以下工作试图了解变量，这些变量是解释农业部门总生产率行为的先验决定因素，以1974年至2014年之间的时间为一个时间序列，强调了资本，劳动力的影响模型中的消耗；为此，执行生产功能。
决定因素-gdp-农业-哥伦比亚这项工作试图了解将农业部门的国内生产总值作为因变量的因素，这些因素包括：体力劳动和人力劳动，合格和非技能资本以及电能消耗是否会影响农业部门。以先前在该主题上的工作为出发点，其中已经证明了这些工作是有意义的，但是应该注意的是，要进行的工作由Cabb Douglas函数组成，用于开发以下等式中表示的模型：
YPIBAGRO =CFα1CHα2TCα3TNα4CEα5
将执行相关测试以显示每个测试是否通过，例如：多重共线性测试，正态性，自相关，内生性和异方差测试。考虑到1974年至2014年的信息（时间序列），这些信息来自世界银行和DANE。之一
理由
本调查试图分析过去40年来哥伦比亚所面临的农业部门的GDP，这是影响哥伦比亚农业部门面临的进程的变量和原因。
目标
总体目标
- 了解模型中的实物资本，人力资本，熟练劳动力，非熟练劳动力和电能消耗变量是否真正重要。
具体的目标
- 描述要工作的变量应用不同的测试，以了解变量中的每个变量是否显着分析通过经济理论获得的结果验证模型是否显着，如果不做相应的调整
使用的方法
它与Cabb Douglas函数一起使用：
YPIBAGRO =CFα1CHα2TCα3TNα4CEα5
哪里
YPIBAGRO =农业部门国内生产总值百分比
CF α1 =物质资本
CH α2 =人力资本
TC α3 =熟练工作
TN α4 = 非技术工作
CE α5 =电能消耗
为了能够以线性方式工作，将应用每个变量的自然对数，其形式为：
LNYPIBAGRO = A +LNCFα1+LNCHα2+LNTCα3+LNTNα4+LNCEα5+ u
参考框架
理论框架
模型的理论解释
进行这项研究时所考虑的理论分析基于Solow增长模型，该模型告诉我们生产将取决于雇用的劳动力数量（L）和固定资本的数量， （即生产中使用的机械，设施和其他资源）和可用技术（如果在相同的劳动力和资本水平下改进技术，则可以生产更多，尽管在模型中通常假定技术水平保持不变） 。
此外，该模型假设增加GDP的方法是通过改善资本end赋（K）。换句话说，一年中生产的一部分被节省并投资于积累更多的资本或固定资本商品（设施，机器），因此第二年可以生产更多数量的商品，因为还会有更多的商品可用于生产的机械。
在这种模型中，经济增长基本上是由资本的不断积累产生的，如果每年增加可用于生产的机械和设施（固定资本），则将逐步获得更大的产量，其长期积累效应将使产量显着增加。生产，因此经济增长显着。
该模型通过以下方式使用Cobb-Douglas生产函数
它说：
=总资本
=总劳动力或生产中使用的劳动力。
=是一个数学常数，代表与工作因子相关的技术
=总产量
=资本产生的产品的分数，或边际收益递减系数。
人力资本：
通常的方法是通过将识字指数与基础，平均和较高入学率相结合来衡量被称为“教育成就”的组成部分，合并入学率有助于研究。关于教科文组织编制的人力资本，并反映了学校系统内六（6）到二十三（23）岁的学龄年轻人的数量，其计算基于总入学率得出的最大入学价值是上述年龄之间的总人数的100％，而该年龄段的最低入学人数是0％。因此，为了计算毛入学率，可以包括初等教育，基础，普通（多元化，专业）和大学，将在期初注册的所有注册加在一起，并划分为六（6）到二十三（23）岁的人口。使用以下公式进行计算：
MAT =（MBasMMedMsup）/ Proy 15-23岁，其中：
MAT ：（总入学率）。
MBas：接受初等教育。
MMed：接受中等教育。
MSup：高等教育入学率。
Proy：预计人口15-23岁。二
注意：在这种情况下，工作的年龄在15至65岁之间，因为这是关于个人与农业部门相关的教育，因为他们已经是技术，工艺和专业研究。
最先进的
2001年，PilarExpósitoDíaz和XoséAntónRodríguezGonzález强调说，农业活动从根本上取决于气象条件，尤其是农业部门，畜牧部门受农业气候条件的影响较小，在许多情况下，更直接相关具有工业流程；但是他们还表明，还有其他类型的非常重要的变量，这些变量在很大程度上可以由所涉及的社会主体控制，例如基础设施的改善，农业技术资本和农业人力资本的提高，因此必须高度重视这些变量。决策者的账目，以实现生产率的提高。3
同样在2001年，发现了亚历杭德拉·纳达尔（Alejandra Nadal）的一项工作，她说农业部门的作用与其作为粮食，外汇和原材料的提供者以及生产性就业的主要产生者的职能有关。4
另一方面，1999年，费尔南德斯·迪耶斯·玛丽亚（FernandezDìezMaria）得出结论，短期内可能影响农业部门要素总生产率的因素是外国技术，人力资本和实际贸易条件的潜力，他还说，人力资本是全要素生产率的原因，这表明对农民的培训是对新知识的要求的提高。4
描述性分析
在年份（1974-2014年）中包括的研究数据内，将对用于研究哥伦比亚农业部门决定因素的每个变量进行描述性统计分析。
表1：基本统计
| LOGPIBAGRO | LOGCF | 记录 | LOGTC | 洛根 | LOGCE | |
| 意思 | 2.616967 | 7.003243 | 11.97179 | 0.336008 | 1.089454 | 6.955010 |
| 中位数 | 2.759900 | 8.983301 | 12.56507 | -0.356675 | 0.336472 | 6.736123 |
| 最大值 | 3.241601 | 9.346107 | 13.30879 | 2.653242 | 3.081910 | 18.58826 |
| 最低要求 | 1,785187 | 3.624359 | -0.354679 | -0.798508 | 0.000000 | 6.090525 |
| 标准开发 | 0.446691 | 2.713327 | 2.831597 | 1,179452 | 1.283792 | 1.878641 |
| 偏度 | -0.368381 | -0.444143 | -4.121536 | 0.667117 | 0.773470 | 5,996,391 |
| 峰度 | 1.775502 | 1.20
5575 |
18.19778 | 1.586870 | 1.628712 | 37.68348 |
| 贾克·贝拉 | 3,488779 | 6,848731 | 510.6563 | 6.452570 | 7,300487 | 2,300,733 |
| 可能性 | 0.174752 | 0.032570 | 0.000000 | 0.039705 | 0.025985 | 0.000000 |
| 和 | 107.2956 | 287.1330 | 490.8434 | 13.77633 | 44.66761 | 285.1554 |
| 总面积
开发人员 |
7.981326 |
294.4857 | 320.7177 | 55.64427 | 65.92491 | 141.1717 |
| 观察结果 | 41 | 41 | 41 | 41 | 41 | 41 |
我们观察到农业的GDP平均值为2.61％，中位数为2.75％，目标度为2.29。在电能的资本消耗中，我们发现农业部门GDP的18.58％是能源消耗的一部分。
图1.盒子和胡须。
图1提供了有关每个变量中数据分布的信息。如果我们看一下箱线图，我们可以看到变量logpibagro没有异常值，而LOGCH有异常值和极端异常值，而LOGCF的异常值不是极端值，但这可能是该变量可以产生更多异常值的第一个迹象。未来的异方差问题。其他变量并不表示它们具有任何类型的非典型数据。
至于不对称性（也是此图提供的信息），我们看到所有可行的均存在不对称性，因为它们的均值远离各自的中位数。
图形2.散射
在此图中，我们可以看到GDP变动的农业部门与有形资本之间的关系。从上面我们可以推断出存在某种分散的关系。
农业部门的国内生产总值变量与人力资本之间的关系在右侧显示了数据的集中程度，表明这些变量之间的关系尚不清楚。
在此图中，我们可以看到变量之间没有明确的关系，右侧和左侧的浓度很小。
在此图中，我们可以看到变量之间没有明确的关系，右侧和左侧的浓度很小。这使我们很难建立这种关系
变量GDP农业部门与电能消耗之间的关系以及左侧数据的集中度。
模型估计
初始模型
方法：最小二乘
日期：2016年1月5日时间：20：44
样本：1974年至2014年
包含的观察结果：41
可变系数标准误差t统计概率。
C 2.239340 0.185938 12.04346 0.0000
LOGCF 0.052955 0.016616 3.186969 0.0030
记录0.028554 0.007702 3.707490 0.0007
LOGTC -0.181236 0.047254 -3.835324 0.0005
LOGTN -0.053368 0.038561 -1.383995 0.1751
LOGCE -0.031062 0.012064 -2.574761 0.0144
R平方0.918310均值相关变量2.616967
调整后的R平方0.906640 SD依赖变量0.446691
--
回归的SE 0.136486赤池信息准则1.010728
--
残差平方和0.651997 Schwarz准则0.759961
--
对数似然26.71991 Hannan-Quinn准则。0.919412
F统计量78.68949 Durbin-Watson统计量0.424240
概率（F统计）0.000000
总体测试的决策标准：
- 如果P值小于显着性水平（0.05），则否定假设（H N）被拒绝；如果P值大于显着性水平（0.05），则不拒绝零假设。
全局测试。统计F.
HN：βi= 2、3、4、5、6、7 = 0
H A：βi ≠0
P值= 0.00000
NS = 0.05
根据决策标准，H N被拒绝。这意味着至少一个参数不同于零。
个体重要性测试。
H n：βi =0。该参数在统计意义上不能解释模型。
H A：βi ≠0。该参数在统计学上有意义，可以解释该模型。
| 变量 | 系数 | P抢 | Ns | CDD |
| Logcf | 0.052955 | 0.0030 | 0.05 | 拒绝
HN |
| 洛奇 | 0.028554 | 0.0007 | 0.05 | 拒绝
HN |
| Logtc | -0.181236 | 0.0005 | 0.05 | 拒绝
HN |
| 洛格顿 | -0.053368 | 0.1751 | 0.05 | 我不知道
拒绝 HN |
| 洛斯 | -0.031062 | 0.0144 | 0.05 | 拒绝
HN |
最小普通平方的假设检验
H n：模型误差服从正态分布。
H A：模型错误不遵循正态分布。
当呈现的概率为0.6828时，它大于显着性水平（5％），我们可以得出结论：零假设不被拒绝。换句话说，我们模型的残差没有正态分布。
多重共线性。
LOGPIBAGR
| O LOGCF LOGCH LOGTC
物流袋 |
洛根 | LOGCE | |
| 反渗透 | 之一 | ||
| LOGCF | 0.882656525 2464384 1 | ||
| 记录 | --
0.0721260990.100632102 97221276 6704271 1 |
||
| LOGTC | --
0.9116879330.8696358810.119560137 3341207 6816381 0153874 |
||
| 洛根 | -- | ||
| 0.8615395010.8301561390.1334136240.892325239
3110021 96557 4306763 0819243 1 |
|||
| LOGCE | --- | ||
| 0.4050535470.2734551270.0089461820.2923732660.292906718
9012043 5907798 38973057 6269245 4917297 1 |
| logpibagro-logcf | 4.52657751 |
| Logpibagro-logch | 1.00522938 |
| logpibagro-logtc | 5.92328941 |
| Logpibagro-logtn | 3.87973312 |
| Logpibagro-logce | 1,19627009 |
| logcf-logch | 1.0102304 |
| logcf-logtc | 4.102843 |
| logcf-logtn | 3.2170811 |
| logcf-logce | 1.0808213 |
| logch-logtc | 1.0145019 |
| logch-logtn | 1.0181218 |
| logch-logce | 1.00008 |
| logtc-logtn | 4.9078389 |
| logtc-logce | 1.0934723 |
IVF准则告诉我们，如果大于10，则可以确定存在严重的多重共线性。但不是这样，我们可以确定该模型具有轻微的多重共线性。
异方差。
•非正式测试
- 正式考试
异方差测试：Glejser
F统计量0.925083概率F（5.35）0.4765
Obs * R平方4.785867概率卡方（5）0.4426
缩放说明
SS 3,495394概率卡方（5）0.6241
ħ Ñ。 模型残差的方差是同调的。
- ^ h 一。模型残差的方差不是均方的。
因此，该概率使我们的值比5％的显着性水平小0.4426。方差是同调的，从中我们推断没有异方差
自动关联。
正式证明
我们使用BG测试执行自动关联。
Breusch-Godfrey串行相关LM测试：
F统计量10.68170概率F（8.27）0.0000
Obs * R平方31.15594概率卡方（8）0.0001
- ħ Ñ。垃圾车模型不相关positivamente.H 一个。模型残差是正相关的
CDD。像p值
通过抛出低于5％显着性水平的0.0001概率，可以确定模型残差存在自相关问题
模型估计量的准确性
| 双 | bi | CBDi |
| 1.115035 | 0.776072 | 139.20137 |
| 0.093864 | 0.069466 | 148.014148 |
| 0.003973 | 0.033658 | 1694.33677 |
| 0.770725 | 0.16096 | 41.7684648 |
| 0.04642 | 0.054881 | 236.454115 |
| 1,020749 | 0.782212 | 153.262359 |
可以看出，没有一个估计值是准确的，因为它们大于25％
内生性测试。
可能导致我这个问题的变量是非熟练工作（logtn），因此，将执行Haussman测试，而工具变量将是临时工作（logtt）
因变量：LOGTN
方法：最小二乘
日期：2016年5月1日时间：21：57
样本：1974年至2014年
包含的观察结果：41
| -统计 | 概率。 |
| 1.436767 |
0.1597 |
| 1.351215 | 0.1853 |
| 0.118045 | 0.9067 |
| 4.788316 | 0.0000 |
| 0.845820 | 0.4034 |
| 1.304951 | 0.2004 |
可变系数标准误差t
碳1.115035 0.776072
LOGCF -0.093864 0.069466-
记录0.003973 0.033658
LOGTC 0.770725 0.160960
LOGCE 0.046420 0.054881
LOGTT 1.020749 0.782212
R平方0.818782均值取决于变量1.089454调整后的R平方0.792894 SD取决于变量1.283792
回归SE 0.584240赤池信息准则1.897451
残差平方和11.94679 Schwarz准则2.148217
对数似然-32.89774 Hannan-Quinn准则。1,988766
F统计31.62748 Durbin-Watson统计1.777771
概率（F统计）0.000000
当使用工具变量运行模型时，有人指出这并不重要，也就是说，该变量与非熟练劳动力变量无关紧要，并且当提出该变量时，我们确定该变量不能更好地解释决定因素。农业部门。因此，我们继续从事与非熟练工作相同的工作。
正确的模型
由于模型存在自相关问题，因此将进行一系列转换，为纠正所提出的正态性问题，我们将采用第一种差分方法给出解决方案。
因变量：DLOGPIBAGRO
方法：最小二乘
日期：2016年1月5日时间：22：30
样本（调整后）：1975年至2014年
包含的意见：调整后为40
| -统计 | 概率。 |
| 20.97112 |
0.0000 |
| 3.826706 | 0.0005 |
| 6.385132 | 0.0000 |
| 6.813597 | 0.0000 |
| 2,577239 | 0.0145 |
| 15.21752 | 0.0000 |
可变系数标准误差t
C 7.043645 0.335874
DLOGCH 0.011901 0.003110
DLOGCF 0.040253 0.006304
DLOGTC -0.123904 0.018185-
DLOGTN -0.037450 0.014531-
DLOGCE -0.713891 0.046912-
R平方0.987701均值相关变数2.637761
调整后的R平方0.985893 SD依赖变量0.431817
--
回归SE 0.051289赤池信息准则2.965209
--
残差平方和0.089438 Schwarz准则2.711877
--
对数似然65.30417 Hannan-Quinn准则。2.873612
F统计量546.1038 Durbin-Watson统计量0.936707
概率（F统计）0.000000
我们将确定是否已解决问题
|
-0.10 -0.05 0.00 0.05 0.10 0.15
在进行测试时，可以确定概率比显着性水平大0.5345> 0.05，可以推断出模型残差继续正态分布。
异盲测试。
异方差测试：Glejser
F统计量1.540550概率F（5.34）0.2035
Obs * R平方7.388242概率卡方（5）0.1933
缩放说明
SS 8.467567概率卡方（5）0.1323
ħ Ñ。模型残差的方差是同调的。
- ^ h 一。模型残差的方差不是均方的。
概率给出的值0.1933大于显着性水平的5％，该值确定因此不拒绝HN。方差是同调的，即没有异方差
自动关联
Breusch-Godfrey串行相关LM测试：
F统计量1.910097概率F（8.26）0.1015
Obs * R平方14.80667概率卡方（8）0.0630
ħ Ñ。模型残差不是自相关的。
- ^ h 一。模型残差是正相关的
0.0630> 0.05，我们看到自相关问题已得到纠正，但仍然是8阶。
冗余变量测试转换后的模型。
冗余变量测试
等式：UNTITLED
规格：DLOGPIBAGRO C DLOGCH DLOGCF DLOGTC
日志
日志
冗余变量：DLOGTN
概率t统计量2.577239 34 0.0145 F统计量6.642163（1，34）0.0145
可能性比7.137820 1 0.0075
F检验摘要：
我们将采用的变量是dlogtn，因为在第一个模型中，它被证明是不重要的。
假设检验。
H N：dlogtn变量对于模型是多余的。
H A：dlogtn变量对于该模型不是多余的
我们可以从T统计量的概率中推断出0.0145小于显着性水平的0.05％，从而确定了原假设被拒绝，因此确定了工作变量。对于该模型来说是多余的。
通过使用第一差分方法对模型进行相应的校正，我们可以确定初始模型所提出的问题已得到纠正，即它们为开始时提出的自相关问题提供了解决方案，因此我们将其建立为我的最佳模型我们首先做出的改变
最终模型
因变量：DLOGPIBAGRO
方法：最小二乘
日期：2016年1月5日时间：22：30
样本（调整后）：1975年至2014年
包含的意见：调整后为40
| -统计 | 概率。 |
| 20.97112 |
0.0000 |
| 3.826706 | 0.0005 |
| 6.385132 | 0.0000 |
| 6.813597 | 0.0000 |
| 2,577239 | 0.0145 |
| 15.21752 | 0.0000 |
可变系数标准误差t
C 7.043645 0.335874
DLOGCH 0.011901 0.003110
DLOGCF 0.040253 0.006304
DLOGTC -0.123904 0.018185-
DLOGTN -0.037450 0.014531-
DLOGCE -0.713891 0.046912-
R平方0.987701均值相关变数2.637761
调整后的R平方0.985893 SD依赖变量0.431817-
回归SE 0.051289赤池信息准则2.965209-
残差平方和0.089438 Schwarz准则2.711877-
对数似然65.30417 Hannan-Quinn准则。2.873612
F统计量546.1038 Durbin-Watson统计量0.936707
概率（F统计）0.000000
结论
型号介绍：
Dlogpibagro = 7.043645 + 0.011901 DLOGCH + 0.040253 DLOGCF-0.123904
DLOGTC-0.037450 DLOGTN-0.713891 DLOGCE
R 2 = 98.77％R 2（已调整）= 98.58％
可以说，该模型擅长于以变量的全球形式和个体地了解农业部门的决定因素。
参考书目
参考书目
- 农业部门全要素生产率：因果关系；Fernandez Diez Maria；应用经济学研究。4
电子书
- https://es.wikipedia.org/wiki/Solow#Formulaci.C3_Growth_Model。B3n_matem.C3.A1tica; 2016年4月29日-22:30 1 http://www.eumed.net/libros-gratis/2005/mpst/2b.htm；2016年4月29日-22:33 西班牙农业部门全要素生产率的2个主要决定因素；PilarExpósitoDíaz和XoséAntónRodríguezGonzález；http://ageconsearch.umn.edu/bitstream/28736/1/01020003.pdf; 2016/05/01-21:21。3农业部门替代发展战略准则；
纳达尔·亚历杭德罗 2016/04/01-04:10;
www.ase.tufts.edu/gdae/publications/working_papers/procientec/SECTO R％20AGRICOLA％20（FINAL）.pdf。5
- 秘鲁农业部门及其与宏观经济环境的关系：计量经济学模型；ArturoBriceñoLira https://idlbnc.idrc.ca/dspace/bitstream/10625/11058/1/91284.pdf; 2016年4月29日星期五-01:35 6哥伦比亚农业部门的战略统计数据：一种新的供应模式；哈维尔·阿尔贝托·古铁雷斯·洛佩兹；2016年4月28日-23:107
