多元回归模型的建立与检验.docxVIP

粮食总产量的多元线性回归分析根据理论和经验分析，影响粮食总产量的主要因素有：播种面积、使用化肥量、农业劳动人数。本文主要对粮食总产量进行多因素分析，建立以粮食总产量为被解释变量，以使用化肥量、农业劳动人数为解释变量的多元线性回归模型，利用模型对粮食总产量进行分析、检验、应用。1模型设定 粮食总产量受播种面积、使用化肥量、农业劳动人数的影响程度，我们选取了1952-1986年粮食总产量及其影响因素播种面积、使用化肥量、农业劳动人数这35年的数据为样本。粮食总产量为被解释变量，播种面积、使用化肥量、农业劳动人数为解释变量设定的线性回归模型为：?2数据来源从《统计年鉴》收集到以下数据，如下表：表1 粮食总产量及其相关数据年份粮食总产量Y（万吨）粮食播种面积X1（万公顷）使用化肥量X2（kg/公顷）农业劳动者人数X3（百万人）1952 16,392.0012,398.000.55182.401953 16,683.0012,664.000.81186.101954 16,952.0012,899.001.13190.101955 18,394.0012,984.001.63195.301956 19,275.0013,634.002.12200.301957 19,505.0013,363.002.39205.701958 20,000.0012,761.003.74213.001959 17,000.0011,602.003.74207.801960 14,350.0012,243.004.41197.601961 14,750.0012,144.003.29202.501962 16,000.0012,162.004.65213.701963 17,000.0012,074.007.65220.401964 18,750.0012,208.009.34229.101965 19,453.0011,963.0014.20235.201966 21,400.0012,099.0019.00244.501967 21,782.0011,923.0019.10253.701968 20,906.0011,616.0014.90262.901969 21,097.0011,760.0020.10274.001970 23,996.0011,927.0025.50281.201971 25,014.0012,085.0029.40287.501972 24,048.0012,121.0032.20286.501973 26,494.0012,116.0035.50292.601974 27,527.0012,098.0033.30296.801975 28,452.0012,106.0033.50299.501976 28,631.0012,074.0036.70301.401977 28,273.0012,040.0041.40302.501978 30,477.0012,059.0058.90303.401979 33,121.0011,926.0073.20305.801980 32,056.0011,723.0086.70313.701981 32,502.0011,496.0092.00322.301982 35,450.0011,346.00104.60332.801983 38,728.0011,405.00115.30342.601984 40,731.0011,288.00120.60353.701985 37,911.0010,885.00123.60370.701986 39,151.0011,903.00133.90380.003建立模型表2 播种面积、使用化肥量、农业劳动人数对粮食总产量的回归根据回归分析结果可得到下面的估计方程：(-3.211752) (3.827938) (7.390655) (7.109051) 4模型检验4.1经济意义检验经济意义检验主要检验模型参数估计量在经济意义上的合理性，检验求得的参数估计的符号与大小是否合理，是否与根据人们的经验和经济理论所拟定的期望值相符合。这是一项最基本的检验，经济意义不合理，不管其他方面质量多么高，模型也是没有实际价值的。从上面的模型估计结果可以看出，在假定其他变量不变的情况下，当年粮食播种面积每增长1单位，粮食总产量就会增长2.312269单位；在假定条件不变的情况下，当使用化肥量每增长1单位，粮食总产量就会增长104.1527单位；在假定条件不变的情况下，当农业劳动者人数每增长1单位，粮食总产量就会增长76.34968单位。这意味着粮食播种面积越高，粮食总产量越高；使用化肥量越高，粮食总产量越高；农业劳动者人数越高，粮食总产量越高。这与理论分析和经验