关于水稻产量影响因素的多元回归分析

《关于水稻产量影响因素的多元回归分析》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、目录摘要1、研究背景及意义2、问题的提出3、模型的建立和求解3.1相关分析—简单散点图3.2多元回归分析—参数估计3.3三种检验3.3.1回归方程的拟合优度检验3.3.2回归方程的显著性检验—F检验3.3.3参数显著性检验—t检验4、多重共线性检验分析5、自相关分析6、模型的修正6.1逐步修正法关于水稻产量影响因素的多元线性回归分析摘要本文的主要内目的是对影响水稻产量的因素进行分析，主要运用了SPSS18，采用多元线性回归分析的方法对我国最近18年影响水稻产量的主要因素进行了分析，建立了以水稻产量为因变量，水稻播种面积、化肥施用量、生猪存栏

2、量和降水量四种影响因素为自变量的多元线性回归模型，利用模型对各个因素进行了统计分析，并且对模型进行了修正检验，在此基础上提出一些提高水稻产量的合理化建议。关键词：SPSS18水稻产量多元回归线性分析1、研究背景及意义我国是一个人口大国，众所周知，很多偏远地方的人们仍然处在饥饿的边缘，水稻产量的提高首先可以很好的改善部分地区的粮食紧张问题，为我国经济的发展和社会的稳定提供有效的保障，其次，水稻产量的提高有利于稳定粮食的价格。因此，对影响水稻产量的因素进行多元回归线性分析可以得出各个因素的影响程度，从而采取正确的措施，以最少的投入得到最大的产量

3、，这对于农业的科学发展是十分必要的。2、问题的提出下面的表格给出了我国最近18年来水稻产量与影响和制约水稻产量的主要因素的有关数据。表118年来水稻产量和相关影响数据水稻播种面积（万亩）化肥施用量（万公斤）生猪存栏量（万口）降水量（10mm）水稻总产量（万公斤）147.002.0015.0027.00154.50148.003.0026.0038.00200.00154.005.0033.0020.00227.50157.009.0038.0099.00260.00153.006.5041.0043.00208.00151.005.0039

4、.0033.00229.50151.007.5037.0046.00265.50154.008.0038.0078.00229.00155.0013.5044.0052.00303.50155.0018.0051.0022.00270.50156.0023.0053.0039.00298.50155.0023.5051.0028.00229.00157.0024.0051.0046.00309.50156.0030.0052.0059.00309.00159.0048.0052.0070.00371.00164.0095.5057.0052

5、.00402.50164.0093.0068.0038.00429.50156.0097.5074.0032.00427.50数据来源：中国国家统计局，《中国统计年鉴》在现实生活中，影响水稻产量的因素有很多，但是不能一一列举，我们只是选择了水稻播种面积、化肥施用量、生猪存栏量和降水量4个影响因素作为解释变量进行了回归分析。变量的定义如下：Y:水稻总产量（万公斤）X1:水稻播种面积（万亩）X2:化肥施用量（万公斤）X3:生猪存栏量（万口）X4:降水量（10mm）下面利用SPSS18对变量间的关系进行求解。3、模型的建立和求解3.1相关分析—简

6、单散点图按：“图形—旧对话框—散点/点状图”顺序做，做数据散点图，观测因变量和自变量之间关系是否存在线性关系。图1水稻产量与水稻播种面积之间的简单散点图图2水稻产量与化肥施用量之间的简单散点图图3水稻产量与生猪存栏量之间的简单散点图图4水稻产量与降水量之间的简单散点图从上面四个散点图可以看出，水稻种植面积、化肥施用量、生猪存栏量和水稻产量存在明显的相关关系，降水量与水稻产量的相关关系不是那么的明显。这样的话，我们就可以建立水稻产量与水稻播种面积、化肥施用量、生猪存栏量、降水量之间建立线性回归模型。3.2多元回归线性分析—参数估计以水稻产量Y

7、为因变量，X1:水稻播种面积（万亩），X2:化肥施用量（万公斤），X3:生猪存栏量（万口），X4:降水量（10mm）为自变量，用“分析—回归—线性—进入”方法进行参数的最小二乘估计，得到回归系数的表格，结果如表2所示：表2系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)-160.312410.391-.391.702水稻播种面积（万亩）1.8782.836.105.662.519化肥施用量（万公斤）1.284.379.5293.391.005生猪存栏量（万口）2.090.885.3702.361.034降水量（10mm）.

8、483.359.1241.343.202a.因变量:水稻总产量（万公斤）初步得到该问题的多元回归线性分析模型：Y=-160.312+1.878X1+1.284X2+2.090X3