基于多元线性回归粮食产量预测.docVIP

基于多元线性回归粮食产量预测 　　摘 要：文章利用多元线性回归，对影响全国粮食产量的因素进行了分析，得到了回归方程，并分析了该方程对粮食产量的预测具有较高的准确度。 　　关键词：多元线性回归；粮食产量；预测 　　粮食的生产和安全是全球最关注的问题之一，俗话说“民以食为天”，我国从古至今都非常重视粮食问题，一直将粮食的生产放在国民经济的首位。但是中国粮食的生产也面临很多不利因素，如环境的污染以及房地产行业的迅速崛起，使得耕地面积逐渐减少，加上我国人口的不断增长以及自然灾害的等因素的影响，粮食问题值得我们积极关注。本文主要从《中国统计年鉴》，选取2000-2015年间粮食总产量、粮食播种面积、有效灌溉面积、农业机械总动力、农业化肥施用量、受灾面积相关数据，建立粮食产量与各因素之间的多元线性回归模型，然后应用该方程对粮食产量做预测。 　　1 建立模型 　　建立全国粮食总产量与各影响因素之间的多元回归模型如下： 　　其中，Y为粮食产量，x1、x2、x3、x4、x5分别为粮食播种面积、有效灌溉面积、农业机械总动力、农业化肥施用量、受灾面积。？茁0、？茁1、？茁2、？茁3、？茁4、？茁5为回归系数，？滋为随机误差。 　　2 模型的求解与检验 　　从《中国统计年鉴》中收集粮食产量（Y）、粮食播种面积（x1）、有效灌溉面积（x2）、农业机械总动力（x3）、农业化肥施用量（x4）、受灾面积（x5）的数据见表1： 　　将粮食产量（Y）作为因变量、粮食播种面积（x1）、有效灌溉面积（x2）、农业机械总动力（x3）、农业化肥施用量（x4）、受灾面积（x5）作为自变量，借助Eviews7.2软件计算，结果如图1。 　　（1）R2检验 　　由以上的?Y果知，判定系数R2=0.993488，修订的判定系数R2=0.990232接近于1，说明全国的粮食产量与粮食播种面积（x1）、有效灌溉面积（x2）、农业机械总动力（x3）、农业化肥施用量（x4）、受灾面积（x5）之间有较强的线性相关性，拟合程度较高。 　　（2）统计检验 　　统计量F=305.1364，取显著性水平？琢=0.05时，查F分布表知，F的临界值为F0.05（4，10）=3.48305.1364，故F检验通过，F与x1、x2、x3、x4、x5之间确实存在线性关系，回归方程的拟和性很好。 　　（3）t检验 　　从回归系数分析的结果可得t（■1）=2.830213，t（■2）=2.621197，t（■3）=-1.348612，t（■4）=1.862353，t（■5）=-2.604057。取显著性水平？琢=0.05时，由t分布表可知，t0.025（5）=2.228 显然：|t（■1）|t0.025（5），|t（■2）|t0.025（5），|t（■3）|t0.025（5），|t（■4）|t0.025（5），|t（■5）|t0.025（5）。因此x1、x2、x5通过了显著性检验，x3、x4没有通过t检验。说明粮食播种面积（x1）、有效灌溉面积（x2）、受灾面积（x5）有显著性影响。 　　上述的回归模型中，农业机械总动力（x3）的回归系数■3=-0.323815，说明在其他条件不变的情况下，农业机械总动力每增加1万千瓦，粮食产量下降0.323815万吨，这显然不合理。而农业化肥施用量（x4）在上述的回归模型中的系数又没通过t检验。为确定最优的线性回归预测方程，考虑剔除自变量x3、x4，再做Y关于x1、x2、x5的修正线性回归分析，用Eviews7.2软件运行计算，所得结果图2。 　　（1）R2检验 　　由以上的结果知，判定系数R2=0.988503，说明说明全国的粮食产量与粮食播种面积（x1）、有效灌溉面积（x2）、受灾面积（x5）之间有较强的线性相关性，拟合程度较高。 　　（2）F统计检验 　　统计量F=343.9049，取显著性水平？琢=0.05时，查F分布表知，F的临界值为F0.05（2，12）=3.89343.9049，故F检验通过，Y与x1、x2、x5之间确实存在线性关系，回归方程的拟和性很好。 　　（3）t检验 　　从回归系数分析的结果可得 　　t（■1）=2.685860，t（■2）=10.30333，t（■5）=-3.602551 　　取显著性水平？琢=0.05时，查t分布表知，t的临界值为t0.025（12）=2.179 　　x1、x2、x5通过了显著性检验，说明粮食播种面积（x1）、有效灌溉面积（x2）、受灾面积（x5）有显著性影响。综上，剔除自变量x3、x4修正后的对粮食产量的回归预测方程为： 　　Y=0.271549x1+1.112721x2-0.65722x5-29578.90 　　为了验证上述模型的有效性，对2000-2015