中国粮食产量影响因素分析

中国粮食产量影响因素分析

ID:18508490

大小:122.00 KB

页数:8页

时间:2018-09-18

中国粮食产量影响因素分析_第1页
中国粮食产量影响因素分析_第2页
中国粮食产量影响因素分析_第3页
中国粮食产量影响因素分析_第4页
中国粮食产量影响因素分析_第5页
资源描述:

《中国粮食产量影响因素分析》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、中国粮食产量影响因素分析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中国粮食产量影响因素分析一、案例背景与数据介绍本例选自中国人民大学统计学院2005级本科生薛立波的应用回归分析课程作业,第一至第三部分是作业节选,指导教师刘文卿做了适当修改,第四部分是指导教师的评注与改进。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

2、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)X51983387281659.811404716209.31802231645.11984407311739.811288415264.01949731685.01985379111775.810884522705.32091330351.51986391511930.61109

3、3323656.02295030467.01987402081999.311126820392.72483630870.01988394082141.511012323944.72657531455.71989407552357.111220524448.72806732440.51990446242590.311346617819.32870833330.41991435292806.111231427814.02938934186.31992442642930.211056025894.73030834037.01993456493151.911050923133.03181

4、733258.21994445103317.910954431383.03380232690.31995466623593.711006022267.03611832334.51996504543827.911254821233.03854732260.41997494173980.711291230309.04201632434.91998512304083.711378725181.04520832626.41999508394124.311316126731.04899632911.82000462184146.410846334374.05257432797.520014

5、52644253.810608031793.05517232451.02002457064339.410389127319.05793031990.62003430704411.69941032516.06038731259.62004469474636.610160616297.06402830596.0中国粮食产量影响因素分析二、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,

6、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:ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.990.981.975642.43911中国粮食产量影响因素分析复相关系数R=0.990,判定系数=0.981,由判定系数看回归方程

7、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在整体上对Y有高度显著线性影响。进行回归系数的显著性检验,从回归系数表中看到:X2的P值=0.000,对因变量的影响显著。X3的P值=0.001,对因变量的影响显著。充分说明在多元线性回归中不能仅凭简单相关系数的大小而决定变量的取舍。X1的P值=0.022,X4的P值=0.013,影响都显著。而农业劳动力X5的P值=0.693>0.05,影响不显著,可以剔除。中国是人口

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。