影响粮食产量的多因素分析Word格式.doc
《影响粮食产量的多因素分析Word格式.doc》由会员分享,可在线阅读,更多相关《影响粮食产量的多因素分析Word格式.doc(11页珍藏版)》请在冰点文库上搜索。
120587
11749.9
253.1
1979
33211.5
103.7
3937
1086.3
29071.6
119263
13379.2
282.7
1980
32055.5
103.5
4452.6
1269.4
29808.4
117234
14745.7
320.8
1981
32502
103.9
3978.6
1406.9
30677.6
114958
15679.8
369.8
1982
35450
100.2
3313.3
1513.4
31152.7
113462
16614.2
396.9
1983
38727.5
99.9
3471.3
1659.8
31645.1
114047
18022.1
435.2
1984
40730.5
99.8
3188.7
1739.8
31685
112884
19497.2
464
1985
37910.8
110.9
4436.5
1775.8
30351.5
108845
20912.5
508.9
1986
39151.2
109.3
4713.5
1930.6
30467.9
110933
22950
586.7
1987
40473.3
106.2
4208.6
1999.3
30870
111268
24836
658.8
1988
39408
114.1
5087.4
2141.5
31455.7
110123
26575
712
1989
40754.9
121.3
4699.1
2357.1
32440.5
112205
28067
790.5
1990
44624.3
95.2
3847.4
2590.3
33336.4
113466
28707.7
844.5
1991
43529.3
108.6
5547.2
2805.1
34186.3
112314
29388.6
963.2
1992
44265.8
124.3
5133.3
2930.2
34037
110560
30308.4
1106.9
1993
45648.8
127.7
4882.9
3151.9
33258.2
110509
31816.6
1244.9
1994
44510.1
148.7
5504.3
3317.9
32690.3
109544
33802.5
1473.9
1995
46661.8
134.4
4582.1
3593.7
32334.5
110060
36118.1
1655.7
1996
50453.5
107.5
4698.9
3827.9
32260.4
112548
38546.9
1812.7
1997
49417.1
92.1
5342.9
3980.7
32677.9
112912
42015.6
1980.1
1998
51229.5
96.9
5014.5
4083.7
32626.4
113787
45207.7
2042.2
1999
50838.6
96.4
4998.1
4124.3
32911.8
113161
48996.1
2173.4
2000
46217.5
90.1
5468.8
4146.4
32797.5
108463
52573.6
2421.3
2001
45263.7
101.5
5221.5
4253.8
32451
106080
55172.1
2610.8
2002
45705.8
98.6
4711.9
4339.4
31990.6
103891
57929.9
2993.4
2003
43069.5
102.2
5450.6
4411.6
31259.6
99410
60386.5
3432.9
2004
46946.9
126.5
3710.6
4636.6
30596
101606
64027.9
3933
2005
48402.2
101.4
3881.8
4766.2
29975.5
104278
68397.8
4375.7
2模型设定
通过对中国粮食生产及影响因素的初步定性分析后假设,粮食产量与其它7个指标之间存在多元线性关系,即粮食零售价格指数、受灾面积,化肥施用量,乡村农林牧渔业从业人员数,粮食作物播种面积,农用机械总动力,农村用电量之间存在着线性关系,也即可以把粮食产量的线性回归模型初步设定为y=b0+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6+b7x7,其中,y:
粮食产量,x1粮食零售价格指数、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粮食作物播种面积,x6农用机械总动力,x7农村用电量,然后利用已有的数据进行模型拟合,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,的确像农业科技费用等这些因素对粮食产量有重要的影响,但考虑农业科技费用会导致严重的多重共线性(因为它们与粮食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。
3模型结果,检验和调整
将收集到的数据运用计量分析软件进行运算,可得到以上设立模型的参数值,则模型结果为:
Y=15833.13+8.813674x1-1.954853x2+9.762547x3-0.105747x4+0.154043x5+0.022186x6-5.516333x7
Se=(25422.05)(30.81030)(0.565561)(1.802161)(0.482949)(0.143545)(0.203779)(2.316930)
T=0.6228110.286063-3.4564845.417134-0.2189601.0731340.108874-2.380880
R^2=0.946831dw=0.750906df=26
检验和调整
(1)经济意义检验
从回归结果可以看出,x1粮食零售价格指数,x3化肥施用量,x5粮食作物播种面积,x6农用机械总动力系数为正,
x2受灾面积系数为负,符合经济意义。
(2)统计推断检验
从回归结果可以看出,可决系数=0.946831,认为模型的拟合程度可以接受;
系数显著性检验:
大多数比较显著。
(3)计量经济学检验
第一步,怀疑具有多重共线性,用逐步回归方法改善
DependentVariable:
Y
Method:
LeastSquares
Date:
12/23/07Time:
11:
28
Sample:
19782005
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
30097.87
1328.764
22.65102
0.0000
X3
4.272552
0.425042
10.05206
R-squared
0.795346
Meandependentvar
42415.58
AdjustedR-squared
0.787475
S.D.dependentvar
5897.959
S.E.ofregression
2718.984
Akaikeinfocriterion
18.72265
Sumsquaredresid
1.92E+08
Schwarzcriterion
18.81781
Loglikelihood
-260.1171
F-statistic
101.0440
Durbin-Watsonstat
0.564307
Prob(F-statistic)
0.000000
29
-9459.738
9982.682
-0.947615
0.3524
3.575994
0.381378
9.376509
X4
1.311414
0.329076
3.985139
0.0005
0.874849
0.864837
2168.357
18.30228
1.18E+08
18.44502
-253.2320
87.37936
0.935247
-38705.66
15308.13
-2.528439
0.0184
4.489125
0.518768
8.653426
1.141247
0.310303
3.677843
0.0012
X5
0.288313
0.120906
2.384612
0.0253
0.898821
0.886174
1989.859
18.16108
95028898
18.35139
-250.2551
71.06816
0.785980
22
-42532.54
14425.73
-2.948381
0.0072
4.786369
0.505006
9.477839
1.292310
0.298790
4.325142
0.0003
0.323185
0.114234
2.829153
0.0095
X2
-1.239087
0.586775
-2.111690
0.0458
0.915252
0.900514
1860.303
18.05530
79596708
18.29319
-247.7742
62.09847
0.496727
30
-46560.69
15518.86
-3.000264
0.0066
4.900048
0.531811
9.213888
1.247300
0.307543
4.055692
0.351730
0.121422
2.896761
0.0084
-1.314537
0.600849
-2.187798
0.0396
X1
21.32232
28.36814
0.751629
0.4602
0.917374
0.898595
1878.151
18.10137
77603888
18.38684
-247.4192
48.85207
0.527875
第二步,自相关检验
E1
32
Sample(adjusted):
19792005
27afteradjustments
E2
0.749544
0.129425
5.791341
0.563223
24.96728
1744.502
1152.925
16.97433
34560159
17.02232
-228.1534
1.340050
科克伦-奥克特迭代法
Lsy-0.749544*y(-1)cx3-0.749544*x3(-1)x4-0.749544*x4(-1)x5-0.749544*x5(-1)x2-0.749544*x2(-1)
Y-0.749544*Y(-1)
35
-7759.367
3505.592
-2.213425
0.0375
X3-0.749544*X3(-1)
4.683751
0.669611
6.994732
X4-0.749544*X4(-1)
0.001626
0.385384
0.004218
0.0967
X5-0.749544*X5(-1)
0.597471
0.117091
5.102617
X2-0.749544*X2(-1)
-1.154681
0.315405
-3.660941
0.0014
0.822811
11231.62
0.790595