前言：中文期刊网精心挑选了粮食产量范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
粮食产量范文1
一、水利建设投入概况
改革开放以来,我国水利基本建设投资,除部分年份的波动外,总体保持着上升趋势。同时,投资增长具有明显的阶段性。第一阶段为1980年至1988年间,该阶段的投资总量较小,但是始终保持稳定的增长。第二阶段为1989年至1999年间,该阶段呈强劲增长态势。投资总量增长快、增幅大。投资总额由1989年的29.5亿元增长到1999年的536.5亿元,在增速上,该阶段每年均比上年有较大幅度提高,其中,有5年的增幅都在36%以上,平均增幅为33.36%。第阶段为2000年至2005年间,该阶段虽然投资总量大,但投资增长极为缓慢,处于徘徊增长阶段。第四阶段为2006年至2010年间,其中,2008年爆发世界性金融危机后,我国政府采取了大规模投资政策,2009年和2010年水利投资增幅明显。
二、水利建设投入对粮食生产影响的实证分析
(一)水利建设的总投入与粮食生产实证分析
首先,从总体上分析农业水利建设投入对粮食产量的相关性。选用1991-2010年的农业水利建设投入和粮食产量两组基础数据,利用Eviews软件,计量分析出两者的相关系数为0.687345,初步说明农业水利建设投入与粮食产量有较大的相关性。接下来,为了更精确地分析出农业水利建设投入对粮食产量的相关程度,构建简单的一元函数:Y=f(X)=AX^a,其中,Y表示粮食产量(三万吨),X表示农业水利建设投入(三亿元),A为农业水利建设投入的产出弹性。为了使数据更准确便于研究分析,将选用的两组数据统一成万单位并取对数,然后模型转化为:LnY=A+aLnX,继续运用Eviews软件进行回归分析,得到如下结果:LnY=0.041496526LnX+10.14848646(3.527451788)(56.60191683)从回归的效果看,方程拟合的效果一般,拟合度不高,调整后的R^2为0.375881078但从变量的检验情况来看,农业水利建设投入的t检验值通过检验,说明农业水利建设投入的确是粮食产量的影响因素,但并非唯一的影响因素,粮食产量还会受到劳动力、农业生产性投资、粮食播种面积等因素的影响,所以方程的拟合度并不高。
(二)农业水利建设投入的不同要素对粮食生产的实证分析
上文从总体上论证了农业水利建设投入对粮食产量有较大影响,但农业水利建设投入涉及诸多要素,各个方面对粮食产量的影响也不尽相同,接下来进一步分析农业水利建设投入的不同因素对粮食产量的不同影响程度,以了解我国农业水利建设投入的要素所产生的不同效果,进而提出相应的对策建议。我国农业水利建设主要指在农业中兴建水利工程设施并对水资源在农业上的利用进行科学管理。它包括:灌溉、排水,调水,防洪,保护水源,水土保持,改良盐碱地、沼泽地、草场和沙漠,以及农村水电站与水力动力站、农村水运、水面综合利用、农村居民供水等方面的建设和管理。为了便捷有效地进行量化分析,笔者选取有效灌溉面积、乡村办水电站装机容量、水库总量等作为农业水利建设投入的不同要素,建立生产函数模型,来具体分析农业水利建设投入的不同方面对粮食生产的不同影响。
1.模型设定
生产函数是指在一定时期内,在技术水平不变的情况下,在生产过程中各种生产要素数量与最大产量之间的关系。其中,柯布一道格拉斯生产函数最具有经济解释能力,符合文章的研究需要。
2.数据来源
农业产出数据、农业水利建设投入数据及要素投入数据来源于《中国农村统计年鉴2010》、《中国水利公报》、《中国统计年鉴2011》。其中农业产出以粮食产量为标准,农业水利建设投入的要素很多,为了便于量化收集数据,进行有效的统计分析,选取了有效灌溉面积、乡村办水电站装机容量和水库总量为标准。同时,根据模型的需要,即结果的精确性,将组不同的水利建设投入要素原始数据统一为万单位并取对数,得出相应的对数值。
3.经济计量及结果分析
按照柯布一道格拉斯生产函数对数线性模型,调整后的相关数据,运用E-VIEWS统计软件进行回归分析,得出模型如下:LnY=9.170651302+0.381245225LnX1(2.573366)(1.641656)+0.05815745LnX2-0.869252221LnX3(1.209995)(-1.4119)从回归效果看,调整后的R^2为0.40981825,方程拟合效果良好,基本上与农业水利建设投入对粮食产量回归分析的拟合效果一致。从各个变量的检验情况看,有效灌溉面积、乡村办水电站装机容量和水库总量的t检验值均通过检验。并且有效灌溉面积的生产弹性系数为0.381245225,说明有效的灌溉对农作物生长有显着的推动作用,有效灌溉面积的提高能有效地促进粮食产量的增长。而乡村办水电站装机容量的生产弹性系数为0.05815745,说明乡村水电站建设也有助于提高粮食产量,但它小于有效灌溉面积的弹性系数,这表明乡村办水电站装机容量的提高对粮食产量的促进作用不如有效灌溉面积对粮食产量的促进作用明显。也表明我国乡村办水电站的作用还没有充分发挥出来,对农业产出的贡献不明显,需要继续有效地加大乡村办水电站的建设。而水库总量的弹性系数为-0.869252221,说明水库总量和粮食产量是负相关关系,即水库总量的增加反而不利于粮食产量的提高。这主要是因为我国现阶段的水库建设比较落后,全国水库总量较少,其中,主要用于工业用水和城市用水的大型水库占了较大的比重,而主要用于防洪防灾和农田灌溉的水库总量很少。因此,我国现阶段的水库建设非但没有促进粮食产量在增长还对其产生了制约。
粮食产量范文2
【关键词】 粮食产量 农民收入 弱外生性 VEC模型
一、问题的提出与文献综述
关于影响粮食产量的问题，可以归纳为两个方面，一是粮食的投入与产出，二是粮食产量的影响因素。粮食的投入与产出实际就是粮食的生产函数，是关于投入要素合理配置下的最大产出，主要体现了技术层面。而影响粮食产量的因素，如农户的种粮收益、粮食生产资料价格、劳动力投入的机会成本以及粮食价格等，实际上，影响粮食产量的不光这些，凡是能改变粮食生产函数位置的所有因素都是影响粮食产量的因素，比如制度等。因此，分析影响粮食产量因素更具有很现实的政策意义。本文主要研究影响粮食产量另外两个主要因素：农民收入和粮食价格。首先来看粮食产量对农民收入的影响，粮食产量对农民收入的影响被称为“谷贱伤农”。其意思为，粮食产量增加，供过于求，粮食价格降低，由于粮食需求价格缺乏弹性，因此，农民从粮食生产获得的收入就减少了。这是由于把农民收入仅仅限于粮食经营性收入，现实中，由于农村经济结构的变化，农民兼业现象普遍，农民收入结构不仅有经营性收入，还有工资性收入，财产性收入，转移支付收入等。如果考虑到这些收入，“谷贱”则不一定“伤农”。因为，一旦“谷贱”，农民会转向其他方式以获得收入，理性的农民会找到其他获得收入的方式。那么，如果农民在其他非经营性生产中能获得更多的收入，试问，“谷贱”会“伤农”吗？农民会增加粮食生产的积极性吗？因此，粮食产量、粮食价格和农民收入不是谁因谁果的关系，而是一个循环的系统。
关于研究收入对粮食产量的影响现有文献不多，国外学者Park（1993）研究了我国价格双轨制下价格与粮食产量的关系，他发现现定购价格和定购数量通过收入效应对农户的粮食生产产生影响，认为收入是影响粮食产量的中间变量；Roland（1998）重点考察了在价格双轨制下收入因素在粮食生产中的作用，他认为由于定购数量给定，农户交售给国家的部分只相当于一笔税收转移，因此并未多大程度上刺激农民粮食生产积极性；NigelKey（1996）则充分考虑了农民收入、粮食价格二者对粮食产量的影响，他认为如果提高粮食收购价格，农民收入会增加，农民的投入限制因收入增加而缓解则会提高粮食产量。
国内学者更多关注影响粮食产量的价格因素，林毅夫（1993）认为，如果定购数量由总产量内生决定，定购价格变化通过“棘轮效应”对粮食供给反应产生正向影响；孙娅范、余海鹏（1999）通过实证研究发现，粮食价格和粮食产量存在因果关系；高明（2005）则从社会比较收益的角度，对农民收入与农民粮食生产积极性进行了解释，他认为农户是理性的经济人，是耕地经营的微观主体，他们对耕地投入的积极性是由种地的比较收益决定的，社会比较收益低，使农户对耕地的资金投入与劳动投入双下降，影响了耕地的可持续利用与粮食产量的提高。雷钦礼（2005）甚至认为收益的高低对于农民种植粮食的积极性有着决定性的作用。张治华（1997）通过实证分析，分别考察了粮食价格与粮食产量、农民收入与粮食产量的关系，他认为价格对我国粮食生产增长起着明显的调节和促进作用；同时，粮食产量也引起价格的波动。粮食生产的增长速度，与农民实际收入的增长速度显著相关。农民收入的增长既是粮食生产增长的结果，也是下一年粮食生产增长的原因。而价格的上涨与粮食生产的增长并不存在必然的因果关系。金和辉（1990）和郑毓盛等人（1993）从粮食价格与农民收动的角度研究了它们与粮食产量的关系，他们认为定购价格是一种政策导向信号，在定购数量不变的情况下，定购价格的变动将会影响到农户的预期净收益，从而影响着农户的生产决策。
但是以上研究中，同时考虑粮食价格、农民收入与粮食产量关系的并不多。即便考虑了，也往往是一种静态的研究。近年来，随着时间的推移，外出务工成为普遍的经济现象，农民的收入结构已经发生了重大的变化。因此，在考虑这一重大变化的基础上，本文尝试采用向量误差修正模型（vector error correction，VEC）来动态地分析粮食价格、农民收入与粮食产量的关系。
二、描述性分析与假设提出
1、描述性分析
改革开放以来中国粮食产量相对较平稳的波动，但粮食价格水平在不断上升（见图1），从整体上升趋势来看，它们不存在一致的变化趋势，但事实上，现有理论文献已经证实，粮食价格和粮食产量存在较稳定的关系，只是这种关系存在滞后性。何蒲明（2010）证实，粮食产量和价格波动相互影响，但产量的变化对价格的变化存在着滞后效应。李静（2011）认为，粮食生产的波动是引起价格波动的最基本因素，而价格杠杆对调节农户的粮食生产行为有着至关重要的作用。马敬桂和李静（2011）也认为粮食价格与粮食产量存在因果关系。从图1关于粮食价格和粮食产量的变动趋势来看证实这种滞后性，二者变动趋势却不存在同步性。但长期来说，存在着稳定的关系。
在农民收入方面，总收入在不断上升趋势变动，而经营性收入占总收入的比重却呈递减趋势变动（见图2）。这说明，尽管农民收入在增加，但是农民经营性收入占总收入的比重却下降，这表明农民从事其他行业获得更多收入（如工资性收入），因此，经营性收入占总收入的比重却呈递减趋势变动。
从表1可以看出，农民收入中，转移收入的比重增幅度最大，平均增长率为5.57%，其次为工资性收入和财产收入的比重，其增长率分别为4.39%和3.80%。唯有经营性收入的比重呈递减幅度减少，其比重增长率为-2.51%。这表明，至1995年来，我国农民的其他各项收入成大幅度上升，而经营收入增幅较慢，因此，农民经营性收入在总收入的比重在减少。
2、假设的提出
根据上面的分析本文提出以下假说：假说1：粮食价格和粮食产量具有协整性，即长期稳定关系。尽管粮食产量受前一期粮食价格的影响，即，产量的变化对价格的变化存在着滞后效应，但是粮食产量也影响粮食价格的变动，这符合“蛛网理论”。这说明，粮食价格和粮食产量互为因果，相互影响，从长期来看，粮食价格和粮食产量存在长期稳定关系。假说2：农民收入对粮食产量具有负影响。由于农民经营性收入占总收入的比重呈递减趋势变动，这意味着，对于任何具有理性的农民来说，如有可能，它们会更多地从事其他行业的生产，从而减少经营性方面的投入。我们可以这样假设，假设农民从事粮食生产获得的收入为0，从其他行业获得收入无限大这两种极端情况，那么农民肯定会放弃粮食生产而转向其他行业。也就是说，粮食收入占农民总收入比重越小，农民越不愿意从事粮食生产。从图2知道，尽管农民总收入在不断增加，但这种增加更多地来源于非经营性收入，由于其他非经营性收入具有“挤出效应”，即其他非经营性收入增加挤占了农民从事经营性生产的动力，因此，农民收入增加，粮食产量会减少。本文接下来就对假说1和假说2进行实证研究。
三、数据与实证方法
1、模型及其说明
回答上述假说1和假说2实质上就是检验粮食产量、农民收入和粮食价格所组成的系统协整性，关于变量间的协整性检验，大多采用向量误差修正模型（VEC）。本文也采用该模型研究粮食产量、农民收入和粮食价格之间的关系。自从Sim（1980）具有开创性的利用向量自回归模型（VAR）之后，向量自回归模型成为计量经济学流行使用的实证分析的工具，之后，Engel（1987）和Granger（1987）提出非平稳系统的协整关系的概念并产生了误差修正模型（ECM）。Johansen（1995）和Hendry（1995）等将协整概念应用到VAR模型，从而发展了向量误差修正模型（VEC）。本文也将利用VEC模型进行实证分析。向量误差修正模型本质上是包含协整约束条件的VAR模型，对p阶VAR模型：
式中，yt是m维非平稳I（1）序列；xt是d维确定型变量；?着t是新息向量。经过变形，可将其改写为：
列，经过一阶差分的内生变量向量中各序列都是平稳的，所以只有构成∏yt-1的各变量都是I（0）时，才能保证新息是平稳过程。因此可得0
∏=?琢?茁' （2）
其中，两个分解矩阵的秩都是r。将式（2）代入式（1）后不难发现，?茁'yt-1中每行都有一个I（0）组合变量，即每一行都是使得变量y1，t-1，y2，t-2，…，ym，t-1具有协整关系的一种线性组合形式，因此?茁'决定了协整关系的个数与形式，它的秩r就是线性无关的协整向量的个数，它的每一行构成一个协整向量。另外，矩阵?琢称为调整参数矩阵。
在运用VEC模型之前需要进行VAR模型滞后阶数选择，滞后阶数正确与否影响实证的结果。本文将使用LR检验统计量，最终预测误差FPE，AIC信息准则，SC信息准则和HQ信息准则这五种方式严格确定滞后阶数。
（1）LR检验统计量。似然比（Likelihood ratio，LR）检验涉及两类模型，无约束模型和有约束模型。无约束模型（unrestricted model）是指没有任何限制的模型；约束模型（restricted model）是指在零假设约束下的模型。似然比统计量是无约束模型和约束模型的最大似然值之差的2倍，即：
（2）最终预测误差FPE。最终预测误差FPE（final prediction error criterion）是把下式为最小值的p作为VAR模型的最佳阶数：
最终预测误差准则的优点在于它平衡了选择低滞后阶数造成偏离性的风险和选择高滞后阶数造成方差增大的风险。
（3）信息准则。由于在应用VAR模型时希望滞后期足够大，从而能完整反映所构造模型的动态特征，但是滞后期越大，自由度就减少，因此需要在滞后期和自由度之间寻找平衡。一般根据AIC（Akaike info criterion）、SC（Schwarz criterion）和HQ（Hannan-Quinn criterion）信息量取值最小的准则确定模型的阶数，计算式如下：
AIC=-2ln+2kn；SC=-2ln+klognn；HQ=-2ln+2klog（log（n））n
同时，运用VEC模型需要进行协整检验，大多使用Johansen（1985）协整检验。协整检验法主要包括迹检验法和最大特征值检验法。
迹检验的假设为：
H0：至多有r个协整关系
H1：有m个协整关系（满秩）
这不是独立的一个检验，而是对应于r的不同取值的一系列检验。检验从不存在任何协整关系的零假设开始，接着是最多一个协整关系，直到最多m-1个协整关系，共进行m次检验，而被择假设是不变的。
最大特征根检验法的假设为：
H0r：有r个0协整关系
H1r：至少有r+1个协整关系
检验统计量为：LRmax（r｜r+1）=-Tlog（1-?姿i+1）=LRtr（r｜m）-LR（r+1｜m），r=0，1，…，m-1
检验从下往上进行，先检验H00，若接受，则表明不存在协整关系，若拒绝，则继续往上检验H01，……，直到接受H0r，表明共有r个协整关系。
2、数据与系统构建
按照本文问题分析的需要，粮食产量模型的内生变量集设定为：
xt=（FPt，RIt，PIt，trendt）
其中，FP表示粮食产量，RI表示农民收入，PI表示粮食价格，trend为时间趋势变量。为消除异方差和减少数据波动，对数据分别取对数，分别表示为LFP、LRI、LPI。因此，粮食产量模型的内生变量集设定为：
xt=（LFPt，LRIt，LPIt，trendt）
可以利用该系统分析粮食产量、粮食价格和农民收入的相互关系。
本文数据来源于《中国统计年鉴》、《中国农业统计年鉴》1983―2009年相关数据。需要说明的是，本文利用农村居民家庭人均纯收入表示农民收入，用粮食价格指数表示粮食价格。为了消除价格因素的影响，以1983年的商品零售价格指数为基期，把环比价格指数转换成定基价格指数，然后对收入和价格指数数据进行了平减。
四、实证分析
1、实证检验
（1）单位根检验。运用协整理论，需要首先实证各变量是否具有同阶单整性，本文利用目前广泛使用ADF单位根检验。检验结果如表2。
由表2可以看出粮食产量、农民收入及粮食价格的对数生成的数据为非平稳的，但它们的一次差分为平稳数据，即LNFP～I（1），LNRI～I（1），LNRI～I（1），因此，它们具有同阶单整性，满足协整检验的条件，因此它们所组成的动态系统的协整关系可以用协整理论分析。
（2）滞后阶数选择。VEC模型需要选择合适的滞后阶数，滞后阶数选择的正确与否关系到是建立正确VEC模型的关键，本文利用上述的LR、AIC、SC、和HQ统计量进行检验，选取的标准为满足准则最多的阶数。检验结果如表3。
表3表明，有大半的准则选择4阶滞后阶数，由于VEC模型变量差分一次，因此，VEC模型滞后阶数应为3阶。
（3）协整设定检验。为研究粮食产量、农民收入及粮食价格所组成的非稳定系统是否协整，我们首先需要进行协整设定检验，对于系统xt=（LFPt，LRIt，LPIt，trendt）所有的协整设定及其相关信息（滞后阶数为3）见表4。
对于表4，我们首先排除数据中有二次趋势的情况，不难看出，AIC=-16.54649（SC=-14.00737）最小，对应于数据中有线性趋势，协整关系应包含时间趋势和截距。基于此，我们运用上述的Johansen的协整理论检验这种协整以确定协整个数，结果见表5。
如表5所示，迹检验表明在0.05显著性下第一个、第二个和第三个原假设被拒绝，因此有2个协整关系。
2、实证的结果与分析
通过上述各项检验，表6为VEC模型的长期协整关系和短期调整系数，该结果清楚表达系统间的长期和短期变动情况。
这一长期均衡关系可以解释为粮食产量、粮食价格以及时间变动稳定关系。该协整关系实证了假说1。第二个协整关系可以表示为：
这实际是农民收入、粮食价格和时间之间的长期稳定关系。
由于（3）式和（4）式是稳定关系（I（0）），其线性组合仍然为稳定关系，因此结合以上两个协整关系（3）和（4），得到以下描述粮食产量、粮食价格、农民收入以及时间长期均衡关系（5）式：
（5）式表明，从长期来说，LPI、LRI的系数符号与理论一致，粮食价格引起粮食产量正向变动，农民收入引起粮食产量负向变动，实证了假说2。
由于（3）式是关于粮食产量、粮食价格以及时间长期均衡关系，该式表明，从长期来看，粮食产量受粮食价格正影响，粮食价格增加，则粮食产量增加，因此要想从长期确保粮食稳定增长，除了保证其他影响粮食产量的因素外，粮食价格也是一个重要的因素。同时从（3）式看出，在样本期里，我国粮食产量在逐年增长，尽管增长幅度不大。
（4）式是农民收入、粮食价格和时间之间的长期稳定关系，由（4）式可以看出，农民收入与粮食价格成正向变动关系，粮食价格越高，农民收入越高。其原因可能是，一方面国家对粮食实行价格保护政策，粮食价格相对价高，因此，农民从粮食获得收入较高。另一方面，由于国家采取一系列粮食补贴政策，降低了农民种植粮食的成本，因此，增加了种植粮食的积极性，粮食产量增加，在粮食价格保护政策下，农民收入也就增加。因此粮食价格是增加农民收入的动力。从时间趋势相的系数来看，我国农民的收入也在较大幅度不断增加。
（5）式把三个变量作为一个系统描述它们之间的关系，根据（5）式可以看出，粮食产量、粮食价格、农民收入以及时间存在长期均衡关系，从长期来说，粮食价格对粮食产量产生正向影响而农民收入对粮食产量产生却产生负影响。关于粮食价格对粮食产量的正影响很好理解，粮食价格增加，农民从粮食生产中获得更多收入，从而增加农民种植粮食的积极性，因此粮食产量增加。但是关于农民收入对粮食产量负影响理由可能是农民收入不仅仅来源于经营性收入，而且还有工资性收入，财产性收入，以及转移支付收入等，而且其他非经营性收入相对经营性收入给农民带来更大的效用，因此其他收入对粮食产量产生“挤出效应”。即，由于其他非经营性收入比经营性收入获得更大的收益，农民转向其他行业，因此减少了粮食产量生产，粮食产量降低。
同时由表5知道，在LFPt方程中，α1和α2系数都不显著，对LFPt做外生性检验，即假设α1和α2系数同时为0，检验结果接受原假设，因此，粮食产量对于长期协整关系来说是弱外生变量，（5）式所示的协整关系对这一变量的短期变化不具有有效的调节效应。同时，说明粮食产量是政府可以控制的变量。类似的，在LRIt和LPIt方程中，α1和α2系数都不显著，对LRIt和LPIt做外生性检验，检验结果接受原假设，因此，农民收入和粮食价格对于长期协整关系来说也是弱外生变量，（5）式所示的协整关系对这一变量的短期变化不具有有效的调节效应，它们也是政府可以控制的变量。综上所述，尽管在长期，粮食价格支配着粮食产量，但是在短期，这种粮食产量的稳定性还不能对即期粮食价格产生有效的调节作用，这一结论隐含的意义为，粮食产量不宜作为我国提高粮食价格的目标变量。而农民收入的弱外生性表明，我国粮食产量还不足以对农民收入的短期调整产生显著影响。
五、结论
本文首先对我国粮食产量、粮食价格和农民收入进行描述性分析，通过对农民收入结构分解分析的基础上，运用VEC模型实证检验粮食产量、粮食价格和农民收入三者之间的关系。结果显示，粮食产量、农民收入和粮食价格存在长期均衡关系，从长期来看，粮食产量受粮食价格正影响，因此要想从长期确保粮食稳定增长，除了保证其他影响粮食产量的因素不变外，粮食价格是一个重要的因素。而在样本期内，农民收入对粮食产量具有负效应，这主要是因为，在农民收入结构中，农业经营性收入在总收入的比重在下降，农民收入的增加主要取决于其他非农业经营收入（尽管经营性收入比重仍然很大），由于其他非经营性收入比经营性收入获得更大的收益，农民会转向其他行业，因此减少粮食产量生产。同时，由弱外生性检验表明，粮食产量、农民收入和粮食价格对于长期协整关系来说都是弱外生变量，它们对短期变化不具有有效的调节效应，尽管在长期，粮食价格支配着粮食产量，但是在短期，这种粮食产量的稳定性还不能对即期粮食价格产生有效的调节作用，这一结论隐含的意义为，粮食产量不宜作为我国粮食价格的目标变量。而农民收入的弱外生性表明，我国粮食产量还不足以对农民收入的短期调整产生显著影响。由于，粮食产量、粮食价格和农民收入都是弱外生变量，是政府可以控制的变量，因此，政府可以对他们进行适应性的宏观调控以保证粮食安全，粮价稳定和农民收入增长。
【参考文献】
[1] Park，Albert. Do Grain Quotas Matter?[M].grain Research Institute，Standford University，1993.
[2] Roland. Reform without Losers: An Interpretation of China’s Dual-Track Approach to Transition，Forthcoming[J].Journal of Political Economy，1998（21）.
[3] Nigel Key. Transactions Costs in the Agricultural Household Model:Implications for Price Response and Estimation[J].Paper Presented at AAEA Annual Meeting，San Antonio，July. 1996.
[4] 孙娅范、余海鹏：价格对中国粮食生产的因果关系及影响程度分析[J].农业技术经济，1999（2）.
[5] 高明：现阶段农户对耕地投入的实证研究[J].中国农业资源与区划，2005（2）.
[6] 雷钦礼：中国粮食生产的价格作用机制分析[J].统计研究，2005（3）.
[7] 张治华：价格对我国粮食生产影响的实证分析及政策建议[J].中国农村经济，1997（9）.
[8] 金和辉：计划与市场条件下的中国农户粮食的供给反映.经济研究[J].1990（9）.
[9] 郑毓盛、曾澍基、陈文鸿：中国农业生产在双轨制下的价格反应[J].经济研究，1993（1）.
粮食产量范文3
关键词：粮食产量；C-D生产函数模型；影响因素；中国
中图分类号：F762.1 文献标志码：A 文章编号：1673-291X（2009）07-0024-03
2008年中国粮价上涨过快，通货膨胀压力明显加大，不仅给低收入群体生活带来很多困难，也给国民经济的快速发展带来了极大的困扰，因此认真研究和加深了解中国粮食生产的规律和特点，对于稳定发展粮食生产具有重要意义。
一、模型设计
（一）C-D生产函数（Cobb-Douglas Production Function）模型简介
生产函数这一名词是由美国数学家Charles.Cobb和经济学家Paul.Douglas提出来的。他们利用20世纪初美国的历史统计资料，展开了资本投入（K） 和劳动投入（L）对产量（Y） 的影响研究， 得出了一种生产函数。这种生产函数可以很好地分析资源投入与产品产出之间的经济数量关系，因此被广泛地运用。其基本模型为：
Y = AK α L β
其中A是常数项，代表一定的技术水平。α，β分别为资本投入和劳动投入的生产弹性。
（二）粮食产量数学模型的设立
1.数据来源与模型设立
为了基本涵盖这4类因素， 本文选择了L：种粮的劳动力数量（万人）、M：粮食作物播种面积（万公顷）、K：化肥用量（万吨）、 P：农业机械总动力（万千瓦）、H：成灾面积（万公顷）、E：国家净支农支出（亿元，这里用支援农村生产支出和各项费用）为解释变量。μ为随机变量，Y是中国年粮食产量（万吨），是被解释变量。模型使用1978―2005年时间序列数据，全部数据来源于各年的中国统计年鉴，计量软件是EVIEWS 5.0。
因此粮食产量的C-D模型可以写成如下形式：
lnY = lnA（t） + β1lnL + β2lnM + β 3lnK + β 4lnP + β 5lnH
+β 6lnE + μ
其中A（t）代表技术进步，β i代表产出的弹性系数，μ是随机变量。
2.模型优化、参数估计与检验
首先用最小二乘法对数据进行回归，得到以下回归结果：
从回归结果来看，拟合优度为0.95，调整后的拟合优度为0.94，说明模型模拟效果很好。F值较大，表明计量方程从整体上有较好的解释能力。但是农业劳动力变量没有通过t检验，另外产出与播种面积、农业机械动力和政府支农的反向作用，在经济意义上有矛盾，可能解释变量之间存在互相关。
通过对变量间简单相关系数研究（见表2），发现各变量之间都存在相关关系，因此存在多重共线性，只能对变量逐步回归，以求出最优模型。
用Y的对数分别对L、M、K、P、H、E的对数作一元线性回归，找出拟合状况最好的回归模型（表3）。经过逐一回归和比较，可以看出粮食产量Y与农业劳动力L、化肥用量K、农业机械动力P以及政府农业支出E有显著关系。但是通过综合比较，发现粮食产量与化肥使用量的弹性关系最显著，因此以Y=F（K）为初始模型，将其他变量分别引入基本回归模型中，然后寻找最佳回归方程。
通过逐步回归发现（表4），第二到第五个方程的拟合优度R2和F检验都通过了，D.W检验都在无法判定区域（查表得dL=1.03，dU=1.85）。通过比较，最后我们选择第四个方程作为最优方程：
lnY = 4.94 + 0.50lnK - 0.14lnP - 0.05lnE
（7.94） （8.53）（-2.00）（-1.99）
R2 = 0.92， F = 104， D.W = 1.51
通过有交叉项的White检验，得到表5。从表中看出，检验的相伴概率是0.259253，不能拒绝零假设，因此模型不存在异方差。
由D.W检验表明， 在5%的显著性水平下， n=28， k=3（不包含常数项）， 查表得dL=1.18， dU=1.65，由于D.W=1.51，介于dL 、dU之间，因此无法断定是否存在自相关，只能通过残差散点图来验证，验证发现该随机误差项存在轻微的正相关。于是利用Cochrane-Orcutt迭代法对模型进行修正，经过数次迭代后，对残差做辅助回归，其系数ρ达到稳定状态，得到粮食产量回归模型：
lnY=3.56+0.51lnK-0.10lnP-0.06lnE
（3.65）（6.03）（-1.00） （-1.32）
R2= 0.84， F= 47.6，D.W = 1.82
通过White检验，得知该时间序列数据不存在异方差（见表6）。并且DW=1.82位于dU 与4-dU之间，因此通过Cochrane-Orcutt迭代后消除了模型的自相关，但是后两项的t检验效果变差。
（三）模型结果分析
在所考察的6个影响因素中化肥使用量的生产弹性系数最大为0.51，农业劳动力的弹性不高，表明农民素质有待提高，才能使劳动力的产出弹性增大。农业机械动力和国家农业支出的弹性系数为负表明中国农业机械动力没有得到有效利用，国家农业支出的增加可能很多资金没有真正用在改良农村基础建设上。耕作面积与产出的关联性小是因为尽管中国耕地在不断的减少，但单位产量在不断增加，体现了科技进步的作用，计量结果所产生的反向关系并不表示面积越少，产量越多的意思。成灾面积会影响产出增长，但弹性影响并不大。
二、结论与政策建议
从上述计量结果来看，化肥使用量对中国农业产出的增长一直起着不可替代的作用，但是因为化肥使用带来污染，破坏生态环境，甚至危害人的生命安全，所以我们对此不容忽视，从长期来看，虽然要增加化肥投入，但是要减少无机化肥投入的比例，增加有机和微生物化肥投入的比例。其次是我们要科技兴农，提高农民的农作技术和个人素质，使农业劳动力的产出增长弹性变大，同时大力发展科技和创新经营机制，促使农业劳动力转移，实现规模化经营，提高生产率等。再次是我们要优化配置农业机械动力，一些适合规模经营的农业地带应该配置更多的机械动力，而只适合小范围经营的丘陵地带应减少机械动力。第四是增加粮食生产需要政府加大价格支持和生产资料补贴，加强抗自然灾害和市场风险的能力，加大收入支持等措施，但是这些措施必须落到实处。最后增加粮食产量必须保证粮食种植面积不能大幅度地减少，因此必须抑制政府随意出卖土地增加财政收入的行为，同时要回归粮食真实价格，不能人为过分压低粮食价格，造成农民弃地不种的现象发生。
参考文献：
[1]陆文聪.对中国主要农产品产需变化趋势的基本判断及其政策启示[J].中国农村经济，2004，（2）:16-24.
[2]王玉斌，蒋俊朋，王晓志，陈慧萍.中国粮食产量波动影响因素实证分析[J].北京农学院学报，2007，（1）:38-41.
[3]肖国安，王文涛.粮食产量主要影响因素实证分析及政策选择[J].湖南科技大学学报，2007，（3）:90-93.
[4]谢杰.中国粮食生产影响因素研究[J].经济问题探索，2007，（9）:36-40.
[5]易丹辉.数据分析与应EVIEWS应用:第1版[M].北京：中国统计出版社，2002.
粮食产量范文4
一、研究背景及意义
作为发展中国家，我国一直致力于促进经济的发展。然而，任何经济的发展，必须以农业的发展为基础。正所谓“大军未动，粮草先行”，粮食正是经济发展的保障，是农业的根本。
尽管改革开放以来，我国粮食总产量总体趋势是增长的，但这种增长并不稳定[1]。从市场经济的角度来看，影响粮食产量的是粮食的价格，尤其是粮食的收购价格；从生态学的角度来看，影响粮食产量的是包括气候、物种生存等等的环境因素，风调雨顺自然大丰收，而自然灾害频发只能导致大量减产。市场经济分析的方法，已有经济学家在为是否应当设定粮食收购的最低价及其影响进行研究。而环境因素是整个粮食生产的大环境，对粮食产量的影响是有目共睹、毋庸置疑的。同时，在对粮食产量所进行的研究中，灰色系统理论分析、最小二乘法、多元回归法都是常用的方法[2]，而少有学者运用岭回归的方法来进行研究。本文尝试从中国统计年鉴查找有关粮食生产的数据，运用岭回归分析的方法找到影响粮食生产的主要因素以及影响方式，为中国粮食产量这个宏观问题给出另一种微观分析视角和尽量令人信服的解释。这也是本文研究意义所在。
二、模型的建立和变量的选择
对我国粮食产量问题进行的研究一直也是相关学者们的工作。王玉斌等人通过对1949-2004年和1978-2004年两个区间段内我国稻谷、小麦和玉米产量的波动进行分析后，选用了减税纯收益、成灾面积、劳动用工数量、物质投入情况等六个变量，运用最小二乘法进行了实证研究。2009年，吴英杰[3]通过建立柯布道格拉斯对数形式的生产函数，对1978-2005年的相关数据进行了回归分析。文章选用的指标包括劳动力数量、粮食作物播种面积、化肥用量、国家净支农支出，分析结果证实了她们对粮食产量的影响作用，并且化肥使用量的弹性系数最大。陈秧分和李先德[4]在2013年进行的研究中，建立了一个包含土地、劳动力、资本和宏观背景四个方面共11个指标的模型，对中国粮食产量变化进行了分析。模型中包含了耕地面积、受灾面积、农业劳动力、农业机械总动力等。综合相关研究，以及数据的可得性，本文选取了农业化肥施用量、粮食播种面积、农业机械总动力、农业劳动力以及成灾面积作为本文模型中的自变量。数据来源于1983-2012中国统计局官网的相关统计结果。
本文建立的模型如下：
μ指其他政策因素以及对因变量有影响的随机因素
三、统计分析及结果
应用SPSS软件对所收集的数据进行回归分析，结果如表一：
表一 5个因素对粮食产量影响的回归结果
查表可知，在0.05的置信水平下，F（5，24）=2.62，t0.025（24）=2.064，由以上结果可知，模型的整体拟合优度为0.987，并且F检验高度显著（F=359.416，P=0.000）说明模型对实际问题的拟合情况比较好。杜宾沃森值也比较接近于2，说明模型并不存在严重自相关问题。但是回归系数的显著性检验中，X4，X5的回归系数都无法通过，同时，X4和X5的回归系数为负值，显然与经济意义不符。说明用所有5个变量做回归并不是很好。
从VIF值可以看出，农业化肥施用量以及农业机械总动力这两个自变量的方差膨胀因子远远超过10，说明存在严重的共线性问题。另外，由方差比例表可以看到，第5行X1，X4，X5的方差比例值同时比较大，分别为0.59，0.54.0.52，第6行X2的方差比例值也较大，为0.91.也说明模型中这几个变量之间存在多重共线性。
以上5个自变量在实际问题中，肯定都对粮食产量有影响，因此不能简单剔除某些因素以消除或减少共线性问题。这里我们尝试使用岭回归的方法，其结果如表二至表四：
表二：5个因素岭回归分析R2与β系数和K值关系表
从岭迹图上可以看出，X4、的标准化岭回归系数比较稳定，并且绝对值很小，按照岭回归剔除变量的原则，可以予以剔除。而其他几个因素的标准化岭回归系数都是比较平滑地趋近于零，无法予以剔除。经过以上分析，模型中保留的自变量为X1，X2，X3，X5，再做岭回归，得岭迹图如表五和表六：
表五：4个因素岭回归分析R2与β系数和K值关系表
为了保证岭迹回归图上各回归系数的岭估计基本稳定，并且符号合理，取K=0.05，做岭回归估计，得结果如表七：此时，模型拟合优度为0.9794464，F=297.8330972，P=0.000高度显著。同时，岭回归的残差平方和为18294458，是原来的残差平方和11730433.58的1.56倍，相差不大。可以说，模型的拟合效果很好，各解释变量的经济含义也是符合的。
岭回归方程为：Y=-25204.16341+4.28843X1+0.52375X2-0.11790X3+0.03814X5
标准化岭回归方程为：Y=1.01295X1+0.35211X2-0.12237X3+0.02476X5
但是在回归系数的显著性检验中，在0.05的置信水平下，农业劳动力对粮食产量的影响不显著。这并不能说农业劳动力对粮食产量没有影响。出现这个统计分析结果，可能是由于农业机械化水平的提高导致的机械对劳动的替代，以及粮食品种的改良和种植技术的提高等因素造成的。
四、结论及建议
从以上岭回归结果可以看到，农业化肥施用量、粮食播种面积以及农业劳动力数量均对粮食总产量存在正向影响，也就是在一定条件下，可以通过提高农业化肥施用量、扩大粮食播种面积以及加大农业劳动力投入的方式来提高我国粮食产量。这需要我们做好农业化肥销售和定价工作，科学施肥，还需要在产业结构调整的同时，注意保障农业用地和农村劳动力的教育和扶持政策。另一方面，成灾面积对粮食总产量存在反向影响关系。这一点提醒我们要注重生态环境保护，减少二氧化碳和其他污染物的排放，尽量减少甚至避免认为因素引起的各种灾害，真正为粮食增产保驾护航。
参考文献
[1]王玉斌，蒋俊明，王晓志，陈慧萍.中国粮食产量波动影响因素实证分析[J].北京农学院学报，2007年10月.第22卷第4期 P38-41.
[2]高卫，张电学，雷利军，刘杰.中国粮食产量影响因素分析及研究方法综述[J].安徽农业科学，2014，42（33）：11954-11955，11958
[3]吴英杰.中国粮食产量影响因素实证分析[J].经济研究导刊，2009年第7期：24-26.
[4]陈秧分，李先德.中国粮食产量变化的时空格局与影响因素[J].农业工程学报，2013年10月第29卷第20期：1-10.
作者简介
梁雨薇.198708.女.汉.湖北红安.云南大学.管理科学与工程.项目管理方向.硕士研究生
粮食产量范文5
这样的丰收成果让人欣喜。今年，长春市调减了1.49万公顷籽粒玉米种植面积，用来发展蔬菜、食用菌、水果、花卉苗木等特色产业。玉米种植面积减少了，但粮食产量创下了历史新高，这是如何实现的？“长春市紧紧围绕现代农业建设，着力提高农业综合生产能力。”市农委相关负责人表示，长春市立足“黄金玉米带”优势，通过提高单产来实现粮食总产的稳步提升。集成推广重大增粮技术、大力推进全程机械化、着力培育新型农业经营主体、加强农业基础设施建设……这些都成为长春市粮食产量创新高背后的“神秘力量”。
推广保护性耕作技术覆盖所有旱田乡镇
九台区城子街镇陈家村张显文家的院子里，金灿灿的玉米堆成了小山，趁着天气晴好，老张正忙着晾晒玉米。“今年收成相当不错，一公顷地差不多能打12500公斤粮！”张显文捧起几棒玉米，颇为兴奋。
张显文是当地有名的种粮大户，今年种了120公顷玉米，全部采用保护性耕作技术。免耕播种、苗期深松、秸秆还田、秋季深翻……从种到收，张显文严格执行保护性耕作的各个技术环节，换来了大丰收。“现在玉米价格降下来了，必须得在提高产量上下功夫，这个技术算是用对了，增产效果非常明显。”张显文对保护性耕作技术赞不绝口。
经过多年推广，保护性耕作技术已经深受长春市农民认可。今年，这项技术覆盖了长春市所有旱田乡镇，不仅面积发展到18万公顷，还建设了100个示范点，呈现出良好的发展态势。“保护性耕作实施的总面积保持稳定增长，种植模式标准也趋于统一，已成为长春市重点推广的重大增粮技术。”市农委相关负责人表示。
推进全程机械化综合农机化水平达81%
玉米籽粒收获机、免耕播种机、深松整地机……榆树市弓棚镇喜迎春农机合作社占地6000多平方米的农机库房里，60多台（套）农机整齐排列，颇为壮观。“今年能丰收，这些机器立了不少功，忙活了一年，得好好保养保养！”这几天，喜迎春合作社理事长蒋恩凯正忙着组织农机手对农机进行检查保养。
“春天种地时，机械播种又快又好，为增产打下了好基础。夏天田间管理时，农机防病虫害的效果特别好，减少了损失。”目前，喜迎春合作社从种到收实现了全程机械化。蒋恩凯拍着一台高大的玉米籽粒收获机颇为自豪地说，这台产自芬兰的农机价值115万元，成了秋收的“功臣”，“以前从收割到运输、储存，玉米损失率都挺高，有了这台机器，直接就能把玉米粒收回家，颗粒归仓。”
今年，长春市农业耕种收全程机械化作业水平有较大提升。“综合农机化水平较去年提升2.5个百分点，达到81%。”市农委相关负责人介绍说，长春市今年还深入实施国家粮食生产全程机械化整体推进行动，重点抓了20个新型农机服务组织建设工作，大力推广机艺组合新技术，助力粮食生产。
发展新型经营主体流转耕地40.15万公顷
“我大概算了一下，我们合作社的粮食平均产量能比普通农民高出10%以上！”今年，位于榆树市的吉林省田丰农机专业合作社的玉米种植面积达到600公顷。忙完了秋收，合作社理事长陈卓开始“秋后算账”。
规模经营，成为田丰合作社粮食高产的“秘诀”。土地规模化经营，不仅降低了农业生产成本，更有利于先进技术的应用，从而提高粮食产量。
“就拿春天种地来说，化肥企业专门到地里为我们测土配方，根据土地实际情况，减少了磷肥的施用。”肥料“私人定制”，让合作社的农业生产赢在了起跑线上。
粮食产量范文6
2010年,铁岭市春季受持续低温多雨的影响,大部地区整地困难,致使大田播种及水稻育苗播种期推迟10-15天。苗期光、温、水条件比较适宜,有利于作物的生长发育,作物发育进程加速。7月下旬到8月上旬出现历史同期最严重洪涝,此间多雨寡照,造成玉米授粉不良,水稻穗粒数减少,严重影响2010年的粮食产量。2010年,铁岭市全年粮食总产量在大灾之年仍然达到71亿斤,成为铁岭市历史上第二个丰收年。
1 有利条件
1.1 苗期光温水匹配较好,一定程度上弥补了播种偏晚的不足
5月上中旬,铁岭市各地频繁出现降水过程,土壤墒情较好,对大田作物出苗和苗期生长非常有利,作物长势较好。受前期持续低温多雨、播种推迟影响,铁岭市大田作物从5月中下旬才开始陆续出苗。5月下旬农作物进入苗期后,气温偏高,光照条件好,对幼苗生长十分有利。从5月观测地段的作物观测数据显示,水稻于5月11日出苗,发育期比常年晚20天;大豆5月9日播种,24日出苗,发育期分别比常年晚10天和3天;观测地段玉米5月16日播种,26日出苗,30日进入3叶期,发育期分别比常年晚25天、14天和12天。从发育期资料可以看出,由于5月后期升温较快,作物发育期正逐渐拉近与常年的距离。各地苗情长势普遍较好,均为一、二类苗。
6月上旬铁岭市气温偏高,光照充足,尽管大部地区没有降水,但由于前期土壤墒情条件好,光、温、水条件非常有利于作物的生长发育,作物发育进程加速。旬末铁岭市昌图县西北部地区及岗坡地旱象露头,但对作物蹲苗比较有利,促进作物根系下扎,提高了作物的抗旱能力。
1.2 作物营养生长阶段温、光、水匹配较好
6月铁岭市光、温、水匹配较好,利于大田作物生长发育,各地作物发育进程加速,与5月份相比,农作物发育进程与常年的差距缩短3-14天。
7月上中旬降水时段分布较好,使农作物顺利进入生殖生长阶段。对处于生殖生长阶段的大田作物生长有利。
1.3 粮食作物播种面积增加
2010年铁岭市加大粮食作物种植面积,全市粮食作物总种植面积435533公顷,比上年增加19070公顷。由于粮食补贴政策作用,玉米面积大幅增加,大豆面积锐减(见表1)。
2 不利条件
2.1 春播期低温多雨,回暖晚,影响播种进度
2010年铁岭市春季气温特低、降水特多,日照时数特少(见图1),均为有气象记录以来的最低值、最多值、最少值。受持续低温多雨的影响,冻土解冻速度缓慢,土壤化通日期较常年偏晚6-9天。日平均气温稳定5℃、10℃的日期分别出现在4月15日、18日,5月1日,分别较常年晚7-11天、5-10天。受低温和农田偏湿的影响,铁岭市大部地区整地困难,致使大田播种及水稻育苗播种期推迟10-15天。铁岭市近50万亩玉米改种了生育期125天的中、早熟品种,影响产量。
2.2 春播期低温多雨,适播期短,苗不齐不壮
春播期低温多雨,适播期短,机播质量不高,加之土壤湿度大、地温低,早播地块出现粉籽、烂籽现象,出苗不齐,有补种现象;这些地区的农作物也会导致苗期作物根系呼吸不畅,发育不良;无法形成发达的根系,苗弱、易感染病害。
2.3 春季低温,水稻分蘖数少于常年
铁岭市2010年春季气温特低,地温回暖缓慢。水稻插秧较常年偏晚15-20天,地温低、水凉,水稻返青慢、分蘖数少于常年。从观测地段看,今年每亩地分蘖数比去年少4.78万株,将减少5-6%。
2.4 阴雨寡照时段明显,影响产量
7月份至8月上旬铁岭市出现阴雨寡照天气,降水日数达20-21天,光照偏少22-72小时,尤其是7月下旬至8月上旬偏少18-49小时,大部地区光照不足。此期间正值玉米开花授粉,较多的降雨会冲掉花粉,田间湿度较大时,花粉散出也不顺畅,花粉扩散能力下降,使授粉不良,出现秕粒、秃尖等现象。7月末水稻进入营养生长和生殖生长并进的拔节孕穗期,此时又遇连续阴雨,气温偏低,光照不足,水稻叶龄进程普遍延缓,抽穗期延迟,将导致穗粒数减少,影响了水稻的产量和品质。
2.5 洪涝灾害造成部分地块绝收
7月中旬末至8月上旬,铁岭市出现两次较大范围的强降水天气过程。其中7月19日夜间至22日08时铁岭市出现了历史罕见降水过程,大部分地区降水达到大暴雨量级, 此次降水无论量级和强度均为铁岭市有气象记录以来最强降水过程。此次特大暴雨过程造成严重损失,铁岭市8个县(市)、区74个乡镇受灾。8月4日至5日,铁岭市再次出现强降水,强降水出现在铁岭市昌图县地区,26个乡镇在100毫米以上,为大暴雨量级;其他地区雨量为50-100毫米,为暴雨量级;最大降水出现在昌图县付家镇为193.2毫米。
7月20日以来,铁岭市各地降水量达355-569毫米,较常年偏多1.6到2.9倍(见图2)。
据统计,到8月11日,持续的暴雨洪涝灾害造成铁岭市8个县(市)区、102个乡镇受灾,直接经济损失35.696亿元。持续暴雨天气使部分地区农田土壤过湿,低洼地块出现作物被淹现象,影响根系呼吸和正常生长,造成作物生长缓慢,发育延迟。部分农田排水困难,雨水积聚过多,使得作物被淹绝收。
3 后期气象条件及农事措施
8月中旬到9月份铁岭市降水正常。热量条件较前期相比明显偏好。农作物生长后期气温差大,早霜较晚,确保了粮食作物的安全成熟。铁岭市各级部门积极抗旱自救,对绝收地块毁种叶菜类,尽量减少洪涝损失。水稻后期加强田间管理,促进水稻光合作用,提高光能利用率,注重稻瘟病、水稻纹枯病、稻曲病防治,生育中后期控制氮肥用量,以浅水灌溉为主,抽穗开花期保持浅水层,灌足生态需水;灌浆期开始间歇灌溉,改善土壤的通气状况,增强根系活力。适当去除部分老叶以有效增加田间通风、光照,促进玉米后期生长;玉米将少数没有结棒能力的弱、小株剔除,既能节肥,又能利于田间通风透光。同时做好玉米螟、大斑病等病虫害的防治工作。
另外,2010年粮食播种面积大幅增加,农业产业整体科技含量稳步提高,政府积极落实支农惠农政策,也是2010年粮食增产的重要因素。2010年,铁岭市全年粮食总产量在大灾之年仍然达到71亿斤,成为铁岭市历史上第二个丰收年。
4 结论
2010年,铁岭天气气候自然因素对粮食产量的影响很大,成为限制粮食产量的主要因素之一。小区域的天气气候环境虽对农作物生长有直接影响,但粮食产量仍在变化波动中上升。
参考文献
