（一）模型建立

建立如下线性模型：

GAP _i = β ₀ + β ₁ ALP + β ₂ TMP + β ₃ EIA + β ₄ AFU + β ₅ AC + β ₆ AI + β ₇ MAI + β ₈ AP + β ₉ AL + β ₁₀ AEC + β ₁₁ AL + C

其中，GAP（Gross Agricultural Production）代表农业的生产总值，ALP（Agricultural Labor Population）代表农业劳动人口，TMP（Total Machine Power）代表农业生产机械总动力，EIA（Effective Irrigation Area）代表有效灌溉面积，AFU（Agricultural Fertilizer Use）代表农业生产化肥使用量，AEC（Agricultural Electricity Consumption）代表农业生产用电量，AP（Agricultural Policies）代表农业政策。

现代服务业：AL（Agriculture Logistics）代表农业物流，AC（Agricultural Credits）代表农业贷款，AI（Agricultural Insurance）代表农业保险，MAI（Modern Agricultural Information）代表现代农业信息。

（二）数据预处理

图2-1为GAP的时序图，图中明显看出GAP有明显的趋势性，需对原始数据进行平稳化处理。根据克拉默法则，对数据进行差分，从二阶相关的自相关图和偏自相关图中可以看出，进行差分后的数据序列已经平稳，二阶差分的自相关和偏自相关图如图2-1。

对差分后的GAP进行平稳性检验结果的t值为-8.180119，在大于0.01水平检验的临界值，即说明在1%的显著性水平上，GAP能够通过单位根检验，有99%的可能是平稳的。

对于其他自变量，通过观察发现，也都具有明显的趋势性，数据呈现不平稳性，分别对 ALP 、 TMP 、 EIA 、 AFU 、 AEC 、 AP 、 AL 、 AC 、 AI 、 MAI 全部自变量进行二阶差分处理，使其数据平稳，并通过单位根检验。

（三）线性回归

根据已建立的模型，利用最小二乘法进行线性回归分析：

GAP =189911.038-1.239 ALP -0.397 TAV +0.043 EIA +21.342 AFC -0.726 AL +100.160 AI +396.692 MAI +1.708 AP -263.157 AR +1.813 AE

（11526.993）　（1.005）　（0.583）　（1.681）（8.061）　（-0.359）　（34.549）　（272.590）　（0.775）　（137.434）　（5.196）

R ² =0.998，Adjust R ² =0.996，F=542889

从分析结果来看，各自变量与因变量之间不存在显著的相关关系，如机械总动力、有效灌溉面积和农业生产用电量等在10%的水平上不显著，一些自变量的系数亦不符合预期，如从事农业生产活动的人口数量应该与GAP呈正相关的关系，但是其拟合系数却为负值，这与预期情况有很大的出入，机械总动力和农业物流运输两个变量的系数也为负，同样不符合我们的研究预期，除了要考虑数据本身，还需要考虑到自变量之间是否存在多重共线性的问题。

最小二乘法中多用中和统计检验法检验自变量之间是否存在共线性的情况，我们假设的模型中，R ² 与F值较大，仅有农业生产的化肥使用量和农业保险两个变量通过了t检验，也就是说这两个变量对GAP的联合共线性有显著作用，其他变量之间则存在共线性使得它们对GAP的联合作用不显著，也就是说这些变量之间有很大可能存在共线性的情况。

（四）逐步回归

使用逐步回归来检验和剔除自变量之间多重共线性的影响。利用最小二乘法对自变量逐个进行关于因变量的回归，得到结果如表2-1所示。

从检验结果可以看出，在10个相互独立的自变量中，模型5中可以看出农业生产总值GAP与农业用电量AE之间的拟合呈现最好的结果，也就是说农业生产总值与用电量之间的线性关系是最强的。相关关系方程如下：

GAP =-1383.090+10.577 AE

（1982.024）　（0.495）

R ² -0.956，adjusted R ² -0.954，F=456.934

从方程来看，R ² 和F值较大，即证明了假设，农业用电量能够很好地解释农业生产总值的变化，农业用电量越多，则农业生产总值越大，且农业用电量即使在1%的显著性水平上也是显著的。

按照相同的方法将其余9个解释变量逐一代入建立的一元回归方程中，比较新增变量对模型的影响和对其他解释变量的影响，并筛选出一些统计不显著的变量，最后选择一个满意度拟合模型。拟合过程见表2-2。

最终模型为：

GAP=113917.733+1.427 AE +1.962 AP +19.633 AFC +37.825 MAI +49.651 AI -1.401 ALP

（93774.290）　（4.995）　（0.708）　（9.204）　（239.270）　（28.025）　（0.993） kvv6FbQtsQz3KBODJInXAhk8T9uxOwIr9TM4HF3sxjIGl6u5+WG6FvJIlGXTjzZe