中国粮食产量影响因素分析.docVIP

应用统计案例库封面 案例名称: 中国粮食产量影响因素分析 作者: 刘文卿 薛立波 教学目的： 用回归分析方法分析粮食产量影响因素，建立回归模型反映变量间的数量关系。正确诊断并处理经济变量的多重共线性。 适用课程： 应用回归分析 学习本案例的 前期知识准备： 回归分析、SPSS软件 本案例的知识点： 回归分析 多重共线性 岭回归 一、案例背景与数据介绍 影响中国粮食产量的主要因素有农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力、政策因素等。根据中国统计年鉴查得的数据,选择从1983年到2004年的数据进行分析。选取的变量及单位、各项数据为下表： 年份 粮食产量 （万吨） Y 农业化肥 施用量 （万公斤） X1 粮食播种 面积 （千公顷） X2 成灾面积 （公顷） X3 农业机械 总动力 （万千瓦）X4 农业劳动力 （万人） X5 1983 38728 1659.8 114047 16209.3 18022 31645.1 1984 40731 1739.8 112884 15264.0 19497 31685.0 1985 37911 1775.8 108845 22705.3 20913 30351.5 1986 39151 1930.6 110933 23656.0 22950 30467.0 1987 40208 1999.3 111268 20392.7 24836 30870.0 1988 39408 2141.5 110123 23944.7 26575 31455.7 1989 40755 2357.1 112205 24448.7 28067 32440.5 1990 44624 2590.3 113466 17819.3 28708 33330.4 1991 43529 2806.1 112314 27814.0 29389 34186.3 1992 44264 2930.2 110560 25894.7 30308 34037.0 1993 45649 3151.9 110509 23133.0 31817 33258.2 1994 44510 3317.9 109544 31383.0 33802 32690.3 1995 46662 3593.7 110060 22267.0 36118 32334.5 1996 50454 3827.9 112548 21233.0 38547 32260.4 1997 49417 3980.7 112912 30309.0 42016 32434.9 1998 51230 4083.7 113787 25181.0 45208 32626.4 1999 50839 4124.3 113161 26731.0 48996 32911.8 2000 46218 4146.4 108463 34374.0 52574 32797.5 2001 45264 4253.8 106080 31793.0 55172 32451.0 2002 45706 4339.4 103891 27319.0 57930 31990.6 2003 43070 4411.6 99410 32516.0 60387 31259.6 2004 46947 4636.6 101606 16297.0 64028 30596.0 二、分析过程 1. 在SPSS中计算增广相关阵，分析变量间的相关性，输出结果如下： 从相关阵发现，Y与X2的相关系数只有0.027,很小,P值=0.903,很大,数据上说明这些年粮食播种面积对粮食产量无显著影响。与X3的相关系数为0.284,P值=0.201,也不太显著,与X1、X4、X5的相关系数相对要大些。但从实际情况来看，粮食是土地密集型的农产品，我们还没有能不依赖于土地的大规模粮食生产技术,与这里的分析有很大出入。统计学的知识告诉我们，不能仅凭简单相关系数的大小来决定变量的取舍。 2. 选用多元线性回归模型进行分析。用SPSS对原始数据作全部5个自变量的线性回归，输出结果为： Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .990 .981 .975 642.43911 复相关系数R=0.990,判定系数=0.981, 由判定系数看回归方程高度显著。 方差分析表中, F=162.733,P值=0.000, 表明回归方程高度显著,X1、X2、X3、X4、X5在整