《1应用回归分析论文 粮食总产量的影响因素分析》由会员分享，可在线阅读，更多相关《1应用回归分析论文 粮食总产量的影响因素分析（12页珍藏版）》请在金锄头文库上搜索。
1、 JISHOUUNIVERSITY本科生课程论文题 目：粮食总产量的影响因素分析 课程名称：应用回归分析所属学院：专业年级：学生姓名：学号： 完成时间：2015 年 12 月 23日目录摘要：1关键词： 1一、引言1二、模型设定及数据准备1三、 回归模型建立21.模型设定22、估计参数3四、模型检验41、经济意义检验42、统计检验43、回归模型检验4（1）多重共线性检验4（2） 逐步回归5（3） 异方差检验7（4） 自相关检验8五、模型的确定9六、结论9参考文献9附录10粮食总产量的影响因素分析 摘要： 目前，我国70%人口为农村人口，农业生产的发展直接关系广大农民生活的提高，直接关系到国家经
2、济建设目标的实现。影响粮食产量的因素很多，本文将对影响我国粮食产量的部分因素（包括农用机械总动力、化肥施用量、粮食作物耕种面积）进行分析，并利用spss统计软件，运用逐步回归分析方法，建立了我国粮食产量的回归模型，从中分理出主要影响因素。研究表明，利用逐步回归分析法建立的模型具有很好的拟合效果，影响我国粮食产量的主要因素为：化肥施用量、粮食作物耕种面积。通过分析得出结论：提高粮食作物耕种面积是粮食增产的最有效途径，不过考虑到我国耕地资源有限，可提高粮食面积单产来达到提高粮食总产量的目标；高度机械化带来农业机械的闲置，农业机械的大量增加在粮食增产上效果并不明显：盲目增加化肥的使用量并不能从根本上
3、增加粮食产量，关键是要提高化肥的利用率。 关键词： 粮食总产量 农用机械总动力 化肥施用量 粮食作物耕种面积 OLS回归 多重共线性一、引言 19982003年，我国粮食总产量连续5年下降，总产量由51230万吨下降到43065万吨，下降幅度到16%。从各个影响因素来看，造成下降的主要原因是耕种面积的减少。而造成耕种面积减少的根本原因就是来自粮食价格的信号，粮食价格低迷直接造成种粮收益的降低，农民或者改变种植结构，或者索性撂荒，致使粮食耕种面积大幅下降。 2004年以后，我国粮食实现恢复性增产，重视退耕还林草，进行水土治理，改善生态环境，改善农田小气候，同时应加强农田水利建设，进行生产能力建设
4、，保证粮食生产的稳定发展。二、模型设定及数据准备 影响粮食总产量的因素有很多，包括粮食作物耕种面积、粮食面积单产、有效灌溉面积、化肥用量、农药用量、农业机械总动力、农用塑料薄膜用量、受灾面积、成灾面积等，现选取了五个解释变量粮食播种面积（X1) 、农业化肥施用量(X2)、成灾面积(X3)、农业机械总动力(X4)、有效灌溉面积(X5)，对我国1990年到2013年的粮食总产量(Y)进行分析，并利用计量经济学方法对所建立模型进行定量分析，研究各影响因素的影响程度。(数据见附录)。三、回归模型建立1.模型设定 首先，根据1990年2013年的相关数据利用SPSS软件分析和估计模型的参数，得到序列Y、
5、X1、X2、X3、X4、X5的矩阵图。 可以看出，粮食产量及各影响因素的差异明显，其变动的方向基本相同，相互间可能具有一定的相关性，将模型设定为线性回归模型形式：Y=0+1X1+2X2+3X3+4X4+5X5+2、估计参数 利用SPSS对上述数据作线性回归分析，估计模型参数，输出结果2-1如下。输出结果2-1系数a模型非标准化系数标准系数tSig.共线性统计量B标准 误差试用版容差VIF1(常量)-34682.7867616.047-4.554.000X1.571.041.55013.776.000.5131.949X25.384.6801.3887.917.000.02737.578X3-.
6、158.029-.179-5.408.000.7491.335X4-.078.028-.373-2.830.011.04721.208X5.123.201.134.612.548.01758.601a. 因变量: Y模型汇总b模型RR 方调整 R 方标准 估计的误差更改统计量Durbin-WatsonR 方更改F 更改df1df2Sig. F 更改1.993a.985.981564.4487.985241.061518.0002.156a. 预测变量: (常量), X5, X3, X1, X4, X2。b. 因变量: YAnovaa模型平方和df均方FSig.1回归384013255.3125
7、76802651.062241.061.000b残差5734842.02218318602.335总计389748097.33323a. 因变量: Yb. 预测变量: (常量), X5, X3, X1, X4, X2。（1）根据输出结果可以得出，模型估计的结果写为Y=-34682.786+0.571X1+5.384X2-0.158X3-0.078X4+0.123X5 (7616.047) (0.041) (0.680) (0.029) (0.028) (0.201)t=(-4.554) (13.776) (7.917) (-5.408) (-2.830) (0.62) R2 =0.985 2
8、=0.981 F=241.06 DW=2.156（2）复相关R=0.993，决定系数R=0.985，由决定系数看，回归方程高度显著。（3）由方差分析表可以得出，F=241.06，P值=0.000，表明回归方程高度显著，说明X1、X2、X3、X4、X5整体上对Y有高度显著地线性影响。四、模型检验1、经济意义检验 从经济学意义上来说，我国粮食产量Y与粮食播种面积X1、农业化肥使用量X2、农用机械总动力X4、有效灌溉面积X5成正相关，与成灾面积X3成负相关。但回归求得的函数关系中粮食产量Y与农用机械总动力X4成负相关，符号不符合经济意义。2、统计检验 （1）拟合度检验。由回归结果表明， 2和调整 2
9、的值都接近于1，表明模型的拟合优度较好。（2）t检验。查表可知：在=0.05的显著性水平下，自由度n-k-1=18的t统计量的临界值为t/2(18)=2.101，X1，X2，X3，X4的t值大于该临界值，所以X1，X2，X3，X4在95%的水平下影响显著，通过了变量显著性检验。（3）F检验。F统计量的临界值为F0.05(5，18)=2.68，F大于该临界值，所以模型的线性关系在95%的置信水平下显著成立。3、回归模型的检验（1）多重共线性检验从输出结果2-1中看到，X4的方差扩大因子VIF4=21.208，远大于10，并且X4的回归系数为负值，说明此回归模型仍然存在强多重共线性，应该剔除变量。
10、剔除X4，用Y与剩下的四个自变量X1、X2、X3、X5建立回归模型，有关计算结果如输出结果3-1所示。输出结果3-1系数a模型非标准化系数标准系数tSig.共线性统计量B标准 误差试用版容差VIF1(常量)-28573.7198544.990-3.344.003X1.627.042.60414.782.000.6691.494X25.549.7931.4307.001.000.02737.300X3-.117.030-.133-3.943.001.9831.018X5-.220.188-.239-1.172.256.02737.311a. 因变量: Y从输出结果3-1中看到，X5 的方差扩大因
11、子VIF5=37.311，远大于10，并且X5的回归系数为负值，说明此回归模型仍然存在强多重共线性，应该剔除变量剔除X5，用Y与剩下的3个自变量X1、X2、X3建立回归模型，有关计算结果如输出结果3-2所示。输出结果3-2。系数a模型非标准化系数标准系数tSig.共线性统计量B标准 误差试用版容差VIF1(常量)-36632.5455118.233-7.157.000X1.630.043.60714.718.000.6711.491X24.639.1601.19629.039.000.6721.487X3-.121.030-.137-4.034.001.9911.009a. 因变量: Y 从输
12、出结果3-2中看到，3个方差扩大因子都小于10，回归系数也都有合理的经济解释，说明此回归模型不存在强多重共线性，可以作为最终回归模型。回归方程为：Y=-36632.545+0.630X1+4.639X2-0.121X3（2）逐步回归用前进法对变量Y、X1、X2、X3作逐步回归，输出结果3-3如下输出结果3-3系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)34131.6961754.75519.451.000X23.254.451.8397.220.0002(常量)-40639.9166598.862-6.159.000X24.621.2101.19122.018.000X
13、1.640.056.61611.390.0003(常量)-36632.5455118.233-7.157.000X24.639.1601.19629.039.000X1.630.043.60714.718.000X3-.121.030-.137-4.034.001a. 因变量: Y模型汇总模型RR 方调整 R 方标准 估计的误差1.839a.703.6902292.89572.979b.959.955875.98273.989c.977.974666.5130a. 预测变量: (常量), X2。b. 预测变量: (常量), X2, X1。c. 预测变量: (常量), X2, X1, X3。Anovaa模型平方和df均方FSig.1回归274085944.7221274085944.72252.134.000b残差115662152.61122
