，且没有通过 t 检验（见表 3-9） 。8表 3-9 的回归32xy、与Dependent Variable: LOG(Y)Method: Least SquaresSample: 1999 2009Variable Coeffi
23、cient Std. Error t-Statistic Prob. C 6.874247 7.386866 0.930604 0.3793LOG(X2) 1.357622 0.193884 7.002238 0.0001LOG(X3) -2.807823 1.437076 -1.953844 0.0865R-squared 0.942050 Mean dependent var 8.096439Adjusted R-squared 0.927562 S.D. dependent var 0.201918S.E. of regression 0.054345 Akaike info crite
24、rion -2.759939Sum squared resid 0.023627 Schwarz criterion -2.651422Log likelihood 18.17966 F-statistic 65.02461Durbin-Watson stat 2.077636 Prob(F-statistic) 0.000011第三步：剔除变量 ，引入变量 ，拟合优度有较大提高，且参数符号合3x4x理，变量全部通过了 检验（见表 3-10） 。t表 3-10 的回归42y、与Dependent Variable: LOG(Y)Method: Least SquaresSample: 1999
25、 2009Variable Coefficient Std. Error t-Statistic Prob. C -6.382994 1.016435 -6.279783 0.0002LOG(X2) 1.065807 0.066523 16.02174 0.0000LOG(X4) -0.182898 0.047573 -3.844541 0.00499R-squared 0.969938 Mean dependent var 8.096439Adjusted R-squared 0.962422 S.D. dependent var 0.201918S.E. of regression 0.0
26、39142 Akaike info criterion -3.416262Sum squared resid 0.012257 Schwarz criterion -3.307745Log likelihood 21.78944 F-statistic 129.0581Durbin-Watson stat 1.862707 Prob(F-statistic) 0.000001通过以上步骤进行分析，得到最佳回归方程为（3-42ln189.0ln65.1380.lnxxy5）（-6.2798） （16.0217） （-3.8445） 异方差的检验及修正异方差检验主要包括G-Q检验和怀特检验法两种，
27、其中G-Q检验需要按某一被认为有可能引起异方差的解释变量观察值的大小排序，因此，可能需对各个解释变量进行轮流检验，而且，该方法只能检验单调递增或单调递减型异方差。而怀特检验则不需要排序，且对任何形式的异方差都适用。因此选用怀特检验法对模型进行异方差检验。怀特检验法有两种检验形式：a. 有交叉项：表3-11 有交叉项的怀特检验White Heteroskedasticity Test:F-statistic 0.214392 Probability 0.941841Obs*R-squared 1.941972 Probability 0.857115Test Equation:Dependent
28、 Variable: RESID2Method: Least SquaresSample: 1999 2009Included observations: 11Variable Coefficient Std. Error t-Statistic Prob. C -2.245440 10.74072 -0.209058 0.8427LOG(X2) 0.313709 1.522738 0.206016 0.8449(LOG(X2)2 -0.012024 0.052243 -0.230153 0.8271(LOG(X2)*(LOG(X4) 0.005237 0.027927 0.187516 0.
29、858610LOG(X4) -0.023526 0.447969 -0.052518 0.9601(LOG(X4)2 -0.003057 0.018346 -0.166636 0.8742R-squared 0.176543 Mean dependent var 0.001114Adjusted R-squared -0.646914 S.D. dependent var 0.002225S.E. of regression 0.002856 Akaike info criterion -8.576619Sum squared resid 4.08E-05 Schwarz criterion
30、-8.359585Log likelihood 53.17140 F-statistic 0.214392Durbin-Watson stat 2.834270 Prob(F-statistic) 0.941841b. 无交叉项：表 3-12 无交叉项的怀特检验White Heteroskedasticity Test:F-statistic 0.308868 Probability 0.862340Obs*R-squared 1.878272 Probability 0.758135Test Equation:Dependent Variable: RESID2Method: Least S
31、quaresSample: 1999 2009Included observations: 11Variable Coefficient Std. Error t-Statistic Prob. C -2.194978 9.836222 -0.223153 0.8308LOG(X2) 0.271025 1.379269 0.196499 0.8507(LOG(X2)2 -0.009101 0.045678 -0.199234 0.8487LOG(X4) 0.039122 0.273378 0.143106 0.8909(LOG(X4)2 -0.002129 0.016182 -0.131535
32、 0.8997R-squared 0.170752 Mean dependent var 0.001114Adjusted R-squared -0.382080 S.D. dependent var 0.002225S.E. of regression 0.002616 Akaike info criterion -8.751429Sum squared resid 4.11E-05 Schwarz criterion -8.570567Log likelihood 53.13286 F-statistic 0.308868Durbin-Watson stat 2.720760 Prob(F
33、-statistic) 0.862340结论：有交叉项时： * =11*0.1765=1.94150，表示当化肥施用量增加 1%的时候，粮食生产总量平均增加21.2654%；= 0，表示当受灾面积增加 1%的时候，粮食生产总量平均减少4189.00.1829%，并可 由此看出化肥施用量因子对粮食总产量的影响最大。3.2 黑龙江省粮食产量 C-D 生产函数模型的应用通过上述黑龙江省粮食产量的 C-D 生产函数模型方程可知，要想预测黑龙江省粮食的产量值，就需要首先预测出影响粮食总产量的两个主要因素即化肥用量和受灾面积的数值。3.2.1 化肥施用量的预测用 SPSS 软件得到化肥施用量 与时间 的散
34、点图为：2xt图 3-1 化肥施用量 与时间 的散点图2xt15采用曲线估计，如图 3-2：图 3-2 与 的曲线估计2xt经过反复尝试拟合，发现 Cubic 曲线拟合较好。即图 3-3：图 3-3 与 的 Cubic 曲线估计2xt表 3-16 与 的参数估计表CoefficientsUnstandardized CoefficientsStandardized Coefficients t Sig.16B Std. Error Beta时序 -217099.198 85108.953 -1.045 -2.551 .038时序 * 2 50874.139 16122.897 3.016 3.
35、155 .016时序 * 3 -1563.300 885.927 -1.021 -1.765 .121(Constant) 3093109.485 123316.452 25.083 .000由表 3-16 可知，化肥用量 与时间 的模型方程为：2xt（3-322 9.156387.504197.048.3091 ttx 13）（25.083） （-2.551） （3.155） （-1.765）F=324.201显然，可以看出，模型可以通过显著性检验；拟合优度 ，拟合93.02R程度较好。因此，用这个方程来预测黑龙江省未来的化肥施用量还是可行的。令 分别等于 12、13、14、15、16、17
36、 预测出t2010、2011、1012、2013、2014、2015 年的化肥用量 ，见表 3-17：2x表 3-17 化肥用量 的真实值与预测值2xt化肥用量 预测值1 2937472 2925321.125872 2811827 2849901.244763 2857805 2857470.041964 3048635 2938647.717955 2978328 3084054.473196 3273006 3284310.508167 3554924 3530036.023318 3811693 3811851.219119 4175237 4120376.2960410 437688
37、3 4446231.4545511 4802427 4780036.8951012 5112412.8181813 5433979.4242414 5735356.9137515 6007165.487181716 6240025.3449917 6424556.687653.2.2 粮食产量的预测由于受灾面积 的不可预见性，因此提出假设：预测未来粮食产量时，取4x1999 年到 2009 年的受灾面积的平均值作为未来的受灾面积值。结合 2010 年2015 年受灾面积 =5396.5 及预测出的化肥面积 得到 20104x2x年2015 年的粮食产量预测值，见表 3-18。表 3-18 20
38、10 年-2015 年的粮食产量预测值年份 粮食产量预测值 化肥施用量预测值受灾面积预测值2010 4958.4793 5112412.8182 5396.52011 5291.5604 5433979.4242 5396.52012 5604.9111 5735356.9138 5396.52013 5888.4509 6007165.4872 5396.52014 6132.0349 6240025.3450 5396.52015 6325.4911 6424556.6877 5396.5综上所述，由黑龙江省粮食产量预测结果（表 3-18）可以看出黑龙江省粮食产量的绝对值在逐年递增，各年间
39、增长值相对比较稳定，有较好的前景。3.3 GDP 与粮食生产的关系GDP 与粮食产量的散点图如图 3-4 所示：18图 3-4 GDP 与粮食产量的散点图采用曲线估计，如图 3-5：图 3-5 GDP 与 y 的曲线估计经过反复尝试拟合，发现 Quadratic 曲线拟合程度较好，即图 3-6：19图 3-6 GDP 与 y 的 Quadratic 曲线估计表 3-18 GDP 与 y 的参数估计表CoefficientsUnstandardized CoefficientsStandardized CoefficientsB Std. Error Beta t Sig.粮食产量 -7.215
40、 3.784 -2.407 -1.907 .093粮食产量 * 2 .001 .001 3.353 2.657 .029(Constant) 12252.327 6259.858 1.957 .086如表 3-18 所示，有 GDP 和粮食产量的关系模型如下：（3-2015.2.73.125yGDP14）（1.957） （-1.907） （2.657）F=58.85020显然，可以看出，模型可以通过显著性检验；拟合优度 ，拟合936.02R程度较好。因此，用这个方程来拟合黑龙江省的粮食生产总量和 GDP 之间的关系是可行的。经过查找到的最新统计数据，2010 年黑龙江省的 GDP 为 1023
41、5 亿元。在“十二五”规划中提出，到 2015 年黑龙江省 GDP 要在 “十一五”的基础上要翻一番，可以得到 2015 年黑龙江省计划的 GDP 为 20470 亿元。由（3-14 ）式，经过计算得到黑龙江省应当达到的粮食产量为：5761.0753万吨。因此，在其他条件不变的情况下，仅仅从粮食生产方面考虑，黑龙江省在“十二五”期间，要想达到规划的 GDP 值，粮食产量应当达到 5761.0753，从预测结果（表 3-3）来看，黑龙江省大约在 2013 年左右可以达到这个目标，同时必须注意，预测的前提必须是在受灾面积符合假设条件的情况下。4 结论与政策建议本文首先介绍黑龙江省粮食生产的重要意义
42、及现状，建立了在经济领域应用最广泛的一种生产函数模型CD 生产函数模型来对黑龙江省粮食产量进行分析，并且通过了经济意义检验、统计检验和计量经济学检验，说明此模型对于预测黑龙江省未来粮食产量是可行的。仅从建立的模型方面来分析，由于近年来：（1）我国经济建设步伐较快，占用了一部分土地。 （2）经济作物种植面积增加。 （3）土地撂荒等原因使粮食播种面积在一段时期内有所下降，致使影响粮食产量的主要因素并不是粮食播种面积。另一方面，外出务工的乡村劳动力增多，特别是青壮年劳力的流出使得乡村劳动力不会对粮食生产有太大影响。因此主要是化肥施用量和受灾面积等因素影响着粮食产量。在模型的基础上得出如下结论：（1）
43、黑龙江省粮食产量逐年递增，各年间增长值相对比较稳定，有较好的前景。 （2）影响粮食生产的主要因素是化肥施用量和受灾面积，其中化肥施用量影响程度相对较大。 （3）在黑龙江省范围内，粮食生产对 GDP 的增长有很大的影响，并进一步预测说明黑龙江省“十二五”规划中 GDP 的目标能够顺利完成。因此，为更好地提高黑龙江省的粮食产量，针对本论文研究的结果，提出以下建议：（1）加大基础设施投入，稳定粮食生产能力。支持加快灌区续建配套和节水改造，充分发挥水利工程灌溉效益，提升农田水利设施服务功能，恢复和扩大有效灌溉面积。大力发展节水灌溉，对节水灌溉机械和设备给予补贴，提高21水资源的利用效率和效益。另外，黑
44、龙江省应重视对天气气候的预测，尽量较为准确的进行预报天气的变化状况，使人们可以提前做好有较大天气变化时的准备，使受灾的土地面积尽量减少，也不失为一种比较好的提高粮食总产量的方法。（2）增加化肥施用量和其他物质投入,提高粮食生产水平。相对于黑龙江省来说，虽然土地面积比较大，但是可耕地面积却并没有多少，并且随着环境的变化，沙漠化严重，可播种面积在步步缩小，增加播种面积虽然可以提高粮食产量，但似乎不是很现实。当然，通过近年来国家的各种政策对农业的重视，对保护耕地有了一定的作用，但作用还是比较有限的。通过分析上述模型，比较实际的一种提高产量的方法是合理使用化肥，黑龙江省可以鼓励化肥企业积极生产高效、优
45、质的化肥，同时加大对科学技术的投资力度，积极探求优质的化肥同时又可尽量避免污染环境，政府还可以通过合理控制化肥价格，来让每亩土地都可用上高效的化肥，提高单位亩产量。在长期内，随着黑龙江省人口的不断增加，粮食问题的日益严重，通过化肥等科技手段提高粮食单位产量是增加黑龙江省粮食产量的重要手段。5 不足之处通过本文的分析、研究，得到了一些结论，并提出了一些切实可行的建议，但本文的研究还只是初步的，存在许多不足之处：由于时间有限，数据收集的并不是十分丰富；对数据的处理，在某些方面可能也存在过于简单的问题，而没有得到更多的信息；考虑的影响因素可能偏少，黑龙江省特有的地理气候环境没有考虑进去等，这些都是需
46、要进一步研究的问题。参考文献1 邓吉祥等.21 世纪初黑龙江省粮食生产的区域差异及成因分析.干旱地区农业研究, 2010.28(3)2 邓吉祥.黑龙江省粮食生产变化及潜力预测.农业系统科学与综合研究, 2010.26(1) 3 韩颖,马增林 .黑龙江省粮食总产影响因素分析.中国商界, 2008(3)4 罗万纯.黑龙江省粮食产量波动分析与政策建议.农业现代化研究,2009.30(3)5 中共黑龙江省委关于制定黑龙江省国民经济和社会发展第十二个五年规划的建议6 李子奈,潘文卿 .计量经济学.高等教育出版社,2008:217-2237 易丹辉.数据分析与 EViews 应用.北京:中国人民大学出版社,2008:161-16722
