我国主要城市降雨量与影响因素影响回归分析概要.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 415.8 5.1 63 长春 446 7.1 57 沈阳 362.9 9.2 59 北京 461.5 14.1 52 天津 441.4 14 59 石家庄 294.8 14.9 55 太原 428.7 10.9 58 呼和浩特 394.8 7.7 46 银川 169.2 10.7 50 乌鲁木齐 297 7.4 54 西宁 446.5 5.7 59 西安 660.2 13.2 61 兰州 355.6 7.7 59 成都 975 16 82 重庆 1452.1 18.6 79 贵阳 1562 14.7 83 拉萨 637.8 9.4 36 昆明 1078.3 16.4 66 武汉 1208.6 16.7 79 长沙 1386.8 18.6 69 郑州 551.6 16.3 58 济南 521.4 15.4 55 合肥 1180.2 16.5 76 南京 1091.1 16.4 74 上海 1295.3 17 73 杭州 1359.9 17.5 73 福州 1628 20.8 72 南昌 1890.5 18.8 74 广州 2234 21.7 79 南宁 1234.7 21.6 82 海口 1861.3 24.7 83 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 R 0.875378696 R Square 0.766287862 Adjusted R Square 0.749594138 标准误差 284.2845337 观测值 31 方差分析 　 df SS MS F Significance F 回归分析 2 7419509.166 3709754.583 45.90275 1.45057E-09 残差 28 2262895.491 80817.6961 总计 30 9682404.657 　 　 　 　 Coefficients 标准误差 t Stat P-value Intercept -1239.167 289.4336468 -4.281350948 0.000197 X Variable 1 55.135678 143.819619255 0.00068 X Variable 2 20.845841 5.997851771 3.475551217 0.00168 Lower 95% Upper 95% 下限 95.0% 上限 95.0% -1832.044968 -646.289 -1832.045 -646.2890691 2584.70415 25.567203 848.559798618 33.13188 8.5597986 33 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 0.815758731 1 湿度 0.802814668 0.710041423 1 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