糧食總產(chǎn)量的影響因素分析-應(yīng)用回歸分析本科生課程論文

JISHOUUNIVERSITY本科生課程論文題目：糧食總產(chǎn)量的影響因素分析課程名稱：應(yīng)用回歸分析所屬學(xué)院：專業(yè)年級：學(xué)生姓名：學(xué)號：完成時間：目錄TOC\o"1-3"\h\u97摘要： 129966關(guān)鍵詞： 128798一、引言 120276二、模型設(shè)定及數(shù)據(jù)準(zhǔn)備

126545三、回歸模型建立 2187671.模型設(shè)定 221432、估計參數(shù) 312259四、模型檢驗 466351、經(jīng)濟(jì)意義檢驗

4199762、統(tǒng)計檢驗 4243913、回歸模型檢驗 422070（1）多重共線性檢驗 45904（2）逐步回歸 55904（3）異方差檢驗 75904（4）自相關(guān)檢驗 812925五、模型的確定 96519六、結(jié)論 932571參考文獻(xiàn) 932571附錄 10糧食總產(chǎn)量的影響因素分析摘要：目前，我國70%人口為農(nóng)村人口，農(nóng)業(yè)生產(chǎn)的發(fā)展直接關(guān)系廣大農(nóng)民生活的提高，直接關(guān)系到國家經(jīng)濟(jì)建設(shè)目標(biāo)的實現(xiàn)。影響糧食產(chǎn)量的因素很多，本文將對影響我國糧食產(chǎn)量的部分因素（包括農(nóng)用機(jī)械總動力、化肥施用量、糧食作物耕種面積）進(jìn)行分析，并利用spss統(tǒng)計軟件，運(yùn)用逐步回歸分析方法，建立了我國糧食產(chǎn)量的回歸模型，從中分理出主要影響因素。研究表明，利用逐步回歸分析法建立的模型具有很好的擬合效果，影響我國糧食產(chǎn)量的主要因素為：化肥施用量、糧食作物耕種面積。通過分析得出結(jié)論：提高糧食作物耕種面積是糧食增產(chǎn)的最有效途徑，不過考慮到我國耕地資源有限，可提高糧食面積單產(chǎn)來達(dá)到提高糧食總產(chǎn)量的目標(biāo)；高度機(jī)械化帶來農(nóng)業(yè)機(jī)械的閑置，農(nóng)業(yè)機(jī)械的大量增加在糧食增產(chǎn)上效果并不明顯：盲目增加化肥的使用量并不能從根本上增加糧食產(chǎn)量，關(guān)鍵是要提高化肥的利用率。關(guān)鍵詞：糧食總產(chǎn)量農(nóng)用機(jī)械總動力化肥施用量糧食作物耕種面積OLS回歸多重共線性一、引言1998—2003年，我國糧食總產(chǎn)量連續(xù)5年下降，總產(chǎn)量由51230萬噸下降到43065萬噸，下降幅度到16%。從各個影響因素來看，造成下降的主要原因是耕種面積的減少。而造成耕種面積減少的根本原因就是來自糧食價格的信號，糧食價格低迷直接造成種糧收益的降低，農(nóng)民或者改變種植結(jié)構(gòu)，或者索性撂荒，致使糧食耕種面積大幅下降。2004年以后，我國糧食實現(xiàn)恢復(fù)性增產(chǎn)，重視退耕還林草，進(jìn)行水土治理，改善生態(tài)環(huán)境，改善農(nóng)田小氣候，同時應(yīng)加強(qiáng)農(nóng)田水利建設(shè)，進(jìn)行生產(chǎn)能力建設(shè)，保證糧食生產(chǎn)的穩(wěn)定發(fā)展。二、模型設(shè)定及數(shù)據(jù)準(zhǔn)備

影響糧食總產(chǎn)量的因素有很多，包括糧食作物耕種面積、糧食面積單產(chǎn)、有效灌溉面積、化肥用量、農(nóng)藥用量、農(nóng)業(yè)機(jī)械總動力、農(nóng)用塑料薄膜用量、受災(zāi)面積、成災(zāi)面積等，現(xiàn)選取了五個解釋變量糧食播種面積（X1)、農(nóng)業(yè)化肥施用量(X2)、成災(zāi)面積(X3)、農(nóng)業(yè)機(jī)械總動力(X4)、有效灌溉面積(X5)，對我國1990年到2013年的糧食總產(chǎn)量(Y)進(jìn)行分析，并利用計量經(jīng)濟(jì)學(xué)方法對所建立模型進(jìn)行定量分析，研究各影響因素的影響程度。(數(shù)據(jù)見附錄)。

三、回歸模型建立1.模型設(shè)定首先，根據(jù)1990年—2013年的相關(guān)數(shù)據(jù)利用SPSS軟件分析和估計模型的參數(shù)，得到序列Y、X1、X2、X3、X4、X5的矩陣圖?？梢钥闯?，糧食產(chǎn)量及各影響因素的差異明顯，其變動的方向基本相同，相互間可能具有一定的相關(guān)性，將模型設(shè)定為線性回歸模型形式：Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+μ2、估計參數(shù)利用SPSS對上述數(shù)據(jù)作線性回歸分析，估計模型參數(shù)，輸出結(jié)果2-1如下。輸出結(jié)果2-1系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計量B標(biāo)準(zhǔn)誤差試用版容差VIF1(常量)-34682.7867616.047-4.554.000X1.571.041.55013.776.000.5131.949X25.384.6801.3887.917.000.02737.578X3-.158.029-.179-5.408.000.7491.335X4-.078.028-.373-2.830.011.04721.208X5.123.201.134.612.548.01758.601a.因變量:Y模型匯總b模型RR方調(diào)整R方標(biāo)準(zhǔn)估計的誤差更改統(tǒng)計量Durbin-WatsonR方更改F更改df1df2Sig.F更改1.993.985.981564.4487.985241.061518.0002.156a.預(yù)測變量:(常量),X5,X3,X1,X4,X2。b.因變量:YAnovaa模型平方和df均方FSig.1回歸384013255.312576802651.062241.061.000b殘差5734842.02218318602.335總計389748097.33323a.因變量:Yb.預(yù)測變量:(常量),X5,X3,X1,X4,X2。（1）根據(jù)輸出結(jié)果可以得出，模型估計的結(jié)果寫為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=0.9852=0.981F=（2）復(fù)相關(guān)R=0.993，決定系數(shù)R2=0.985，由決定系數(shù)看，回歸方程高度顯著。（3）由方差分析表可以得出，F(xiàn)=241.06，P值=0.000，表明回歸方程高度顯著，說明X1、X2、X3、X4、X5整體上對Y有高度顯著地線性影響。 四、模型檢驗1、經(jīng)濟(jì)意義檢驗

從經(jīng)濟(jì)學(xué)意義上來說，我國糧食產(chǎn)量Y與糧食播種面積X1、農(nóng)業(yè)化肥使用量X2、農(nóng)用機(jī)械總動力X4、有效灌溉面積X5成正相關(guān)，與成災(zāi)面積X3成負(fù)相關(guān)。但回歸求得的函數(shù)關(guān)系中糧食產(chǎn)量Y與農(nóng)用機(jī)械總動力X4成負(fù)相關(guān)，符號不符合經(jīng)濟(jì)意義。2、統(tǒng)計檢驗（1）擬合度檢驗。由回歸結(jié)果表明，2和調(diào)整2的值都接近于1，表明模型的擬合優(yōu)度較好。（2）t檢驗。查表可知：在α=0.05的顯著性水平下，自由度n-k-1=18的t統(tǒng)計量的臨界值為tα/2(18)=2.101，X1，X2，X3，X4的t值大于該臨界值，所以X1，X2，X3，X4在95%的水平下影響顯著，通過了變量顯著性檢驗。（3）F檢驗。F統(tǒng)計量的臨界值為F0.05(5，18)=2.68，F(xiàn)大于該臨界值，所以模型的線性關(guān)系在95%的置信水平下顯著成立。3、回歸模型的檢驗（1）多重共線性檢驗從輸出結(jié)果2-1中看到，X4的方差擴(kuò)大因子VIF4=21.208，遠(yuǎn)大于10，并且X4的回歸系數(shù)為負(fù)值，說明此回歸模型仍然存在強(qiáng)多重共線性，應(yīng)該剔除變量。剔除X4，用Y與剩下的四個自變量X1、X2、X3、X5建立回歸模型，有關(guān)計算結(jié)果如輸出結(jié)果3-1所示。輸出結(jié)果3-1系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計量B標(biāo)準(zhǔn)誤差試用版容差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.因變量:Y從輸出結(jié)果3-1中看到，X5的方差擴(kuò)大因子VIF5=37.311，遠(yuǎn)大于10，并且X5的回歸系數(shù)為負(fù)值，說明此回歸模型仍然存在強(qiáng)多重共線性，應(yīng)該剔除變量剔除X5，用Y與剩下的3個自變量X1、X2、X3建立回歸模型，有關(guān)計算結(jié)果如輸出結(jié)果3-2所示。輸出結(jié)果3-2。系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計量B標(biāo)準(zhǔn)誤差試用版容差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.因變量:Y從輸出結(jié)果3-2中看到，3個方差擴(kuò)大因子都小于10，回歸系數(shù)也都有合理的經(jīng)濟(jì)解釋，說明此回歸模型不存在強(qiáng)多重共線性，可以作為最終回歸模型?；貧w方程為：Y=-36632.545+0.630X1+4.639X2-0.121X3（2）逐步回歸用前進(jìn)法對變量Y、X1、X2、X3作逐步回歸，輸出結(jié)果3-3如下輸出結(jié)果3-3系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1(常量)34131.6961754.75519.451.000X23.254.451.8397.220.0002(常量)-40639.9166598.862-6.159.000X24.621.2101.19122.018.000X1.640.056.61611.390.0003(常量)-36632.5455118.233-7.157.000X24.639.1601.19629.039.000X1.630.043.60714.718.000X3-.121.030-.137-4.034.001a.因變量:Y模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計的誤差1.839.703.6902292.89572.979b.959.955875.98273.989.977.974666.5130a.預(yù)測變量:(常量),X2。b.預(yù)測變量:(常量),X2,X1。c.預(yù)測變量:(常量),X2,X1,X3。Anovaa模型平方和df均方FSig.1回歸274085944.7221274085944.72252.134.000b殘差115662152.611225257370.573總計389748097.333232回歸373633837.9202186816918.960243.459.000殘差16114259.41321767345.686總計389748097.333233回歸380863304.8363126954434.945285.779.000d殘差8884792.49820444239.625總計389748097.33323a.因變量:Yb.預(yù)測變量:(常量),X2。c.預(yù)測變量:(常量),X2,X1。d.預(yù)測變量:(常量),X2,X1,X3。由輸出結(jié)果3-3可以看到，前進(jìn)法依次引入了X1、X2、X3變量，最優(yōu)回歸模型為Y=-36632.545+0.63X1+4.639X2-0.121X3綜上分析，最終糧食生產(chǎn)的函數(shù)應(yīng)以Y=f(X1,X2,X3)為最優(yōu)，擬合結(jié)果如下：Y=-36632.545+0.63X1+4.639X2-0.121X3（3）異方差檢驗用SPSS軟件建立Y對X1、X2、X3的普通最小二乘回歸，并保留殘差，結(jié)果如下輸出結(jié)果3-4所示輸出結(jié)果3-4ANOVA平方和df均方FSig.方程1回歸380863304.8363126954434.945285.779.000殘差8884792.49820444239.625總計389748097.33323系數(shù)未標(biāo)準(zhǔn)化系數(shù)BetatSig.B標(biāo)準(zhǔn)誤方程1（常數(shù)）-36632.5455118.233-7.157.000X1.630.043.60714.718.000X24.639.1601.19629.039.000X3-.121.030-.137-4.034.001一般認(rèn)為，如果一個回歸模型滿足所給出的基本假定，所有殘差應(yīng)在e=0附近隨機(jī)變化，并在變化幅度不大的一個區(qū)域內(nèi)，所以從殘差圖看出，模型不存在異方差性。（4）自相關(guān)檢驗用DW檢驗，輸出結(jié)果如下：輸出結(jié)果3-5模型匯總d模型RR方調(diào)整R方標(biāo)準(zhǔn)估計的誤差Durbin-Watson1.83.703.6902292.89572.979b.959.955875.98273.989.977.974666.51301.639a.預(yù)測變量:(常量),X2。b.預(yù)測變量:(常量),X2,X1。c.預(yù)測變量:(常量),X2,X1,X3。d.因變量:Y由輸出結(jié)果3-5可以看出，該回歸方程決定系數(shù)均顯著。對n=24,k=3,a=0.05,查DW統(tǒng)計表可知,dl=1.19,du=1.55DW=1.639,所以du=1.55<DW<4-du=2.45,表明模型不存在自相關(guān)。五、模型的確定通過以上檢驗，最終確定模型為：Y=-36632.55+0.629792X1+4.639011X2-0.120702X3+u六、結(jié)論由上述的分析結(jié)果可以看出在選擇的五個因素中，農(nóng)藥化肥施用量、糧食播種面積和成災(zāi)面積對糧食產(chǎn)量的影響較為顯著，模型在建立的過程中剔除了農(nóng)業(yè)機(jī)械總動力和灌溉面積兩個因素，因為在模型的建立中參數(shù)符號不符合經(jīng)濟(jì)意義且參數(shù)的t檢驗和顯著性檢驗不能通過。從回歸模型可以看出，對糧食產(chǎn)量的貢獻(xiàn)中化肥施用量最顯著。這是因為在農(nóng)業(yè)的生產(chǎn)過程中，化肥施用由傳統(tǒng)的農(nóng)家肥向現(xiàn)代新型肥料轉(zhuǎn)變，化肥施用量的增加極大地促進(jìn)了糧食產(chǎn)量的提高。播種面積對糧食產(chǎn)量的貢獻(xiàn)雖然沒有化肥施用量顯著，但由于耕地面積的數(shù)值遠(yuǎn)遠(yuǎn)大于化肥施用量，因此耕地面積的增加對糧食產(chǎn)量的提高貢獻(xiàn)較大。成災(zāi)面積對糧食產(chǎn)量的影響系數(shù)較小，但若受災(zāi)面積絕對值較大時，那么災(zāi)害會引起糧食產(chǎn)量較大幅度減少，因此減小成災(zāi)面積是提高糧食產(chǎn)量的關(guān)鍵。參考文獻(xiàn)【1】、龐皓，《應(yīng)用回歸分析》，北京：中國人民大學(xué)出版社，第四版

【2】、周四軍，《對我國糧食生產(chǎn)影響因素的分析》，《統(tǒng)計與決策》，2003年

【3】、《中國統(tǒng)計年鑒》，2014年

附錄數(shù)據(jù)表一中國糧食生產(chǎn)與相關(guān)投入資料年份中國糧食產(chǎn)量糧食播種面積農(nóng)業(yè)化肥施用量成災(zāi)面積農(nóng)用機(jī)械總動力有效灌溉面積Y(萬噸)X1(千公頃)X2(萬噸)X3(千公頃)X4(萬千瓦)X5（千公頃）1990391511109331931236562295044225.819914020811126819992039324836444031992394081101232142239452657544375.91993407551122052357244492806744917.2199444