*欧阳光明*创编 2021.03.07 *欧阳光明*创编 2021.03.07 JISHOU

UNIVERSITY

欧阳光明（2021.03.07） 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 *欧阳光明*创编 2021.03.07

*欧阳光明*创编 2021.03.07 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 ------------------------------------ 2 1.模型设定 ---------------------------------------- 2 2、估计参数 --------------------------------------- 3 四、模型检验 ----------------------------------------- 4 1、经济意义检验 --------------------------------- 4 2、统计检验 --------------------------------------- 4 3、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*欧阳光明*创编 2021.03.07

*欧阳光明*创编 2021.03.07 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。 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*欧阳光明*创编 2021.03.07 *欧阳光明*创编 2021.03.07 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。

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+μ 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 t Sig. 共线性统计量 *欧阳光明*创编 2021.03.07 *欧阳光明*创编 2021.03.07 B 标准误差 试用版 容差 VIF

1 (常量) -34682.786 7616.047 -4.554 .000 X1 .571 .041 .550 13.776 .000 .513 1.949 X2 5.384 .680 1.388 7.917 .000 .027 37.578 X3 -.158 .029 -.179 -5.408 .000 .749 1.335 X4 -.078 .028 -.373 -2.830 .011 .047 21.208 X5 .123 .201 .134 .612 .548 .017 58.601 a. 因变量: Y 模型汇总b 模型 R R 方 调整 R 方 标准估计的误差 更改统计量 Durbin-Watson R 方更改 F 更改 df1 df2 Sig. F 更改 1 .993a .985 .981 564.4487 .985 241.061 5 18 .000 2.156 a. 预测变量: (常量), X5, X3, X1, X4, X2。 b. 因变量: Y Anovaa 模型 平方和 df 均方 F Sig.

1 回归 384013255.312 5 76802651.062 241.061 .000b 残差 5734842.022 18 318602.335 总计 389748097.333 23 a. 因变量: Y 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+0.571X1+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 =0.981F=241.06 DW=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。*欧阳光明*创编 2021.03.07 *欧阳光明*创编 2021.03.07 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 t Sig. 共线性统计量 B 标准误差 试用版 容差 VIF

1 (常量) -28573.719 8544.990 -3.344 .003 X1 .627 .042 .604 14.782 .000 .669 1.494 X2 5.549 .793 1.430 7.001 .000 .027 37.300 X3 -.117 .030 -.133 -3.943 .001 .983 1.018 X5 -.220 .188 -.239 -1.172 .256 .027 37.311 a. 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 t Sig. 共线性统计量