1、研究目的,分析我国粮食生产的决定因素，以便找出如何实现政府确定的产量目标。 中国政府长期关注国家粮食安全问题 增加本国粮食供给一直被认为是实现粮食安全的基本手段 人均400公斤粮食 在计划经济体制下，政府主要通过增加投入供给来实现提高产量目标，而对于生产者的自身目标及消费者的偏好缺乏足够的关注。 生产函数,应用假说演绎模式的案例(二),论文结构： 前言 提出拟研究问题（农业家庭责任制的作用） 简要的概括研究现状 背景与回顾 介绍我国农业合作化运动的历史，讨论发展经验揭示出的问题； 工分制下的生产队模型 基本假定 有关激励结构和监督机制的理论推导 假说与检验 提出待检验假说 介绍所使用的数据 介
2、绍检验过程和结果 结论 附录（数学解释）,应用假说演绎模式的案例(三),假说： 在一个地区采用家庭责任制的速度是该地区变为新制度的所得与成本的函数； 农业生产从生产队体制向家庭责任制的制度变迁效应主要带来努力供给的增进，它包括劳动的质量和数量两个方面； 从生产队体制向家庭责任制的变迁对农业生产具有正效应，不过它对家庭副业生产的效应是不确定的。,应用假说演绎模式的案例(四),数据： 197983年29个省市自治区的统计数据 国务院农村发展研究中心提供的各省农村责任制进展数据 引用其它学者的意见，对中国统计数据质量做出了简要的评价： 中国官方数据“确实反映了中国经济演进的基本趋势，尽管在用它们来衡
3、量任何特定年份的绝对量时存在错误”。 在此基础上认为，用这些数据进行的分析是有效的。,应用假说演绎模式的案例(五),假说检验（假说1 ）： 根据该假说，家庭责任制在一个地区的进展是这一变迁在该地区的收益与成本的函数。 因变量为各年采用责任制的队占总队数的比例(RT) 解释变量有： 生产队的平均规模（N+） 监督费用与规模正相关； 每个省种植业总产值与畜牧业总产值的比值（RATCH+） 种植业监督成本高，畜牧业监督成本低； 生产队平均拥有的机械(MACH-)和耕畜(DRAFT+) 使用机械多的队难于打破生产队体制（负效应） ； 使用牲畜多的队易于打破生产队体制（正效应） 。,应用假说演绎模式的案
4、例(六),假说检验（假说2 ）： 根据该假说，从生产队体制转向家庭责任制对生产的效应来自于努力供给的增加，包括质量和数量两个方面。但由于劳动质量无法观察，故不能直接检验该假说。鉴于中国劳动力迁移受到限制，短期内一个地区的农业劳动力总数不会显著减少，当努力的有效供给增加后，有效劳动的影子价格会下降，从而减少对劳动替代要素（机械）的需求，但对土地替代要素的需求则增加，以缓解有效劳动影子价格的下降。 分别估计198082年机耕面积比例变化方程(DT)和每亩化肥使用量变化方程(IF)，解释变量为采用责任制的队占总队数的比例(RT)和基期各省的机耕面积比例(TP80)和每亩化肥使用量(F80)。 在机耕
5、面积比例变化方程中，RT的符号预期为负； 在每亩化肥使用量变化方程中，RT的符号预期为正。 由于RT是第一个方程的因变量，因而选用工具变量法估计该方程。,应用假说演绎模式的案例(七),假说检验（假说3 ）： 根据该假说，在转向家庭责任制后，劳动者倾向于将自己的努力分配于农业生产，因而在生产队体制转变为家庭责任制较快的地区，农业增长率预期较高。另一方面，家庭责任制的进展对于家庭副业增长率的效应是不确定的，因为将劳动努力做有利于农业的分配会对家庭副业产生负效应，但努力供给的增加和自由支配权可能对家庭副业产生正效应。 分别以198082年的农业总产值增长率(GOA)和家庭副业总产值增长率(GOS)作
6、为因变量，以采用责任制的队占总队数的比例(RT)、1982年的劳均可耕地(LAN)、1982年城乡人口比例(RATUR)和197980年和农业和家庭副业总产值增长率作为解释变量，建立联立方程组模型。 在农业总产值增长率方程中，RT的符号预期为正； 在家庭副业总产值增长率方程中，RT的符号不确定。,应用假说演绎模式的案例(八),假说1：假说2：假说3：,应用假说演绎模式的案例(九),结论： 社会主义经济中的劳动者并不比其它经济中的劳动者能力更低。在生产队中，无论是管理者还是单个劳动者都在他们所面对的约束下做出了最优选择。 管理者选择一个较低的监督程度不是因为他无能，而是因为达到较高监督程度的费用
7、太高； 劳动者选择偷懒不是因为他天生具有惰性，而只是由于不值得更辛苦的劳动。 要增加社会主义经济效率，必须解除对劳动者激励的不必要约束。 生产队体制的失败不是由于它的社会主义性质，而是由于对农业劳动监督的困难。家庭责任制得到快速推行是因为其从根本上解决了监督问题。因此，要增进社会主义经济的效率，重要的是要有与生产过程特性相匹配的制度。 现代经济学中的理性行为逻辑可以用于理解社会主义经济中的行为。,应用假说演绎模式的案例(一),林毅夫 “The household responsibility system in Chinas agricultural reform: A theoretic a
8、nd empirical study”, Economic Development and Cultural Changes, 1988. 我国农业家庭责任制改革的理论与经验研究一文收入作者的论制度、技术与中国农业发展一书，上海三联出版社，1992年。,方法与数据,技术路线 估计粮食单产与各项投入之间的经验函数关系 利用估计结果评价各项投入对粮食供给产生的作用 分析政府采取某项措施时预期产生的效果 提出政府应注重哪些措施 数据：1979-1996年全国农业统计数据 小样本时间序列数据,作者报告的原始数据,模型设定和结果,作者根据过去的经验研究认为，中国农业劳动力存在过剩，因而劳动投入（增减）不
9、会影响粮食产量。 据此，模型未把劳动投入用作解释变量，生产函数仅包括了前述的四种投入及时间趋势变量。 模型采用双对数形式（CD生产函数）。 模型估计结果为：R2=0.98, DW=1.96, F=251,作者的分析解释,计算结果告诉我们，方程的总体回归效果是比较好的，拟合程度较高，各项统计检验值也令人基本满意，可以说总体上比较好地反映了我国粮食生产在1979-1996年间的投入产出关系。 从结果可以看出，变量X2的弹性系数最大，为1.56，这说明在现阶段，增加灌溉面积是提高粮食单产的最有效途径(从另一方面看，也说明水利条件是粮食生产中最需改善加强的一个方面)。 其次是X4，其弹性值为1.041
10、，役畜对粮食生产的作用如此之大，这一结果有些出人意料。体现农业机械化水平的农用机械总动力X3对粮食生产的作用最小，其弹性值仅为0.144。解释这种现象的理由可能是：目前我国粮食生产基本上还是以手工劳动和畜力耕种为主，增加的大部分农业机械主要用于各种非农生产经营活动了。,作者的分析解释,结果中还有一个参数需要引起注意，这就是时间T的系数是一负值，为-0.058。这表明目前我国粮食单产的提高越来越依赖于物质要素的投入了，如果没有其他方面的技术突破，即使要素投入的总体水平不变，粮食单产有可能随着时间的推移而不断下降。引申出来的结论就是：我国目前大部分粮田的地力在一定程度上处于被透支的状态，增投的生产
11、要素未能全部被用来提高单产，其中一部分被用来抵冲下降的地力了。因此，在今后的生产中，提高同一幅度的单产水平，需要投入更多的物质要素。 从诸项要素贡献份额之和(0.399+1.56+0.144+1.041=3.144) 大于1可知，目前我国粮食生产仍处于生产递增、资源短缺阶段，上述要素投入不能满足生产发展的需要。增加投入特别是增加有效灌溉面积仍能使粮食单产较大幅度的增长。,该研究存在哪些需要注意的问题？,模型理论基础 劳动力的作用 时间趋势变量T的含义 统计问题 样本较小 解释变量之间存在高度相关 数据的精度不高（例如X4） 数据可能存在系统偏差（投入与产出的对应关系得不到保证） 现实中，畜力与
12、农机通常为替代关系。 模型设定 单位面积生产函数 灌溉面积比例变量的处理方式（区分基本投入与非基本投入）,相关系数矩阵,该研究存在哪些需要注意的问题？,结果解释 单位面积生产函数不存在规模报酬 当单位面积土地上的投入同时增加一倍时土地面积没有变化 部分变量从定义上看不适合考虑等比例增减 灌溉面积所占比例增加一倍意味着什么？ 因而该研究对于规模经济的分析是错误的 经验表明，现实的生产体系基本上不可能出现远大于或远小于1的规模报酬，发生这种情况通常是由于模型设定错误。 CD生产函数某项投入的系数大于1也是一种不太可能出现的情况 其经济学含义是什么？ 时间趋势变量并不单纯反映技术 现实中可能发生技术
13、退步吗？,该研究存在哪些需要注意的问题？,利用作者提供的数据无法再现其报告的估计结果； 当改变模型设定时，解释变量的估计系数发生显著变化； 多重共线 结论的可靠性令人怀疑。 政策建议可能产生误导,标准模型,Dependent Variable: LNY Variable Coefficient Std. Error t-Statistic Prob. C 0.107414 2.659243 0.040393 0.9684 T -0.089035 0.032295 -2.756954 0.0174 LNX1 0.553953 0.184170 3.007829 0.0109 LNX2 2.447
14、754 0.928676 2.635745 0.0217 LNX3 0.270412 0.315312 0.857602 0.4079 LNX4 1.153807 0.294490 3.917978 0.0020 R-squared 0.977225 Mean dependent var 5.474794 Adjusted R-squared 0.967735 S.D. dependent var 0.145012 S.E. of regression 0.026048 Akaike info criterion -4.196583 Sum squared resid 0.008142 Sch
15、warz criterion -3.899792 Log likelihood 43.76924 F-statistic 102.9779 Durbin-Watson stat 1.858331 Prob(F-statistic) 0.000000,删除LnX3,Dependent Variable: LNY Included observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C 1.885364 1.648372 1.143774 0.2733 T -0.066783 0.019031 -3.509155 0
16、.0038 LNX1 0.527635 0.179739 2.935568 0.0116 LNX2 1.847546 0.604187 3.057903 0.0092 LNX4 1.208756 0.284496 4.248760 0.0009 R-squared 0.975829 Mean dependent var 5.474794 Adjusted R-squared 0.968392 S.D. dependent var 0.145012 S.E. of regression 0.025781 Akaike info criterion -4.248208 Sum squared re
17、sid 0.008641 Schwarz criterion -4.000883 Log likelihood 43.23388 F-statistic 131.2082 Durbin-Watson stat 1.768742 Prob(F-statistic) 0.000000,删除T,Dependent Variable: LNY Variable Coefficient Std. Error t-Statistic Prob. C 6.901961 1.226525 5.627250 0.0001 LNX1 0.293978 0.194252 1.513383 0.1541 LNX2 0
18、.087406 0.441804 0.197839 0.8462 LNX3 -0.428022 0.230516 -1.856800 0.0861 LNX4 0.978902 0.353116 2.772182 0.0159 R-squared 0.962799 Mean dependent var 5.474794 Adjusted R-squared 0.951353 S.D. dependent var 0.145012 S.E. of regression 0.031984 Akaike info criterion -3.817030 Sum squared resid 0.013299 Schwarz criterion -3.569705 Log likelihood 39.35327 F-statistic 84.11331 Durbin-Watson stat 1.661033 Prob(F-statistic) 0.000000,
