1应用回归分析论文

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------------------------------------------------101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，保证粮食生产的稳定发展。2二、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、X1、X2、X3、X4、X5的矩阵图。3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=β0+β1X1+β2X2+β3X3+β4X4+β5X5+μ2、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-.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384013255.312576802651.062241.061.000b残差5734842.02218318602.335总计389748097.33323a.因变量:Yb.预测变量:(常量),X5,X3,X1,X4,X2。4（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=0.985R-2=0.981F=241.06DW=2.156（2）复相关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，R-2和调整R-2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α=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tα/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。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5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3-36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)-40639.9166598.862-6.159.000X24.621.2101.19122.018.000X1.640.056.61611.390.0003(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115662152.611225257370.573总计389748097.333232回归373633837.9202186816918.960243.459.000c残差16114259.41321767345.686总计389748097.333233回归380863304.8363126954434.945285.779.000d残差8884792.49820444239.625总计389748097.33323a.因变量:Yb.预测变量:(常量),X2。7c.预测变量:(常量),X2,X1。d.预测变量:(常量),X2,X1,X3。由输出结果3-3可以看到，前进法依次引入了X1、X2、X3变量，最优回归模型为Y=-36632.545+0.63X1+4.639X2-0.121X3综上分析，最终粮食生产的函数应以Y=f(X1,X2,X3)为最优，拟合结果如下：Y=-36