我国主要城市降雨量与影响因素影响回归分析.docxVIP

我国主要城市降雨量与影响因素影响回归分析我国的年降水量地区分布的总趋势是：由华东地区华南地区向西北西南地区递减.东部沿海地区,距离夏季风源地近的影响强烈,降水多；由华东华南向西北西南内陆地区距离越来越远,加上一系列东北西南走向的山脉阻挡,带来的水汽越来越少.我国夏季太阳直射北半球，全国各地太阳辐射强，所以夏季普遍高温多雨。因此，以全国主要城市（北京，天津，石家庄，太原，呼和浩特，沈阳，长春，哈尔滨，上海，南京，杭州，合肥，福州，南昌，济南，郑州，武汉，长沙，广州，南宁，海口，重庆，成都，贵阳，昆明，拉萨，西安，兰州，西宁，银川，乌鲁木齐），把降雨量与影响关系（地区和季度）进行线性回归分析，并建立数学模型。一、计量经济模型分析1、数据搜集根据以上分析，我们在影响降雨量因素中引入2个解释变量。即： X1，气温；X2，相对湿度。降雨量Y气温x1相对湿度x2哈尔滨415.85.163长春4467.157沈阳362.99.259北京461.514.152天津441.41459石家庄294.814.955太原428.710.958呼和浩特394.87.746银川169.210.750乌鲁木齐2977.454西宁446.55.759西安660.213.261兰州355.67.759成都9751682重庆1452.118.679贵阳156214.783拉萨637.89.436昆明1078.316.466武汉1208.616.779长沙1386.818.669郑州551.616.358济南521.415.455合肥1180.216.576南京1091.116.474上海1295.31773杭州1359.917.573福州162820.872南昌1890.518.874广州223421.779南宁1234.721.682海口1861.324.783 资料来源《中国统计年鉴2015》。2、计量经济学模型建立我们设定模型为下面所示的形式：SUMMARY OUTPUT 回归统计Multiple R0.875378696R Square0.766287862Adjusted R Square0.749594138标准误差284.2845337观测值31 方差分析　dfSSMSFSignificance F回归分1663709754.58345.902751.45057E-09残差2822628956961总计309682404.657　　　　Coefficients标准误差t StatP-valueIntercept-1239.167289.4336468-4.2813509480.000197X Variable 155434862263.8196192550.00068X Variable 220.8458415.9978517713.4755512170.00168Lower 95%Upper 95%下限 95.0%上限 95.0%-1832.044968-646.289-1832.045-646.289069125.5672028984.7041525704152778.55979861833.131888.559798633二、计量经济学检验 图1 气温与降雨量的散点图 图二：湿度和降雨量的散点图 从各散点图可以看出降雨量与气温 ，降雨量与湿度之间都具有一定的线性关系。并且气温和湿度对降雨量的影响相差不多。表一：降雨量 温度 湿度之间的相关矩阵降雨量温度湿度降雨量1温度0.8157587311湿度0.8028146680.7100414231 但根据实际数据计算出的r其取值一般在-1～1之间，∣r∣→1说明两个变量之间的线性关系越强；∣r∣→0说明两个变量之间的线性关系越弱，对于一个具体的r取值，根据经验可将相关程度分为以下几种情况；当∣r∣≥0.8时，可视为高度相关；0.5≤∣r∣＜0.8时，可视为中度相关，0.3≤∣r∣＜0.5时 视为低度相关， ∣r∣＜0.3，说明两个变量之间的相关程度弱 可视为不相关。 由上表可知，降雨量和温度的相关系数为0.815758731 大于0.8呈高度相关，降雨量和湿度的相关系数为0.802814668，大于0.8 呈高度相关，温度和湿度的相关系数为0.710041423 在0.5～0.8之间，属于中度相关。可以推断出在我国温度和湿度都对降雨量有着非常重要的影响，且温度和湿度也成正比例关系。表2 ：excelX输出的一元回归分析结果（温度与降雨量）SUMMARY OUTPUT回归统计Multiple R0.815758731R Square0.665462307Adjusted R Square0.653926