《应用回归分析报告论文设计.doc》由会员分享，可在线阅读，更多相关《应用回归分析报告论文设计.doc（17页珍藏版）》请在三一办公上搜索。
1、目录摘要：3关键词：3一、问题的提出4二、多元线性回归模型的基假设4三、收集整理统计数据5数据的收集5确定理论回归模型的数学形式6四、模型参数的估计、模型的检验与修改64.1 SPSS软件运用64.2 用SPSS软件，得到相关系数矩阵表84.3 回归方程的显著性检验9利用逐步回归法进展修正104.5 DW检验法11五、结果分析12六、建议12七、参考文献13影响谷物的因素分析摘要：在实际问题的研究中，经常需要研究某一些现象与影响它的某一最主要因素的关系，如影响谷物产量的因素非常多。本文采用多元线性回归分析方法,以19942014年中国谷物产量与其重要因素的时间序列数据为样本,对影响中国谷物生产
2、的多种因素进展了分析。分析结果明确,近年来我国谷物生产主要受到单产提高缓慢、播种面积波动大、农业根底设施投入不足、自然灾害频繁等重要因素的影响。为提高谷物产量、促进谷物生产,首先应该提供一套促进谷物生产的政策措施,提高谷物种植效益,增加谷物收入是根本。在这个前提下,才有可能提高单产、稳定面积、加强根底设施建设、提高抗灾能力,增强我国谷物生产能力和生产稳定性。关键词：谷物产量 影响因素 多元线性回归分析一、问题的提出我国土地资源稀缺，人口多而粮食需求量大，因此粮食产量的稳定增长，直接影响着人民生活和社会的稳定与开展。粮食生产的不稳定性对国民经济的影响是不可忽略的，主要表现在:粮食生产不稳定会引发
3、粮食供求关系的变动,尤其当国家粮食储藏不足的时候,很容易导致粮价上涨,从而影响整个宏观经济。因此,对关系国计民生的这个特殊农产品,我们不得不慎重对待。因此，分析粮食产量波动的原因，并据此提出相应的对策，对保障粮食生产持续稳定开展，具有重要意义。二、多元线性回归模型的基假设1解释变量x1,x2,x3,xp是确定性变量，不是随机变量，且要求rank(k)=p+1n，明确设计矩阵X中的自变量列之间不相关，样本量的个数大于解释变量的个数，X是一满秩矩阵。2随机误差项具有零均值和等方差，即：这个假定常称为高斯-马尔柯夫条件。，即，假设观测值没有系统误差，随机误差项的平均值为零。随机误差项的协方差为零，明
4、确随机误差项在不同的样本之间是不相关的在正态假定下即为独立的，不存在序列相关，并且有相关的精度。3正态分布的假定条件为：对于多元线性回归的矩阵模式，这个条件便可表示为：由上述假定和多元正态分布的性质可知，随机向量y服从n维正态分布，回归模型的期望向量因此三、收集整理统计数据选用了谷物产量y万吨、谷物零售价格指数x1、受灾面积x2万公顷，化肥施用量x3万吨，乡村农林牧渔业从业人员数x4万人，谷物作物播种面积x5千公顷，农用机械总动力x6万千瓦，农村用电量x7亿千瓦，把这7个指标的19942014年21年间的时间序列数据进展回归分析,来分析这些因素与谷物产量的关系。以谷物产量作为因变量,其它7个指
5、标作为解释变量进展回归分析。表1-1 1994-2014年度谷物产量影响因素表谷物产量(万吨)y价格指数x1受灾面积(万公顷)x2化肥施用量(万吨)x3乡村农林牧渔业从业人员数(万人)x4谷物作物播种面积(千公顷)x5农用机械总动力(万千瓦)x6农村用电量(亿千瓦 时)x71994354501134621995114047199631685112884464199710884522950199811093324836199930870111268265752000394081101232806771220011122052870720021134662938820031123142004340
6、37110560200511050920061095442007110060200811254820091129122010113787201111316120121084632013324511060802014103891注：数据来源相应年度的中国统计年鉴、中国农村统计年鉴、中国农业开展报告、中华人民某某国年鉴、中国统计摘要通过对中国谷物生产与影响因素的初步定性分析后假设,谷物产量与其它7个指标之间存在多元线性关系,即谷物零售价格指数、受灾面积，化肥施用量，乡村农林牧渔业从业人员数，谷物作物播种面积，农用机械总动力，农村用电量之间存在着线性关系,也即可以把谷物产量的线性回归模型初步设定为：
7、其中,y:谷物产量, x1谷物零售价格指数、x2受灾面积，x3化肥施用量，x4乡村农林牧渔业从业人员数，x5谷物作物播种面积，x6农用机械总动力，x7农村用电量,然后利用已有的数据进展模型拟合,以便发现这些因素之间存在的数量关系。可能有人会提出质疑,是否遗漏了其它重要的解释变量,确实像农业科技费用等这些因素对谷物产量有重要的影响,但考虑农业科技费用会导致严重的多重共线性(因为它们与谷物单产有极高的正相关性),又考虑到它代表对农业的投入和科技进步,在选用指标中已有灌溉面积、农机总动力等性质相似的指标,再加上分析工具的局限性,因此就舍弃了这几个指标。这也是线性相关分析的局限性之一四、模型参数的估计
8、、模型的检验与修改4.1 SPSS软件运用将收集到的数据运用SPSS软件进展运算，可以得到以上模型设定的参数估计值，结果如下表表4-1 系数a模型非标准化系数标准系数B标准误差试用版tSig.1(常量).157x1.243x2.581.016x3.000x4.291.160x5.043.188.025.228.823x6.136.147.400.926.371x7.002a. 因变量: y表4-2 模型汇总b模型RR 方调整 R 方标准估计的误差Durbin-Watson1.987a.974.960a. 预测变量: (常量), x7, x1, x4, x2, x5, x6, x3。b. 因变量
9、: y由表4-2得 所以回归方程拟合较好表4-3 Anovab模型平方和df均方FSig.1回归7.000a残差13总计20a. 预测变量: (常量), x7, x1, x4, x2, x5, x6, x3。b. 因变量: y由上表4-1和表4-2数据可得所求回归方程， ，4.2 用SPSS软件，得到相关系数矩阵表由相关系数矩阵表得如下矩阵：相关矩阵从相关矩阵看出，y与x1,x2,x3,x4,x5,x6,x7的相关系数偏小，P值=0.232；偏小，P值=0.006；，P值=0.000；偏小，P值=0.002；偏小P值=0.481；偏小，P值=0.000；偏小，P值=0.000。x1谷物零售价格
10、指数、x2受灾面积，x3化肥施用量，x4乡村农林牧渔业从业人员数，x5谷物作物播种面积，x6农用机械总动力，x7农村用电量，说明x1谷物零售价格指数、x2受灾面积，x3化肥施用量，x4乡村农林牧渔业从业人员数，x5谷物作物播种面积，x6农用机械总动力，x7农村用电量对谷物产量无显著影响。自变量之间可能存在多重共线性，SPSS软件同时可以计算出相关系数显著性单侧和双侧检验的P值。4.3 回归方程的显著性检验 F 检验表4-4 Anovab模型平方和df均方FSig.1回归7.000a残差13总计20a. 预测变量: (常量), x7, x1, x4, x2, x5, x6, x3。b. 因变量:
11、 y，拒绝原假设，即作出7个自变量整体对因变量y显著影响x1对应的t，对应的；x2对应的t，对应的；x3对应的t，对应的；x4对应的t，对应的；x5对应的t，对应的；x6对应的t，对应的；x7对应的t，对应的，所以x1、x4、x5、x6对y没有显著影响，只有x2、x3、x7通过系数的显著性检验。回归系数没有通过显著性检验的，将用逐步回归法重新建立回归方程。4-5 模型汇总模型RR 方调整 R 方标准估计的误差1.896a.803.7932.966b.934.9273.974c.949.940a. 预测变量: (常量), x3。b. 预测变量: (常量), x3, x5。c. 预测变量: (常量
12、), x3, x5, x7。4-6 Anovad模型平方和df均方FSig.1回归1.000a残差19总计202回归2.000b残差18总计203回归3.000c残差17总计20a. 预测变量: (常量), x3。b. 预测变量: (常量), x3, x5。c. 预测变量: (常量), x3, x5, x7。d. 因变量: y4-7 系数a模型非标准化系数标准系数B标准误差试用版tSig.1(常量).000x3.461.896.0002(常量).003x3.297.000x5.675.113.392.0003(常量).107x3.000x5.468.138.272.003x7.039a. 因变
13、量: y从表 输出结果看到，逐步回归的最优子集为模型3，回归方程为：由回归方程可以看出，对谷物产量有显著性影响的是x3化肥施用量、x5谷物作物播种面积、x7农村用电量，回归方程中2个自变量的系数为正、1个系数为负，即化肥施用量和谷物作物播种面积越大，每万吨谷物产量越大；农村用电量越大，每万吨谷物产量越小。具体说，在x5、x7保持不变时，x3每增加一个百分点，每万吨谷物产量平均增加7.331万吨，在x3、x7保持不变时，x5每增加一个百分点，每万吨谷物产量平均增加0.468万吨，在x3、x5保持不变时，x7每增加一个百分点，每万吨谷物产量平均减少3.613万吨。4.5 DW检验法4-8 残差统计
14、量a极小值极大值均值标准偏差N预测值21残差.0000021标准预测值.00021标准残差.000.92221a. 因变量: y模型汇总d模型更改统计量R 方更改F 更改df1df2Sig. F 更改Durbin-Watson1.803119.0002.131118.0003.015117.0391.995d. 因变量: y由上表4-2可得，DW=1.995，所以误差项之间不存在自相关。五、结果分析我们进展了一系列的检验和修正后的结果如下：，DW=1.995，从模型中可以看出：1、 x1、x2、x4、x6不符合经济意义的检验，因为在实际上，谷物产量是随着x1谷物零售价格指数的增长而增加；谷物产
15、量是随着x2受灾面积增广而减少，谷物产量是随着 x4乡村农林牧渔业从业人员数增加而增加， 谷物产量是随着x6农用机械总动力增加而减少，所以最新的模型的剔除了这4个在原模型的解释变量。2、3、 可见，化肥使用量是影响谷物产量的显著性因素。但从经济意义上来说，施肥过度反而会导致谷物死亡，从而减产。4、 所以我们的模型所反映的经济意义不能包括现实中的每一种情况。六、建议我们知道农业是一个国民经济的根底，谷物生产是关系到一个国家生存与开展的一个永恒的主题，再加上我国的人口庞大的根本国情，告诉我们。谷物产量对我国具有特别的意义和重要性。因而谷物产量生产关系到我们上至国家，下至人民的一件大事，每个人都应该
16、促进和稳定谷物产量提高上做出努力，而政府在此当中的如此是起着关键性的作用。在此，我们建立的模型的根底上，就谷物产量的提高，提出了一些可供参考的政策。1、通过模型和上面的分析可以看出，谷物播种面积对产量提高有着重要的作用，所以我们应该在合理的根底上有目的的，有规划的提高耕地面积。2、化肥使用量虽然对谷物增产有着积极作用，但物极必反，过度使用化肥必然在很大程度上降低土地肥力，抑制谷物的生产。所以在合理控制化肥量的同时，也要加大对化肥质的提高。总之，任何措施方法都应该在顺应自然的根底上，我们要保证谷物的稳定增长，就一定要注意走谷物生产的课持续开展之路。七、参考文献M. M.九、附录yx1x2x3x4x5x6x7RES_1ZRE_1RES_2ZRE_2RES_3ZRE_3.74182.74182.74182.20627.20627.20627.68300.68300.68300.06166.06166.06166.31540.31540.31540.40137.40137.40137.47197.47197.47197
