貴州農(nóng)林牧漁業(yè)對地區(qū)生產(chǎn)總值的影響分析摘要改革以來貴州發(fā)展相對比較落后，但如今得到國家大力支持，經(jīng)濟發(fā)展迅速增長，各方面都有著顯著的成績。為了分析貴州農(nóng)林牧漁業(yè)對地區(qū)生產(chǎn)總值的影響，選取了貴州近年的數(shù)據(jù)對農(nóng)林牧漁業(yè)與貴州地區(qū)生產(chǎn)總值建立了多元線性回歸模型，利用逐步回歸檢驗?zāi)Ｐ椭惺欠翊嬖诙嘀毓簿€性，求出農(nóng)林牧漁業(yè)對貴州地區(qū)生產(chǎn)總值的模型。運用因子分析得出了近年的增長趨勢排名，最后結(jié)合得出數(shù)據(jù)對其影響進行了簡要分析。并利用樣本數(shù)據(jù)對其進行下一年預(yù)測并結(jié)合貴州當下的經(jīng)濟政策分析了一下其發(fā)展方向?！娟P(guān)鍵詞】農(nóng)林牧漁業(yè)地區(qū)生產(chǎn)總值多元線性回歸模型因子分析吉林財經(jīng)大學本科畢業(yè)論文Abstract

Sincethereform,Guizhou'sdevelopmenthasbeenrelativelybackward,butnowithasstrongsupportfromthestate,rapideconomicdevelopment,andremarkableachievementsinallaspects.Inordertoanalyzetheinfluenceofagriculture,forestry,animalhusbandryandfisheryontheregionalGDPinGuizhou,thedataofGuizhouinrecentyearshavebeenselectedtoestablishamultivariatelinearregressionmodelforagriculture,forestry,animalhusbandryandfishery,andtotestwhetherthereismultiplecollinearityinthemodel.Usingfactoranalysistogettherankingofgrowthtrendinrecentyears,andfinallycombinedwiththedatatomakeabriefanalysisofitsimpact.Thenextyear'sforecastismadewiththesampledataanditsdevelopmentdirectionisanalyzedincombinationwithGuizhou'scurrenteconomicpolicy.Keywords:Factoranalysisofmultivariatelinearregressionmodelofgrossdomesticproductinagriculture,forestry,animalhusbandryandfisheryareas.目錄一、引言 (1)二、農(nóng)林牧漁業(yè)與地區(qū)生態(tài)總值發(fā)展分析 (1)（一）貴州省農(nóng)業(yè)發(fā)展分析 (1)（二）林業(yè)發(fā)展分析 (2)（三）畜牧業(yè)發(fā)展分析 (3)（四）漁業(yè)發(fā)展分析 (4)（五）地區(qū)生產(chǎn)總值分析 (5)三、分析方法 (6)（一）多元線性回歸模型 (6)（二）因子分析 (10)（三）結(jié)果分析 (12)四、優(yōu)化對策 (13)（一）改變傳統(tǒng)觀念，提高認識 (13)（二）政府加強政策扶持 (13)（三）調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，加快發(fā)展加工服務(wù)業(yè) (13)（四）加快發(fā)展特色旅游業(yè) (13)（五）完善農(nóng)村金融服務(wù) (13)參考文獻 (15)一、引言貴州氣溫變化小，冬天暖夏天涼，氣候宜人，常年雨量充沛，雨熱同期，屬于亞熱帶溫潤季風氣候，能提供給農(nóng)林牧漁業(yè)較好的生產(chǎn)環(huán)境。是典型的喀斯特山區(qū)農(nóng)業(yè)省份。許多地區(qū)可以一年有兩次成熟期，甚至部分地區(qū)可以一年有三次成熟期。貴州省平均海拔大約1110米，地形面貌大致為盆地、高原、丘陵、山地四樣類型。省內(nèi)的地勢東低西高，造就了適合于農(nóng)林牧種群生長的特殊條件，有利于生態(tài)農(nóng)業(yè)和特色農(nóng)業(yè)的發(fā)展。而且對于處于長江和珠江交叉地帶的貴州而言，省內(nèi)水系統(tǒng)極為良好，由文獻可知，大概有69個縣在長江設(shè)有防護保護區(qū)，形成一道極為重要的生態(tài)屏障。除此之外，省內(nèi)天氣四季宜人，自行帶有良好的生態(tài)環(huán)境，充足的水分、陽光以及均勻的氣候條件，相對于農(nóng)林牧漁業(yè)的發(fā)展有著可持續(xù)性和穩(wěn)定性。改革以來國家大力發(fā)展貧困落后地區(qū)，相對于落后極大的貴州，政府開房了土地的自由使用權(quán)，由人民當家做主，自行調(diào)整土地的經(jīng)營管理。使人民的積極性得到了很大的提升，經(jīng)濟也快速發(fā)展，省內(nèi)的GDP也不斷拔高。但是由于資源沒有得到有效的分配發(fā)展，很多方面都沒有過于明顯的成績。在2012的農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整中，省內(nèi)發(fā)展成倍上升。得到了國家政府的關(guān)注和肯定。隨著農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，農(nóng)林牧漁業(yè)共同發(fā)展的形式逐步形成。而且根據(jù)政府政策的幫助，要求貴州農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)多目標統(tǒng)籌兼顧，以及要求經(jīng)濟效益、生態(tài)效益、社會效益三大效益的統(tǒng)一，達到總體的效益最佳。隨著貴州農(nóng)林牧漁業(yè)結(jié)構(gòu)的不斷調(diào)整，貴州省內(nèi)農(nóng)林牧漁業(yè)總產(chǎn)值也帶動著省內(nèi)GDP了迅速增長。二、農(nóng)林牧漁業(yè)與地區(qū)生產(chǎn)總值發(fā)展分析（一）貴州省農(nóng)業(yè)發(fā)展分析圖12012-2018年農(nóng)業(yè)發(fā)展趨勢近年來，貴州省農(nóng)業(yè)得到國家大力支持，加快了農(nóng)業(yè)產(chǎn)業(yè)化進程，以工業(yè)型的方式推動農(nóng)業(yè)發(fā)展。如圖1：根據(jù)這幾年的數(shù)據(jù)資料可以看出，農(nóng)業(yè)增產(chǎn)值從2012年的561.32億元的增長到到2018年的1439.9億元，突破了一個新的格局。農(nóng)業(yè)是國之根本，是所有人賴以生存基礎(chǔ)。隨著科技的不斷發(fā)展，我省的主要農(nóng)作物單位面積產(chǎn)量不斷上升，從2012年的236公斤每畝增長到到2018年258公斤每畝。不但增加了糧食總產(chǎn)量，而且還增長了農(nóng)民經(jīng)濟收入，推動了地區(qū)生產(chǎn)總值的快速上升。在2018年我省開展了一場振興農(nóng)村經(jīng)濟的產(chǎn)業(yè)革命。貴州省內(nèi)發(fā)行了脫貧致富的新政策，為貧困的家庭設(shè)置了精準扶貧，使貧困的家庭有了一定的經(jīng)濟來源，將近5000的生活補助足以維持一家人很長時間的開銷。而且脫貧政策下來以后，省內(nèi)各級領(lǐng)導(dǎo)高度重視，思想、行動都統(tǒng)一服從國家號召。從給與農(nóng)民經(jīng)濟吃飽穿暖到給與農(nóng)民資源生產(chǎn)自己的儲存經(jīng)濟將產(chǎn)業(yè)革命縱橫向快速推進。（二）林業(yè)發(fā)展分析圖22012-2018年林業(yè)發(fā)展趨勢據(jù)貴州省國家統(tǒng)計網(wǎng)統(tǒng)計結(jié)果得出，貴州省在2018年全省公園總個數(shù)達到471個，人均公園綠地面積到達13.54平方米，建成區(qū)綠化覆蓋率大約在35.21%，而且全省森林覆蓋率從2014年的49%突升至2018年的57%，國家政策效果相當明顯。除此之外林業(yè)增值也得到很大的認可。如圖2：從2012年的37.03億元增加到2018年的176.65億元，跨度可謂是相當之大，足以看出國家對林業(yè)方面的重視。而且貴州省植被生長區(qū)域水資源充足，有著長江以及珠江的水源匯聚，這對其林業(yè)產(chǎn)業(yè)的發(fā)展有著極大的幫助。在改革后期間以來，政府一直大力倡導(dǎo)要發(fā)展保護自然生態(tài)資源，促進植被生長進而以林業(yè)來帶動農(nóng)民經(jīng)濟發(fā)展，實現(xiàn)脫貧致富的目的。貴州省有著優(yōu)質(zhì)的水資源，并且土壤適合各種各樣的林業(yè)生長，但這都是外在因素。為了加快生態(tài)建設(shè)的腳步，主要還是需要在國家政府的大力支持之下由大多數(shù)人參與進行。據(jù)林業(yè)大廳的資料顯示，貴州省大約建立了50多個森林公園，主要人均公共綠地面積都在5.13平凡米左右。大量的綠色植被不僅改善了生態(tài)環(huán)境，而且還吸引了大量的人員游玩，進一步促進了旅游業(yè)的發(fā)展。除了這些資料顯示，我省資源管理也相對可以，在執(zhí)法部門的大力監(jiān)督檢查下，土地浪費率得到了很好的控制。在國家政策和產(chǎn)業(yè)結(jié)構(gòu)的不斷改善下，資源的綜合利用明顯提高，其中就包括環(huán)境防治、水利水保的建設(shè)以及各產(chǎn)業(yè)結(jié)構(gòu)整體連接性。貴州屬于落后城市，盡管林業(yè)發(fā)展比較良好，但是鄉(xiāng)村人口和城市的比重嚴重偏于農(nóng)村人口，導(dǎo)致貴州省內(nèi)農(nóng)民還是主要以農(nóng)業(yè)為主。而且近年政府大力扶持林業(yè)產(chǎn)業(yè)，很多農(nóng)民的土地流失比較嚴重，造成了林業(yè)與農(nóng)業(yè)之間的矛盾關(guān)系。伴隨著氣候的不穩(wěn)定性，貴州石漠化逐漸突出，使得可耕作的土地慢慢流失。而且農(nóng)民用地量的增加，也和政府的大力發(fā)展林業(yè)產(chǎn)量形成兩極分化，如何保持農(nóng)林業(yè)的平衡關(guān)系的形式逐漸嚴峻。這些都是制約著我省GDP發(fā)展的因素，為了平衡制約因素，在下面進行了數(shù)據(jù)分析對農(nóng)林牧漁業(yè)幾大產(chǎn)業(yè)進行一定的比重分析。（三）畜牧業(yè)發(fā)展分析圖32012-2018年畜牧業(yè)發(fā)展趨勢近幾年貴州山地生態(tài)畜牧業(yè)迅速發(fā)展，主要指標在穩(wěn)定的基礎(chǔ)上緩慢上升，畜牧產(chǎn)業(yè)結(jié)構(gòu)得到了進一步的優(yōu)化。對于脫貧攻堅的成效顯著。但是貴州省正處于轉(zhuǎn)型發(fā)展成長期，存在很多新問題，產(chǎn)業(yè)的提升還是存在著困難，這對畜牧業(yè)的發(fā)展也是一個挑戰(zhàn)難題。然而這些問題雖然影響一定經(jīng)濟的發(fā)展，卻沒有拉下太多經(jīng)濟的提升。如圖3，從圖可以看出我省畜牧業(yè)近年發(fā)展形勢極為良好，增產(chǎn)值從2012年的245.7億元增長到2018年的507.57億元。跨越了一個前所未有的新高度。這些數(shù)據(jù)證明了貴州產(chǎn)業(yè)的不斷調(diào)整提升也帶動了我省GDP的飛速發(fā)展。從貴州當?shù)厝缃竦膶嶋H發(fā)展狀況來看，山地畜牧業(yè)至今沒有成型的規(guī)模和自身獨有的特色品牌，再加上缺少領(lǐng)頭企業(yè)的有力指導(dǎo)，導(dǎo)致在市場上的綜合競爭力低下。而且畜牧業(yè)的發(fā)展離不開基礎(chǔ)設(shè)施的支撐，比如場地設(shè)施、交通設(shè)施以及水利條件等。從目前來看，雖然貴州交通有所改善，也發(fā)揮了一定的映射與帶動效應(yīng)，但是效果有限，導(dǎo)致畜牧業(yè)、水果、蔬菜等物流的銷售受到限制。除此之外，我省還缺乏勞動力，時代不斷的進步，很多農(nóng)村的年輕人都不斷前往城里發(fā)展和外出打工，留在農(nóng)村的都是一些年齡比較大的老人或者小孩，而且文化程度不高，受到教育程度也不高，對于新事物接受、理解能力都比較弱，而且對于國家發(fā)展政策還帶有排斥心理，固守本土的封建思想嚴重，極大的限制了畜牧業(yè)的發(fā)展進程。結(jié)合貴州實際情況，做好畜牧業(yè)發(fā)展極為重要，不僅能有效提高貴州省內(nèi)的居民生活水平，還可以推動當?shù)谿DP的提升。所以政府因加大力宣傳力度，使山地畜牧業(yè)快速穩(wěn)健的發(fā)展，把生態(tài)畜牧業(yè)發(fā)展的理念傳入民心，使之可以用熱情帶動畜牧業(yè)的發(fā)展和當?shù)亟?jīng)濟的增長。再者，發(fā)展起步的同時應(yīng)抓好畜牧業(yè)的優(yōu)化、飼草飼料的保障以及發(fā)展出可以帶頭的領(lǐng)航者，為農(nóng)民樹立良好的信心。（四）漁業(yè)發(fā)展分析隨著社會科技的快速發(fā)展，我省水產(chǎn)養(yǎng)殖也變得更加方便，規(guī)模隨之迅速擴大，水產(chǎn)品流通快速便捷，難吃魚的問題基本解決。隨之而來的生活水平的也逐漸提高，導(dǎo)致人們對水產(chǎn)品的需求逐漸提高，對于品種、新鮮程度、大小和健康的水產(chǎn)品等方面的挑剔可謂是日已漸長。然而貴州的傳統(tǒng)漁業(yè)科技技術(shù)比較落后，機器設(shè)備的限制，導(dǎo)致很多企業(yè)生產(chǎn)和質(zhì)量都有影響。發(fā)展到80年代后，流失養(yǎng)魚和網(wǎng)箱養(yǎng)魚等新興技術(shù)的開發(fā)，貴州漁業(yè)開始急速發(fā)展，吃魚難問題基本解決。2000年以后，省內(nèi)水產(chǎn)品價格基本穩(wěn)定。但期間由于工業(yè)的興起，水質(zhì)遭到污染，水產(chǎn)品受到了很大的影響。近年我省還缺少著新技術(shù)的引進，產(chǎn)業(yè)化形式單一,多以原生態(tài)魚類為主，水產(chǎn)品附加值低,帶來的經(jīng)濟效應(yīng)較低，制約著特色漁業(yè)產(chǎn)業(yè)化發(fā)展。除此之外，許多地區(qū)的技術(shù)和信息服務(wù)能力還較為緩慢，快速、優(yōu)質(zhì)、優(yōu)價的服務(wù)還不足以實現(xiàn)。很多地區(qū)都是經(jīng)驗性的養(yǎng)殖，缺乏對特色水產(chǎn)品的養(yǎng)殖技術(shù)和了解，以至于養(yǎng)殖效率不是很高。我省根據(jù)當前的實際情況，應(yīng)該適度開發(fā)、堅持適時,處理好漁業(yè)的資源開發(fā)和生態(tài)系統(tǒng)的平衡發(fā)展，在開發(fā)的同時，給生產(chǎn)者輸入環(huán)境保護理念。實現(xiàn)漁業(yè)發(fā)展的同時生態(tài)穩(wěn)定。（五）地區(qū)生產(chǎn)總值分析表1貴州省各州市2019年主要經(jīng)濟指標地區(qū)地區(qū)生產(chǎn)總值（億元）增長（%）貴陽市4639.607.4六盤水市1265.977.5遵義市3483.329.7安順市923.948.1畢節(jié)市1901.368.0銅仁市1249.168.0黔西南州1272.809.8黔東南州1123.048.4黔南州1518.047.9資料來源：貴州省中商情報網(wǎng)黨的十八大以來，貴州生產(chǎn)總值連續(xù)突破新格局，從上表1看出，貴陽2019年GDP依舊處于省內(nèi)第一，遵義市、畢節(jié)市分別以3483.32億元、1901.36億元位列第二第三，與2018年比較貴陽市增長了7.4個百分點、遵義市增長了9.7個百分點、畢節(jié)增長了8.0個百分點。除安順市以外，貴州省其余8個市州地區(qū)生產(chǎn)總值均突破1000億元。從增長率來看，黔西南州、遵義市、黔東南州分別以9.8%、9.7%、8.4%排名前三。根據(jù)當代貴州2019年26期報道，經(jīng)過黨的不斷扶持，貴州在改革發(fā)生了翻天覆地的變化，省內(nèi)經(jīng)濟持續(xù)增長的同時明顯的加強了財政實力。除此之外，經(jīng)濟規(guī)模也逐漸擴大、人均GDP總值持續(xù)上升、恩格爾系數(shù)穩(wěn)健上升。三、分析方法建立多元線性回歸模型求出貴州農(nóng)林牧漁業(yè)對地區(qū)生產(chǎn)總值的影響偏重，對其進行經(jīng)濟意義檢驗、擬合優(yōu)度檢驗、統(tǒng)計檢驗、計量經(jīng)濟學檢驗并利用逐步回歸法進行修正，可以得最主要影響地區(qū)生產(chǎn)總值的因素和模型關(guān)系以便于觀察分。除此之外，還利用了因子分析從農(nóng)林牧漁業(yè)幾個變量群中推測出是否存在一些潛在的共性因子。因為農(nóng)林牧漁業(yè)都可以共同發(fā)展而且相互聯(lián)系，所以可以根據(jù)因子分析的結(jié)果對其進行平衡調(diào)節(jié)，可以減少因為幾個因素不平衡對資源的浪費，從而導(dǎo)致貴州GDP下降的結(jié)果。（一）多元線性回歸模型字母表示：Y：地區(qū)生產(chǎn)總值QUOTE錯誤!未找到引用源。:農(nóng)業(yè)生產(chǎn)總值QUOTE錯誤!未找到引用源。：林業(yè)生產(chǎn)總值QUOTE錯誤!未找到引用源。:畜牧業(yè)生產(chǎn)總值QUOTE錯誤!未找到引用源。：漁業(yè)生產(chǎn)總值對于貴州省內(nèi)地區(qū)生產(chǎn)總值的多元線性回歸方程的估計結(jié)果；表2貴州省內(nèi)地區(qū)生產(chǎn)總值多元線性回歸方程的估計結(jié)果DependentVariable:YMethod:LeastSquaresDate:03/15/20Time:10:19Sample:2002-2018Includedobservations:17VariableCoefficientStd.Errort-StatisticProb.C-1272.208555.7971-2.2889790.04105.5316112.4165352.2890680.0410-23.3172812.81733-1.8191990.093914.514964.0928353.5464330.0040-68.0375148.83442-1.3932280.1888R-squared0.987994Meandependentvar6128.631AdjustedR-squared0.983993S.D.dependentvar4452.361S.E.ofregression563.3156Akaikeinfocriterion15.74549Sumsquaredresid3807893.Schwarzcriterion15.99055Loglikelihood-128.8366Hannan-Quinncriter.15.76985F-statistic246.8833Durbin-Watsonstat1.159182Prob(F-statistic)0.000000數(shù)據(jù)來源：Eviews軟件輸出結(jié)果2.對貴州省地區(qū)生產(chǎn)總值的多元線性回歸方程進行檢驗（經(jīng)濟意義檢驗、擬合優(yōu)度檢驗、統(tǒng)計檢驗、計量經(jīng)濟學檢驗），在檢驗中有哪些與經(jīng)濟理論或預(yù)期不相符的現(xiàn)象？a.經(jīng)濟意義檢驗。由于斜率項系數(shù)表示地區(qū)生產(chǎn)總值/農(nóng)業(yè)生產(chǎn)總值，且0<β(QUOTE錯誤!未找到引用源。)=5.531611>1,不符合經(jīng)濟學理論。由于斜率項系數(shù)表示地區(qū)生產(chǎn)總值/林業(yè)生產(chǎn)總值，且β(QUOTE錯誤!未找到引用源。)=-23.31728<0,不符合經(jīng)濟學理論。由于斜率項系數(shù)表示地區(qū)生產(chǎn)總值/牧業(yè)生產(chǎn)總值，且1<β(QUOTE錯誤!未找到引用源。)=14.51496,不符合經(jīng)濟學理論。由于斜率項系數(shù)表示地區(qū)生產(chǎn)總值/漁業(yè)生產(chǎn)總值，且β(QUOTE錯誤!未找到引用源。)=-68.03751<0,不符合經(jīng)濟學理論。b.擬合優(yōu)度檢驗。根據(jù)回歸結(jié)果得出結(jié)果，判定系數(shù)R2=0.987994，數(shù)據(jù)接近1，擬合的程度非常高。c.統(tǒng)計檢驗。需要檢驗的假設(shè)為：QUOTE錯誤!未找到引用源。。d.設(shè)顯著性水平α=0.05，查表得：t0.025（17）=2.11，QUOTE錯誤!未找到引用源。對應(yīng)的t檢驗統(tǒng)計量的值約為8.063049，即有：|t=8.063049|>|t0.025（17）=2.11|，故拒絕原假設(shè)，說明總體方程的斜率項系數(shù)顯著地不為0，QUOTE錯誤!未找到引用源。顯著地對Y做出了解釋。同理可以檢驗QUOTE錯誤!未找到引用源。、QUOTE錯誤!未找到引用源。、QUOTE錯誤!未找到引用源。，可得QUOTE錯誤!未找到引用源。同樣顯著的對Y做出了解釋，而QUOTE錯誤!未找到引用源。、QUOTE錯誤!未找到引用源。沒有。e.計量經(jīng)濟學檢驗：由經(jīng)濟意義檢驗和結(jié)果中的t值都比較小，這都說明著模型中存在多元共線性的可能很大。所以可以對其進行如下檢驗。3.檢驗?zāi)Ｐ椭惺欠翊嬖诙嘀毓簿€性；表3相關(guān)系數(shù)矩陣法QUOTE錯誤!未找到引用源。QUOTE錯誤!未找到引用源。QUOTE錯誤!未找到引用源。1.0000000.9768820.9877090.974214QUOTE錯誤!未找到引用源。0.9768821.0000000.9602950.9171610.9877090.9602951.0000000.9781240.9742140.9171610.9781241.000000數(shù)據(jù)來源：Eviews軟件輸出結(jié)果根據(jù)上面的相關(guān)系數(shù)矩陣可以得出，QUOTE錯誤!未找到引用源。、、QUOTE錯誤!未找到引用源。與QUOTE錯誤!未找到引用源。之間存相關(guān)系數(shù)都超過了0.9，相關(guān)系數(shù)的程度都比較高，足以說明模型中存在較嚴重的多重共線性。4.經(jīng)驗法：首先我們可以剔掉一個解釋變量，如QUOTE錯誤!未找到引用源。,觀測OLS估計值表4OLS估計值DependentVariable:YMethod:LeastSquaresDate:03/15/20Time:10:21Sample:20022018Includedobservations:17VariableCoefficientStd.Errort-StatisticProb.C-714.7137399.4564-1.7892160.0969QUOTE錯誤!未找到引用源。3.1437061.7641271.7820180.0981QUOTE錯誤!未找到引用源。-10.108918.932649-1.1316810.278211.610483.6473703.1832480.0072R-squared0.986052Meandependentvar6128.631AdjustedR-squared0.982834S.D.dependentvar4452.361S.E.ofregression583.3489Akaikeinfocriterion15.77777Sumsquaredresid4423847.Schwarzcriterion15.97382Loglikelihood-130.1111Hannan-Quinncriter.15.79726F-statistic306.3534Durbin-Watsonstat0.962301Prob(F-statistic)0.000000數(shù)據(jù)來源：Eviews軟件輸出結(jié)果在第一次對QUOTE錯誤!未找到引用源。,QUOTE錯誤!未找到引用源。,QUOTE錯誤!未找到引用源。,QUOTE錯誤!未找到引用源。進行估計時QUOTE錯誤!未找到引用源。是符合經(jīng)濟學理論的，而現(xiàn)在對QUOTE錯誤!未找到引用源。，QUOTE錯誤!未找到引用源。，QUOTE錯誤!未找到引用源。進行估計得到的結(jié)論是QUOTE錯誤!未找到引用源。不符合經(jīng)濟學理論了。并且t檢驗統(tǒng)計量的值都比較小。顯示出來共線性的而嚴重性，因而進一步對其進行修正。5.用逐步回歸法對模型多重共線性進行修正；對解釋變量進行一元回歸估計，得到比較結(jié)果如下：表5解釋變量進行一元回歸估計VariableCoefficientStd.Errort-StatisticProb.R-squared6.3013360.27363323.028400.97249354.993774.55179312.0817800.90681517.090280.58645229.1418300.982644203.342512.8131615.8698200.943789數(shù)據(jù)來源：Eviews軟件輸出結(jié)果根據(jù)結(jié)果得，四個解釋變量的一元線性回歸的t檢驗都是顯著的，比較QUOTE錯誤!未找到引用源。發(fā)現(xiàn)QUOTE錯誤!未找到引用源。最高，選擇QUOTE錯誤!未找到引用源。作為基礎(chǔ)變量做二元回歸，結(jié)果如下：表6二元回歸VariableCoefficientStd.Errort-StatisticProb.R-squared1.8439681.3524191.3634590.19430.98467834812.176183.6489943.336860.004917.017382.1757767.82129300.9826453390.2543047.2881470.0348930.972716.353862.911155.6176630.00010.9827269.14055735.343060.2586240.7997由上面回歸結(jié)果可以得出QUOTE錯誤!未找到引用源。QUOTE錯誤!未找到引用源。QUOTE錯誤!未找到引用源。的t統(tǒng)計檢驗都沒有通過，不能選取適當?shù)幕A(chǔ)變量，因此選擇QUOTE錯誤!未找到引用源。為基礎(chǔ)變量做二元回歸：表7二元回歸VariableCoefficientStd.Errort-StatisticProb.R-squared7.8152071.2584936.20997300.975181-14.0059211.37406-1.2313910.23851.8439681.3524191.3634590.19430.98467812.176183.6489943.336860.00494.9847471.2022464.1461960.0010.9747744.2687839.381711.1240950.2799數(shù)據(jù)來源：Eviews軟件輸出結(jié)果可以發(fā)現(xiàn)由上面回歸結(jié)果得出QUOTE錯誤!未找到引用源。QUOTE錯誤!未找到引用源。QUOTE錯誤!未找到引用源。的t統(tǒng)計檢驗都沒有通過，不能選取適當?shù)幕A(chǔ)變量，因此重新選擇QUOTE錯誤!未找到引用源。為基礎(chǔ)變量做二元回歸：表8二元回歸VariableCoefficientStd.Errort-StatisticProb.R-squared4.9847471.2022464.1461960.0010.9747744.2687839.381711.1240950.279922.275056.9910153.186240.00660.967417129.296725.338265.1028240.000216.353862.911155.6176630.00010.9827269.14055735.343060.2586240.7997數(shù)據(jù)來源：Eviews軟件輸出結(jié)果只能以QUOTE錯誤!未找到引用源。、QUOTE錯誤!未找到引用源。為基礎(chǔ)變量，再一步是進行三元回歸估計，結(jié)果如下：表9、QUOTE錯誤!未找到引用源。二元回歸VariableCoefficientStd.Errort-StatisticProb.R-squared-9.7997916.82621-0.5824120.57030.97541120.1769357.78290.3491850.73256.7604973.2883352.0559030.06041.1364578.1560130.139340.89130.98275211.2466639.644330.2836890.781115.858384.6645283.3997820.0047數(shù)據(jù)來源：Eviews軟件輸出結(jié)果根據(jù)回歸結(jié)果可以看出沒有通過檢驗，沒有合適的結(jié)果。所以解釋變量合適的只有QUOTE錯誤!未找到引用源。QUOTE錯誤!未找到引用源。。6.報告修正后的結(jié)果，并分析修正后的結(jié)果。最終的估計結(jié)果如下：表10修正后的結(jié)果DependentVariable:YMethod:LeastSquaresDate:03/15/20Time:10:30Sample:20022018Includedobservations:17VariableCoefficientStd.Errort-StatisticProb.C1024.152337.61763.0334670.008922.275056.9910153.1862400.0066129.296725.338265.1028240.0002R-squared0.967417Meandependentvar6128.631AdjustedR-squared0.962762S.D.dependentvar4452.361S.E.ofregression859.1790Akaikeinfocriterion16.50862Sumsquaredresid10334640Schwarzcriterion16.65565Loglikelihood-137.3232Hannan-Quinncriter.16.52323F-statistic207.8342Durbin-Watsonstat0.465351Prob(F-statistic)0.000000數(shù)據(jù)來源：Eviews軟件輸出結(jié)果經(jīng)過修正得出回歸方程：Y=1024.152+22.27505QUOTE錯誤!未找到引用源。+129.2967QUOTE錯誤!未找到引用源。這個結(jié)果表明：當貴州省林業(yè)生產(chǎn)總值不變的情況下，實際使用漁業(yè)生產(chǎn)總值每增加1億人民幣，貴州省地區(qū)生產(chǎn)總值將增加129.2967億元；當實際使用漁業(yè)生產(chǎn)總值不變的情況下，林業(yè)生產(chǎn)總值沒每增加1億人民幣，貴州省地區(qū)生產(chǎn)總值將增加22.27505億元。(二)因子分析1.數(shù)據(jù)的檢驗：利用SPSS進行因子分析輸出的主要結(jié)果如下表所示：表11因子分析輸出的主要結(jié)果KMO和巴特利特檢驗KMO取樣適切性量數(shù)。.726Bartlett的球形度檢驗上次讀取的卡方149.580自由度6顯著性.000數(shù)據(jù)來源：SPSS軟件輸出結(jié)果從表11中看到Bartlett的球度檢驗統(tǒng)計量為149.580。檢驗的顯著性P值接近0。表明5個變量之間由很強的相關(guān)關(guān)系；而KMO統(tǒng)計量為0.726，接近0.7，所以適合作因子分析。2.變量共同度量表12變量共同度量公因子方差初始值提取農(nóng)業(yè)總產(chǎn)值1.000.996林業(yè)總產(chǎn)值1.000.999畜牧業(yè)總產(chǎn)值1.000.991漁業(yè)生產(chǎn)總值1.000.997數(shù)據(jù)來源：SPSS軟件輸出結(jié)果表12中數(shù)據(jù)說明大部分的變量的共同度量都在90%以上，因此，提取出的公因子對原始變量的解釋能力相對較強。可以用來做因子分析。各因子所解釋的原始變量的方差表13原始變量的方差總方差解釋組件初始特征值提取載荷平方和旋轉(zhuǎn)載荷平方和總計方差百分比累積%總計方差百分比累積%總計方差百分比累積%13.89897.43897.4383.89897.43897.4382.05551.36351.3632.0852.11999.557.0852.11999.5571.92848.19499.5573.013.32799.8834.005.117100.000數(shù)據(jù)來源：SPSS軟件輸出結(jié)果根據(jù)上表得出在提取平方和載入中提取的兩個因子總共解釋了原始變量方差的99.557%，說明這幾個因子分析的效果很好，旋轉(zhuǎn)平方和載入是因子旋轉(zhuǎn)后對原始變量方差的解釋，可以看到積累方差本不變，只是兩個因子所解釋的原始變量方差略微發(fā)生變化。旋轉(zhuǎn)后的因子載荷矩陣表13旋轉(zhuǎn)后的因子載荷矩陣成分得分系數(shù)矩陣組件12農(nóng)業(yè)總產(chǎn)值.029.338林業(yè)總產(chǎn)值-1.5791.993畜牧業(yè)總產(chǎn)值.516-.166漁業(yè)生產(chǎn)總值1.754-1.451數(shù)據(jù)來源：SPSS軟件輸出結(jié)果可以從表13中數(shù)據(jù)看出顯示第一個因子主要解釋了漁業(yè)總產(chǎn)值、畜牧業(yè)總產(chǎn)值，第二個因子則解釋了林業(yè)總產(chǎn)值和農(nóng)業(yè)總產(chǎn)值的情況。表中顯示了農(nóng)林牧漁業(yè)的4個變量與兩個因子的關(guān)系，可以表示如下表：表14結(jié)果方程關(guān)系方程X1=0.029f1+0.338f2X2=-1.579f1+1.993f2X3=0.516f1-0.166f2X4=1.754f1-1.451f25.旋轉(zhuǎn)后的因子載荷圖圖4因子載荷圖按回歸法估計因子得分系數(shù)矩陣如下：表15得分系數(shù)矩陣成分得分系數(shù)矩陣組件12農(nóng)業(yè)總產(chǎn)值.029.338林業(yè)總產(chǎn)值-1.5791.993畜牧業(yè)總產(chǎn)值.516-.166漁業(yè)生產(chǎn)總值1.754-1.451數(shù)據(jù)來源：SPSS軟件的輸出結(jié)果根據(jù)表中數(shù)據(jù)可以將公因子表示為各變量的線性組合：QUOTE錯誤!未找到引用源。=0.029QUOTE錯誤!未找到引用源。-1.579QUOTE錯誤!未找到引用源。+0.516QUOTE錯誤!未找到引用源。+1.754QUOTE錯誤!未找到引用源。QUOTE錯誤!未找到引用源。=0.338QUOTE錯誤!未找到引用源。+1.993QUOTE錯誤!未找到引用源。-0.166QUOTE錯誤!未找到引用源。-1.451QUOTE錯誤!未找到引用源。由上述數(shù)據(jù)可以看出，林業(yè)對地區(qū)生產(chǎn)總值的影響最大且發(fā)展水平最高，其次是農(nóng)業(yè)、畜牧業(yè)、漁業(yè)，因此可以借鑒以上數(shù)據(jù)對貴州發(fā)展實行平衡調(diào)節(jié)?？梢杂行p少投資、土地人員等資源的浪費。（三）結(jié)果分析貴州省宏觀經(jīng)濟數(shù)據(jù)庫數(shù)據(jù)顯示，除了2018年漁業(yè)增加值增速負增長4.5%外，近年農(nóng)林牧漁業(yè)都是成正向增長，其中2012年總增速最為顯著，充分展示了貴州省快速發(fā)展的態(tài)勢。根據(jù)實驗結(jié)果，我們可以在保持現(xiàn)狀的基礎(chǔ)，根據(jù)影響地區(qū)生產(chǎn)總值的順序（林業(yè)、農(nóng)業(yè)、畜牧業(yè)、漁業(yè)）進行產(chǎn)業(yè)結(jié)構(gòu)調(diào)整。四、優(yōu)化對策（一）改變傳統(tǒng)觀念，提高認識通過省到農(nóng)村的傳播，加強農(nóng)民對政策的認識，接受政策改革的方略。讓農(nóng)民多去接觸、了解新的東西，摒棄自己一貫的做法，與時俱進，開拓創(chuàng)新，不要固定思維，受自己小層面思想局限。（二）政府加強政策扶持政府政策扶持是政府通過觀察現(xiàn)實情況以及社會的發(fā)展需求，實行的一系列幫扶措施。中國的扶持政策由來已久，從上世紀四五十年代舉全國之力發(fā)展軍工業(yè)，到改革開放后大力發(fā)展機電、紡織等出口導(dǎo)向產(chǎn)業(yè)，再到進入二十一世紀以來的對計算機行業(yè)、新能源、信息技術(shù)等高新技術(shù)產(chǎn)業(yè)和如今的農(nóng)產(chǎn)業(yè)的大力扶持，各個階段的扶持都體現(xiàn)出時代的鮮明特征。所以當今的政策扶持深入人心，每一個好的政策可以得到農(nóng)民極大的認可。（三）調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，加快發(fā)展加工服務(wù)業(yè)深入剖析貴州省農(nóng)林牧漁業(yè)，有針對性的提出其產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的總體思路和保障措施，從當前貴州省農(nóng)林牧漁業(yè)的發(fā)展現(xiàn)狀來