1应用回归分析论文

1、JISHOU UNIVERSITY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矢键词：1一、弓【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) 自相矢检验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尖系广大农民生活的 提高，直接尖系到 国家

2、经济建设目标的实现。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、粮食作物耕面积。通过分析得出结论：提高粮食作物耕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

3、并不能从根本上增加粮食产量，尖键是要提高化肥的利用率。尖键i司：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回归多重共线性引言1998-2003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，或者索性摺荒，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

4、生产能力建设，保证粮食生产的稳定发展。12二、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(XI)、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年一 2013年的相尖数据利用SPSS软件分析和估计模

5、型的参数，得到序列丫、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尖性，将模型设定为线性回归模型形式:Y= Bo + B iX1+ B 2X24- B 3X3+ B 4x4+ B 5X5+ 卩2、估计参数利用SPSS寸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VIF（常量）-34682.7867616.047-4.554.000X1.571.041.55013.776.000.5131.9491X25.384.680

6、1.3887.917.000.02737.578IX3-.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：丫模型汇总模型RR方调整R方标准估计的误差更改统计量Durbin-Watso nR方更改F更改df1df2Sig. F 更改1.993 a.985.981564.4487.985241.061518.0002.156a. 预测变量：（常量），X5,X3,X1,X4,X2b. 因变量：YAnovaa模型平方和df均方FSig.回归

7、384013255.312576802651.062241.061.000 b1残差5734842.02218318602.335总计389748097.33323a. 因变量：丫b. 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+0.571 X1 +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)R =0

8、.985 R =0.981 F=241.06 DW=2.156(2) 复相尖R=0.993,决定系数R2=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XI、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，我国粮食产量丫与粮食播种面积XI、农业化肥使用量X2、农用机械总动 力X4、有效灌溉面积X5成正相尖，与成灾面积X3成负相矣。但回归求得的函数尖系中粮食产量 丫与农用机械总动力X4成负相尖，符号不符合经济意义。2、统计检验(1) 拟合度检验。由回

9、归结果表明，金和调整金的值都接近于1，表明模型的拟合优度较好。(2) t检验。查表可知：在a =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 a/2(18)=2.101 , XI, X2, X3, X4的t值大于该临界值，所以XI, X2, X3, X4在95%勺水平下影响 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Fq.o5(5 , 18)=2.68 , F大于该临界值，所以模型的线性尖系 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中看到，X4的方差扩大因子VIF4=21.208，远大于10,并且X4的回

10、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。易9除X4,用丫与剩下的四个自变量X1、X2、X3 X5建立回归模型，有尖计算结果如输出结果3-1所示输出结果3-1系数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VIF（常量）-28573.7198544.990-3.344.003X1.627.042.60414.782.000.6691.4941X25.549.7931.4307.001.000.02737.300X3-.117.030-.133-3.943.001.9831.018X5-.220.188-.239-1.172.256.02737.31

11、1a因变量：Y从输出结果31中看到，X5的方差扩大因子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，应该剔除变量易9除X5,用丫与剩下的3个自变量X1、X2、X3建立回归模型，有矣计算结果如输出结果3-2 所示。输出结果3-2 o系数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VIF（常量）-36632.5455118.233-7.157.000X1.630.043.60714.718.000.6711.4911X24.639.1601.19629.039.000.6721.487X3-.121.030-.137-4.

12、034.001.9911.009a.因变量：丫从输出结果中看到，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-36632545+0.630X1 +4.639X2-0.121 X3（2）逐步回归用前进法对变量丫、X1、X2、X3f乍逐步回归，输出结果33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）34131.6961754.75519.451.0001X23.254.451.8397.220.000（常量）-40639.9166598.862-6.159.0002X24.

13、621.2101.19122.018.000X1.640.056.61611.390.000（常量）-36632.5455118.233-7.157.0003X24.639.1601.19629.039.000X1.630.043.60714.718.000X3-.121.030-.137-4.034.001a因变量：Y模型RR方调整R方标准估计的误差1.839 a.703.6902292.89572.979b.959.955875.98273.989.977.974666.5130模型汇总a. 预测变量：（常量），X2。b. 预测变量：（常量）,X2, X1。C.预测变量：（常量），X2,X

14、1,X3Anova a模型平方和df均方FSig.回归274085944.7221274085944.72252.134.000 b1残差115662152.611225257370.573总计389748097.33323回归373633837.9202186816918.960243.459.0002残差16114259.41321767345.686总计389748097.33323回归380863304.8363126954434.945285.779.000d3残差8884792.49820444239.625总计389748097.33323a因变量：Yb. 预测变量：（常量），X

15、2c. 预测变量：（常量），X2,XI。d. 预测变量：（常量）,X2, X1, X3由输出结果33可以看到，前进法依次引入了 XI、X2、X3变量，最优回归模 型为Y=-36632.545+0.63X1 +4.639X2-0.121 X3综上分析，最终粮食生产的函数应以 Y=f（X1,X25X3）为最优，拟合结果如下:Y=-36632.545+0.63X1 +4.639X2-0.121 X3（3 ）异方差检验用SPS软件建立丫对XI、X2、X3的普通最小二乘回归，并保留残差，结果如下 输出结果3-4所示输出结果3-4ANOVA平方和df均方FSig.回归380863304.836312695

16、4434.945285.779.000方程1残差8884792.49820444239.625门389748097.33323系数未标准化系数BetatSig.B标准误（常数）-36632.5455118.233-7.157.000、X1.630.043.60714.718.000方程1X24.639.1601.19629.039.000X3-.121.030-.137-4.034.001敬点图Y 最 变 因CM y 口T2回归栋號媛差-3-回归标准化预计値一般认为，如果一个回归模型满足所给出的基本假定，所有残差应在e=0附近随机变化，并在变化幅度不大的一个区域内，所以从残差图看出，模型不存在

17、异方差性。（4）自相尖检验用DW检验，输出结果如下:输出结果3-5模型汇总d模型RR方调整R方标准估计的误差Durbin-Watson1.839 a.703.6902292.89572.979b.959.955875.98273.989.977.974666.51301.639a. 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 od.因变量：Y由输出结果3-5可以看出，该回归方程决定系数均显著。对n=24,k=3,a=0.05, 查 DW 统计表可知,dl=1.19, du=1.55DW=1.639 所以 du=1.55DW4-

18、du=2.45,表 明模型不存在 自相尖。五、模型的确定通过以上检验，最终确定模型为：Y=-36632.55+0.629792X1 +4.639011 X2-0.120702X3+U六、结论由上述的分析结果可以看出在选择的五个因素中，农药化肥施用量、粮食 播种面积和成灾面 积对粮食产量的影响较为显著，模型在建立的过程中剔除了农 业机械总动力和灌溉面积两个因 素，因为在模型的建立中参数符号不符合经济意义且参数的t检验和显著性检验不能通过。从回归模型可以看出，对粮食产量的贡献中化肥施用量最显著。这是因为在农业的生产过 程中，化肥施用由传统的农家肥向现代新型肥料转变，化肥施用量的增加极大地促进了粮食

19、产量 的提高。播种面积对粮食产量的贡献虽然没有化肥 施用量显著，但由于耕地面积的数值远远大于 化肥施用量，因此耕地面积的增加对粮食产量的提高贡献较大。成灾面积对粮食产量的影响系数 较小，但若受灾面积绝对值较大时，那么灾害会引起粮食产量较大幅度减少，因此减小成灾面 积是提高粮食产量的尖键。参考文献【1】、庞皓，应用回归分析，北京：中国人民大学出版社，第四版【2】、周四军，对我 国粮食生产影响因素的分析，统计与决策，2003年【3】、中国统计年鉴4年附录数据表一中国粮食生产与相尖投入资料年份中国粮食 产量粮食播种面 积农业化肥施用量成灾面积农用机械总动力有效灌溉面积Y （万吨）X1 （千公 顷）X2 （万吨）X3 （千公 顷）X4 （万千瓦）X5 （千公顷）1990391511109331931236562295044225.819914020811126819992039324836444031992394081101232142239452657544375.91993407551122052357244492806744917.21994446241134662590178192870847403.11995435291123142806278142