多元线性回归分析-粮食产量预测-本科毕业论文

基于多元线性回归的广西粮食产量预测周永生;肖玉欢;黄润生【摘要】[目的]利用多元线性回归分析方法构建广西粮食产量预测模型,以期为相关研究提供参考.[方法]对影响粮食产量的各种因素进行分析,应用多元线性回归分析法建立广西粮食产量的预测模型[结果]对粮食产量贡献最为明显的因子是种植面积,其次是单位面积产量,降水量对粮食产量影响最小.粮食产量与种植面积、粮食单产、降水量的回归方程为:y=-517.759+0.158x1+0.382x2-0.001 x3.应用多元线性回归模型预测2012年广西粮食产量为1464.381万t.[建议]在保证土地面积的前提下,加快农业科技创新、加强农田水利建设和完善促进粮食生产的相关政策,以保证广西粮食生产的稳定发展.%The present study was carried out to forecast the grain yield of Guangxi by using multiple linear regression model in order to provide references for related researches. [Method]The factors affecting the grain yield in Guangxi were analyzed. Based on the analysis, multiple linear regression model was used to forecast the grain yield of Guangxi. [ Result ]The factor of grain planting area had the biggest impact on the grain yield of Guagnxi, followed by yield per unit area and the precipitation. The multiple linear regression equation of grain yield associated with planting area, yield per unit area and precipitation was as follow: y=-517.759+0.158x1+0.382x2-0.01x3. The grain yield of Guangxi in 2012 was predicted as 14643810 tons based on the multiple linear regression equation. [Conclusion]The grain planting area should not be decreased in order to sustain the yield and production of grains in Guangxi. Under this premise, acceleration in innovation of agricultural science andtechnology, development of irrigation and conservation projects and implementation of related policies have been suggested.【期刊名称】《南方农业学报》【年(卷),期】2011(042)009【总页数】3页(P1165-1167)【关键词】粮食产量;多元线性回归;预测;建议;广西【作者】周永生;肖玉欢;黄润生【作者单位】桂林理工大学管理学院,广西桂林541004;桂林理工大学管理学院,广西桂林541004;桂林理工大学管理学院,广西桂林541004【正文语种】中文【中图分类】F326.11【研究意义】粮食问题是一个具有时间和空间永恒性的问题，粮食产量是粮食安全关注的核心内容之一（杨玉建，2011）。

区域☆甘肃省粮食产量的多元线性回归分析邓笑笑(西安财经大学统计学院陕西西安710100)摘要：文章采用多元线性回归分析的方法，建立了甘肃省粮食产量与5个影响因素的模型，提出对粮食产量影响最显著的因素以及利用最终得出的回归方程进行合理的预测，得出有效灌溉面积和受灾面积是影响甘肃省粮食产量的主要因素。

最终对 甘肃省粮食高效生产提出政策性建议。

关键词：粮食产量；多元线性回归分析；显著性1•引目“民以食为天”，中国作为世界上人口最多国家之一，其粮食的生产备受全球的关注，国内外进行了大量的研究调査和广泛的讨论后发现，随着国家退耕还林政策的实施和科学技术水平的不断提高，为实现粮食绿色、持续、稳定的生产，使其粮食安全的生产是一个亟待解决的重要问题。

甘肃省作为我国人口众多、水域匮乏的省份之一，解决该省人民的温饱问题，研究并提高甘肃省粮食产量的问题具有现实意义。

近年来学者们对粮食产量的分析具有一定的研究，例如邹璀和刘秀丽(2012)应用A R M A和O L S方法相结合构建了山 东省粮食产量的预测模型，然后应用建立的预测模型，结合专 家经验法对以后山东省粮食产量进行预测。

储敏(2014)基于 H P滤波法对中国粮食产量波动的特征进行多角度的定性分 析。

杨月锋(2014)用定性分析对福建省粮食产量时空变化分 析，然后采用了主成分分析法对影响该省粮食产量的因素进 行了定量研究。

薛晋芳(2016)结合灰色预测和多元线性回归 两种模型对山西省粮食总产量进行预测，根据预测结果得出 了影响粮食产量的主要因素。

黄彭等(2017)运用灰色系统理 论，建立基于弱化缓冲算子的GM(1,1)预测模型，通过残差、级 比偏差、关联度、后验差检测、模拟数据检査对模型的合理性 和精度进行误差检验,并应用模型预测未来3年的粮食产量。

宗宸生等(2018)运用改进的粒子群算法优化B P神经网络的初 始权重，建立了适合小样本粮食产量的预测模型。

樊超(2018) 提出基于马尔科夫的新陈代谢灰度模型对我国粮食年产量进 行短期精准预测。

计量经济学论文粮食产量影响因素的回归分析班级：08物流姓名：綦淇学号：************日期：2011年6月22日关于我国粮食产量影响因素的回归分析摘要：本文主要采用回归分析的方法对1990—2005年影响我国粮食产量变化的主要因素进行分析，建立了以粮食产量为应变量，粮食作物播种面积、有效灌溉面积、农业机械总动力、化肥施用量和成灾面积五种可量化的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比较分析。

同时，对模型进行检验，在此基础上提出了一些关于稳定发展粮食生产的可供参考的意见。

关于我国粮食产量影响因素的回归分析一、文献综述1、《近年我国粮食产量变化的主要影响因素分析》赵俊晔，李秀峰，王川著……采用逐步回归和灰色关联分析对1991～2004年影响我国粮食产量变化的主要因素进行了分析，发现粮食产量变化主要来自稻谷单产变化及玉米和小麦播种面积的变化。

有效灌溉面积与粮食产量一直保持高的关联度；成灾面积与粮食产量的关联度剧烈变动，其关联序仅次于有效灌溉面积；化肥、农药、农业机械总动力和农用塑料薄膜等用量与粮食产量的关联度逐渐下降。

2、《中国粮食产量分析及展望》新浪财经……自建国以来，我国粮食生产不断发展，产量不断提高，但这一过程也呈现出我国粮食产量存在周期性波动的特点，而且粮食产量的动波动基本上与粮食价格相吻合。

未来我国粮食供求形势还不容乐观，粮食价格从长期看仍然有上涨要求。

3、《中国粮食产量波动影响因素实证分析》王玉斌，蒋俊朋，王晓志，陈慧萍著……基于最小信息准则采用扩展ADF法对1949—2004年中国粮食及水稻、小麦、玉米产量数据进行平稳性检验,结果表明:其在原始序列水平上均为平稳时间序列;采用TARCH 模型与EGARCH模型对以上数据的增长率数据进行非对称性检验,结果表明,波动具有"杠杆效应",负面影响比等量正面影响导致更大波动;根据扩展C-D函数运用1978—2004年中国粮食生产相关数据构建了粮食产量波动影响因素实证模型,结果说明,投入变动对粮食产量波动有同向影响,经济作物比较收益情况对粮食生产有反向作用,粮食本身收益情况并非影响生产的关键因素,粮食生产对气候等自然条件依赖性较强。

我国粮食产量影响因素分析与预测摘要：本文采用计量经济分析方法,以1980—2010年中国粮食产量及其重要影响因素的时间序列数据为样本,仿照C-D生产函数，建立了以粮食产量为因变量，以农用化肥施用量、有效灌溉面积、财政支农支出、农村用电量、农村机械总动力、粮食作物播种面积、农业灾害成灾面、农业劳动力八种可量化的影响因素为自变量的多对数回归模型，利用模型对各个因素进行了比较分析。

同时，对模型进行检验与修整，并在此基础上提出了一些关于增加粮食产量的可供参考的意见。

关键字：计量经济分析粮食产量多对数回归模型一、前言粮食是关系国计民生的重要战略物资。

粮食综合生产能力与粮食安全问题一直是世界性的重大问题，备受世界各国政府及专家学者的关注与研究。

近年来，中国粮价上涨过快，通货膨胀压力明显加大，不仅给低收入群体的生活带来很多困难，也使得国民经济的发展受到了制约。

粮食近年来连续减产、国家储备库存和农民手中的存粮减少，加上消费者需求的过量扩大，粮食将从结构性短缺转为战略性短缺。

粮食生产关系到我国的社会经济发展，因此认真研究和加深了解中国粮食生产的规律和特点，找出影响粮食总产量的主要因素，并采取针对性的粮食增产措施，对于稳定和发展粮食生产就有重要意义，对增加农民收入，乃至拉动整个国民经济的增长具有重要作用。

二、文献综述我国学者很早就对粮食生产问题展开了研究，并取得了一系列突出成果。

赵俊晔、王川采用逐步回归和灰色关联分析的方法对1991-2004年影响我国粮食产量变化的主要因素进行了分析，发现有效灌溉面积与粮食产量一直保持高的关联度，成灾面积与粮食产量的关联仅次于有效灌溉面积，在此基础上对提高我国粮食生产科技支撑能力、稳定发展粮食生产提出了建议。

梁子谦、李小军选取了15个指标，通过建立因子分析模型，对中国粮食单产和播种面积的影响因子进行了市政分析，研究结果表明，对粮食单产影响最大的因子是科技进步，其次是物质投入因子、环境与气候因子和中策因子。

2020.01民以食为天，粮食生产一直是中国的主要也是重要的经济活动，随着中美摩擦的不断升级，中国的粮食安全问题应该引起高度重视，江西，作为传统的农业大省，同时地处华中地区，拥有独特的战略地位，加上江西的环境适宜，历来是中国的粮食生产大省。

在当前的经济形势之下，研究江西省的农业生产显得尤为重要，通过对江西省粮食产量的因素分析，有利于我们进一步为提高江西省的粮食产量进言献策，同时为国家的粮食安全奠定一份基础。

国内外对粮食产量影响因素的分析由来已久，也取得了非常多的进展。

洪名勇，吴昭洋等以我国30个省区2003-2015年间粮食单要素生产力着眼点，构建"描述性统计-泰尔指数(TheilIndex)分解-空间回归模型"，全面地比较了粮食单产水平和劳动生产率之间的关联与差异。

王珺鑫对山东省粮食产量的影响因素进行了整体性和阶段性实证分析。

发现在不同阶段，对粮食总产量产生影响的三大物质投入因素所发挥的作用有所不同。

赵颖文，吕火明站在比较优势的视角，基于四川省的数据，从粮食生产规模比较优势指数、效率比较优势指数、综合比较优势指数解析四川粮食生产比较优势的时序演变。

研究得出四川粮食生产规模比较优势与效率比较优势均趋于下滑态势，现降至全国平均水平以下。

基于前人研究的经验，本文通过多元线性回归模型，利用1952年～2018年的数据，对江西省的粮食产量影响因素进行分析，试图找出对江西省粮食产量的主要影响因素，并提出相关政策建议。

1　模型设计1.1　模型构建与变量选取本文采用的生产模型为柯布-道格拉斯生产函数，其基本形式为： （1）（1）式中，为产出，代表资本投入，代表劳动投入，代表技术因素，α、β分别代表资本与劳动产出的弹性系数，为随机干扰项。

为了消除异方差，本文采用对数化的柯布道格-拉斯生产函数。

根据前人的经验以及江西省的实际情况，本文拟从粮食播种面积、农用机械总动力、有效灌溉面积和农用化肥使用量（折纯量）的使用情况进行分析，研究这些要素对江西省粮食产量的影响，建立基本理论模型： （2）式中，Q表示粮食总产量，S代表粮食播种面积，M表示农用机械总动力，I表示有效灌溉面积，F表示农用化肥使用量。

摘要本文第一章给出了黑龙江省粮食生产状况，粮食产量预测的背景和意义。

第二章给出了多元线性回归的理论主体：包括多元线性回归模型的标准形式，多元线性回归模型的参数估计，模型的检验和预测原理。

第三章应用多元线性回归模型对黑龙江省粮食产量进行预测，分析并确定影响粮食产量的主要因素，建立多元线性回归方程，收集并整理相关数据，应用Eviews6.0软件对多元线性线性回归方程进行参数估计，分别对模型进行拟合程度检验、t检验、f检验，并对自变量进行多重共线性检验，使用逐步回归方法剔除部分自变量，降低自变量间的多重共线性，确定最优回归方程，并应用模型进行粮食产量的预测。

第四章对预测结果及各主要影响因素进行分析解读，最后对黑龙江粮食生产安全提出建议。

关键词：多元回归；多重共线性；逐步回归；粮食产量；预测AbstractThe first chapter of this paper gives the situation of grain production in Heilongjiang Province,and the background and significance of the foodstuff yield prediction.The second chapter gives the multiple linear regression theory, including the standard form of multiple linear regression model,estimation of multiple linear regression model,the method of model test and prediction theory.The third chapter use the multivariate linear regression model to predict the grain yield in Heilongjiang Province. Research and analysis of the main factor that affects grain production,and the establishment of multiple linear regression equation,subsequently collected related data,the application of Eviews software on multiple linear regression equations to estimate the parameters,using the degree of fitting test, t test, F test to detect model,the independent variables were multiple colinearity test,the use of stepwise regression method to eliminate some variables,reduce one of Multicollinearity,determination of the optimal regression equation,then apply the model to the forecast of grain yield.The fourth chapter puts forward suggestions on grain production in Heilongjiang Province.Keywords:multiple regression, multicollinearity, stepwise regression, grain yield, forecast目录序言 (2)第一章课题背景 (3)§1.1 黑龙江省粮食生产状况 (3)§1.2 多元回归分析与预测的引入 (3)第二章多元线性回归的理论主体 (4)§2.1标准多元线性回归模型 (4)§2.2模型的估计 (4)§2.3模型的检验方法和预测原理 (5)第三章应用多元线性回归模型预测黑龙江省粮食产量 (9)§3.1 分析确定影响粮食产量的主要因素 (9)§3.2 回归方程的建立 (10)§3.3 回归模型的估计 (10)§3.4 回归模型的检验 (13)§3.5 自变量的多重共线性及最优方程的确定 (14)§3.6 模型的实际预测 (18)第四章对黑龙江省粮食生产的建议 (20)结束语 (21)谢词 (22)参考文献 (23)序言粮食生产和安全问题是现阶段全球最为关注的问题之一。

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，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1 18 年来水稻产量和相关影响数据水稻播种面化肥施用量生猪存栏量降水量水稻总产量（万积（万亩）（万公斤）（万口）（10mm ）公斤）147.00 2.00 15.00 27.00 154.50 148.00 3.00 26.00 38.00 200.00154.00 5.00 33.00 20.00 227.50 157.00 9.00 38.00 99.00 260.00 153.00 6.50 41.00 43.00 208.00 151.00 5.00 39.00 33.00 229.50 151.00 7.50 37.00 46.00 265.50 154.00 8.00 38.00 78.00 229.00 155.00 13.50 44.00 52.00 303.50 155.00 18.00 51.00 22.00 270.50 156.00 23.00 53.00 39.00 298.50 155.00 23.50 51.00 28.00 229.00 157.00 24.00 51.00 46.00 309.50 156.00 30.00 52.00 59.00 309.00 159.00 48.00 52.00 70.00 371.00 164.00 95.50 57.00 52.00 402.50 164.00 93.00 68.00 38.00 429.50 156.00 97.50 74.00 32.00 427.50 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。

2017年月（中）行政事业资产财务与粮食产量出现明显的加速上升，但是在2006年以后粮食产量逐渐趋于平稳增长。

2.因素分析影响粮食产量的因素是多方面的，粮食生产能力是一个受自然条件、经济环境以及社会条件制约的综合系统，单单的从一个特定的指标出发来研究问题只能反映其特定视角对粮食产量的影响，因此粮食生产能力指标的选择上必须考虑综合因素，采取不同的指标从不同的角度来进行分析。

首先需要对影响河南省粮食产量的各个因素进行详细的定性分析，确定影响河南省粮食产量的主要因素，然后再根据这些具体影响粮食产量的因素通过使用最小二乘法，将这些影响河南省粮食产量的主要因素作为影响粮食产量的自变量，将河南省的粮食产量作为因变量构建数学模型。

本文在综合考虑前人的研究成果，根据量化可得与全面代表性原则，考虑针对产量有重要影响的土地利用率（粮食播种面积X1）、农业科技进步水平（化肥使用量X2、有效灌溉面积X3和农用机械总动力X4）、自然资源（受灾面积X5）以及劳动力成本（农业从业人员X6），本文采用这几个指数指标作为自变量，把河南省的粮食产量作为因变量，建立多元线性回归模型，使用Eviews 软件对其进行分析。

在进行分析是选取河南1978-2014年的年度数据(以上数据来源于《河南省统计年鉴》)。

设定粮食产量与其影响因素之间的回归模型为：ln Y =+1ln X 1+2ln X 2+3ln X 3+4ln X 4+5ln X 5+6ln X 63.模型建立与检验利用eviews7.0对河南省的粮食产量Y 关于X 1、X 2、X 3、X 4、X 5和X 6进行多元线性回归分析，拟合结果显示，决定系数R 2=0.976463，可以看出回归模型高度显著。

又由F 统计量为207.4353，P 值为0.00000，表明回归模型通过了F 检验，6个自变量整体对因变量Y 产生显著线性影响的判断所犯错误的概率仅为0.0000，说明回归方程式显著的。

Advances in Applied Mathematics 应用数学进展, 2019, 8(6), 1088-1093Published Online June 2019 in Hans. /journal/aamhttps:///10.12677/aam.2019.86125Multiple Linear Regression Analysis ofFactors Affecting Grain YieldRanran Jia, Xu HanSchool of Mathematics and Computation Science, Anqing Normal University, Anqing AnhuiReceived: May 20th, 2019; accepted: Jun. 7th, 2019; published: Jun. 14th, 2019AbstractThis paper mainly introduces how to use multivariate linear regression method to analyze the in-fluencing factors of grain yield, and use IBM SPSS Statistics software to carry out analysis, and put forward relevant suggestions based on the analysis results.KeywordsGrain Yield Analysis, Multiple Linear Regression, Significance粮食产量影响因素的多元线性回归分析郏然然，韩旭安庆师范大学数学与计算科学学院，安徽安庆收稿日期：2019年5月20日；录用日期：2019年6月7日；发布日期：2019年6月14日摘要本文主要介绍了如何使用多元线性回归方法对粮食产量的影响因素进行分析和，使用IBM SPSS Statis-tics软件对求出的结果进行分析，并对分析结果结合实际提出相关建议。

河北省粮食产量影响因素多元回归分析1. 引言1.1 研究背景河北省是我国重要的粮食生产基地之一，粮食产量对于当地农民的生计和粮食安全具有至关重要的意义。

随着社会经济发展和气候变化等因素的影响，河北省粮食产量受到了许多影响，包括种植结构的调整、气候变化、农业技术进步等因素。

在过去的几年里，河北省粮食产量呈现出不稳定的趋势，部分地区甚至出现了产量下降的情况。

深入研究河北省粮食产量的影响因素，并建立相应的多元回归分析模型，有助于提高粮食生产的效率和质量，保障当地粮食安全。

本研究旨在探讨河北省粮食产量的影响因素，并通过多元回归分析建立相关模型，为当地粮食生产提供科学依据和决策参考。

通过对各种影响因素的深入分析和研究，可以更好地把握粮食产量的变化规律，为提高粮食产量和质量提供技术支持和政策建议。

这对于促进河北省农业的可持续发展和粮食安全具有重要意义。

1.2 研究目的本研究的目的是通过多元回归分析，探究河北省粮食产量受到的影响因素。

通过收集和处理相关数据，建立多元回归分析模型，分析不同因素对粮食产量的影响程度，为河北省粮食生产提供科学依据和参考。

通过深入研究粮食产量的影响因素，可以为农业生产提供更精准的指导，帮助农民提高种植技术和管理水平，提高粮食产量和质量。

研究结果还可以为政府相关部门提供政策建议和决策依据，促进农业可持续发展，保障国家粮食安全。

通过本研究，可以全面了解河北省粮食产量的影响因素，为今后的粮食生产提供可靠的数据支持和科学参考。

1.3 研究意义河北省是我国重要的粮食生产大省之一，其粮食产量直接关系到我国的粮食安全和农业发展。

对河北省粮食产量影响因素进行多元回归分析具有重要的研究意义。

通过对影响粮食产量的多元回归分析，可以全面分析影响粮食产量的各种因素，为科学制定粮食生产政策和调整农业生产结构提供依据。

粮食产量受多种因素影响，包括气候条件、土壤质量、种植结构、农业技术水平等，通过多元回归分析可以找出各因素之间的相互关系，并量化它们对粮食产量的影响程度，有助于精准地进行产量预测和提高粮食产量。

影响我国粮食产量的因素一、问题的提出改革开放以来，中国经济迅速发展，人口增长迅猛，对粮食的需求日益增加。

粮食产量无疑成了影响中国经济发展的重大因素。

同时，粮食的产量直接关系到农业劳动力的生活水平，因此，“三农”问题成为中国经济研究的热点问题，提高粮食产量，关注农村居民收入迫在眉睫。

为此，本文将就粮食产量影响因素进行分析，希望从中发现一些对粮食产量关键作用的因素。

二．研究方案与数据的搜集统计通过对影响粮食产量的主要因素的分析，把影响农民收入的因素主要归结与以下几个方面：农业化肥施用量，粮食播种面积，成灾面积，农业机械总动力，农业劳动力。

通过查找中国统计年鉴，我们得到如下的统计资料：注：这里由于没有从事粮食生产的农业劳动数据，用第一产业劳动力替代。

资料来源：《中国统计年鉴》（1985，2009）三、模型的估计、检验、确认对模型有如下假设：1.零均值： 0)(=i u E n i ,,3,2,1 =2.同方差无自相关：3.随机扰动项与解释变量不相关：0),(=i ji u X Cov k j ,,3,2 =4.无多重共线性5. 残差的正态性：显然这些假设是不可能完全成立的，所以必须对其进行检验。

残差的正态性检验已完成。

主要需要检验的有：一、多重共线性检验。

二、异方差性检验。

三、自相关性检验。

由于现有知识有限，只能对检验出来的一种情况进行修正，其它的暂不做修正，只做检验。

我们将基于以上数据进行分析。

（1）利用Eviews5.0作OLS 估计的结果为：Dependent Variable: YMethod: Least SquaresDate: 12/26/11 Time: 12:41Sample: 1985 2009Included observations: 25VariableCoefficient Std. Error t-Statistic Prob. C-26695.08 7507.527 -3.555775 0.0021 X15.994511 0.609713 9.831685 0.0000 X20.536701 0.057858 9.276245 0.0000 X3-0.135873 0.029720 -4.571732 0.0002 X40.090822 0.042053 -2.159696 0.0438 X5-0.007390 0.070511 -0.104814 0.9176 R-squared 0.980829 Mean dependent var 44945.64Adjusted R-squared 0.975783 S.D. dependent var 4150.729S.E. of regression 645.9230 Akaike info criterion 15.98480Sum squared resid 7927113. Schwarz criterion 16.27733Log likelihood -193.8100 F-statistic 194.4114Durbin-Watson stat 1.715679 Prob(F-statistic) 0.000000⎩⎨⎧≠===--=k i k i u u E Eu u Eu u E u u COV k i k k i i k i ,0,),()])([(),(2σ),0(~2σμN iY= -26695.08+5.994511X1+0.536701X2+-0.135873X3+0.090822 X4+-0.007390X5 (7507.527) (0.609713) (0.057858)(0.029720) (0.042053) (0.070511)T =（-3.555775）(9.831685) (9.276245) (-4.571732) (-2.159696) (-0.104814)R-Squared=0.980829df=19从上面的估计的结果可以看出：可决系数R-Squared=0. 980829，表明模型在整体的拟和非常好。

基于线性回归的广西粮食产量预测模型探讨广西是一个农业大省，粮食产量在全国占有的比重相当大。

影响广西粮食产量的因素相当的多，通过对影响粮食产量的各种因素的分析比较，从中选取对粮食产量影响相当大的种植面积，单位种植面积产量，年平均降水量这个三个因素进行线性回归分析，得出广西粮食产量的线性回归模型，根据模型对广西粮食产量进行预测。

标签：广西粮食产量；线性回归；粮食产量预测1 广西地理特点分析广西地处低纬度地区，雨、热资源丰富，且两热同季。

广西年降雨量在1，000毫米～2，800毫米之间。

在4月～9月间降雨量占年降雨量的75%，雨季恰好与热季重叠。

雨热同季，较有利于农业生产。

表1 广西粮食产量、单产、种植面积、平均气温统计2 广西省粮食总产量的预测模型根据各影响因素和粮食总产量的数据，来分析它们之间的关系。

许多学者对它们的关系进行了深入的研究，本文就广西省的粮食单产、降水量、种植面积三个因素与粮食总产量的数据利用多元线性回归模型来分析对粮食总产量的影响。

现在，我们利用回归分析的方法，设定这些变量之间有统计的线性关系，建立多元线性回归模型为：yb0+b1x1+b2x2+b3x3x1表示粮食单产，x2表示种植面积，x3表示降水量，y表示粮食总产量，b0为常数项，bi为参数xi回归系数，表示在其他所有自变量不变的情况下，自变量xi每变化一个单位，引起因变量y平均变化的数值。

利用SPSS对数据进行统计分析，分析方法采用ENTER方法。

自变量选择粮食产量，因变量选择粮食单产，种植面积，年平均降水量。

表2 ANOV Ab从方差分析的结果可以看出，显著性水平为0.020，该模型具有统计学意义。

表3 系数a从分析的结果可以看出，常量b0为-517.757，粮食单产x1的系数为0.158，种植面积x的系数为0.382，降水量x3的系数为-0.001。

得出粮食产量与种植面积，粮食单产，降水量的模型：y-517.759+0.158x1+0.382x2-0.001x3从模型可以看出来，对粮食产量贡献最为明显的因子是种植面积，其次是单位面积产量。

多元线性回归法在粮食产量预测中的应用摘要近几年我国粮食总产量呈不断上升趋势，但增长的幅度却在逐年减缓，我国农业经济状况不容乐观，所以有必要对我国粮食产量状况做相应的研究．本文采用多元线性回归法对我国粮食总量量进行分析和预测，引用1992年—2013年的粮食作物种植面积、农业机械总动力、有效灌溉面积、化肥施用量、国家财政用于农业的资金、农村劳动力和粮食受灾面积等7个因素作为自变量，对我国粮食总产量进行多元线性回归分析，并采用已通过优化检验的模型对我国粮食产量进行预测，探索保持农业经济持续发展的有效途径．关键词：粮食产量多元线性回归预测Application of multivariate linear regression method in theforecast of grain outputDirected by lecturerABSTRACTIn recent years, China's total grain output is rising, but the growth rate was slow down year by year, agricultural economy directly facing a huge crisis, so it is necessary to make the corresponding analysis and prediction of grain yield in China. This method is that using the multiple linear regression analysis to study China's total grain from the 1992 to 2013, the area of grain crops, the total power of agricultural machinery, effective irrigation area, the amount of chemical fertilizer, the state financial funds for agriculture, rural labor, disaster area of the 7 factors as independent variables,studying China's total grain output by multiple linear regression analysis ,and by using the grain yield of our country to optimize the test model, exploring the effective way to maintain the sustainable development of agricultural economy.KEY WORDS : Grain yield multiple linear regression prediction目录摘要.................................................. 错误!未定义书签。

基于多元线性回归的粮食产量预测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。

标签：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检验由以上的結果知，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。

应用回归分析课程论文论文题目：多元线性回归模型在全国粮食预测中的应用学生姓名：王淑婷学号：0804100434专业：统计学班级：0804完成日期：2011年7月2一、引言耕乃百业之本，仅此一句就说明了农业的重要性，而其中最重要最基础的就是粮食产量的问题，它的高低决定人民的最基本生存是否可以的到保障，确保所有人在任何时候既能买得到又能买得起他们所需的基本食品，每天都能吃得饱，吃的好，吃的健康，是我们大家所希望的，而这样的希望从古至今，一直在人们的心里传播，从未有片刻停留。

（一）我国粮食的历史农村改革伊始，1978年—1984年，国家实行改革开放的政策，实地农村家庭联产承包经营的正确政策，带来了6年的连续大丰收，平均每年递增5.45%，我国粮食产量从3．0477亿吨增长到4．0730亿吨；在转轨时期，1985-1990年粮食总产量的6年大徘徊，除了1985、1988年有大灾外，究其原因，与存在宏观调控和政策方面的失误有关；1993年—1998年，粮食产量又从4．5649亿吨增长到5．1230亿吨。

但是这两次上升之后的变化有所不同，1985年—1989年，粮食产量大体稳定，农业生产结构调整效果明显。

而1999年—2003年，粮食产量下降比较大，2003年仅有4．307亿吨，比1998年下降0．8亿吨。

同期农业生产结构虽有所调整，但是，耕地减少的情况非常突出，1999年—2004年耕地共减少1亿多亩。

尽管其中主要是退耕还林，但是非农建设用地明显增加。

因此，2003年国内外粮食价格大涨时，粮食生产的恢复比较缓慢，这样的结果在下面的折线图中也可以看到。

（二）我国粮食的现状在旧中国，战乱和灾荒不断，民众流离失所，饥寒交迫，食不果腹，饿死的不在少数，新中国成立以来，特别是改革开放以来，党和政府为解决让农民的吃饭问题倾注了极大地精力。

30年的农村改革发展，极大地解放和发展了农村生产力，从根本上改变了农产品长期短缺的状况，才实现了人民填饱肚子的希望。

摘要许多现象往往不是简单的与某一因素有关而是要受多个因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归亦称多重回归。

当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归。

本文的研究主要从四个部分来进行。

第一章从基础内容和研究对象着手，对主要研究内容进行了简单的阐述。

第二章对多元线性回归的基础进行了详细分析。

第三章介绍了中国经济的现状。

最后通过多元线性回归模型对我国工业生产总值进行了分析。

总的来说，本文在2007年全国各省市主要工业产品的产量与工业总产值的具体数据下，选用塑料、水泥、钢筋、平板玻璃、粗钢、盘条以及原煤等工业产品的产量作为研究对象，建立多元线性回归模型，并对模型做出参数估计.在此基础上对模型做出一定的解释，对于预测工业总产值具有一定的理论指导和现实意义。

关键词：多元线性回归模型工业生产总值假设检验预测AbstractMany phenomena are often not simply associated with a number of factors but with varieties. At this point we need to use two or more factors as independent variables to explain changes in the dependent variable. This is also known as multiple regression. When more than one independent variable and the dependent variable are linear relationship, the regression analysis is carried out by diversity regression.The main research work of this thesis is divided into four parts. In the first chapter, the thesis proceed from the basic content and object of study and elaborate main content simply. In the second chapter, multiple linear regression model is analyzed detail. In the third chapter, the thesis introduces status quo of china. And at last, gross industrial production is analyzed by multiple linear regression model in this article.Over all, this article use the specific data of the output of major industrial products and industrial output in nationwide provinces in 2007, and select the output of plastics, cement, steel, plate glass, crude steel, wire rod and raw coal as study object to establish multiple linear regression model, and then make the model parameter estimation. Based on this，we make some explanations to the model. All of these are of momentous current significance and far-reaching historical significance to the forecast of industrial production.Key Words: Multiple linear regression model Gross industrial production Hypothetical test Prediction目录摘要 (1)Abstract (2)1 绪论 (4)2 多元线性回归分析基础 (5)2.1 多元线性回归定义 (5)2.2多元线性回归模型 (6)2.2.1模型的建立及矩阵表示 (6)2.2.2模型的假设 (7)2.3 多元线性回归参数估计 (7)2.3.1 最小二乘估计和正规方程组 (7)2.3.2 最小二乘估计的矩阵形式 (8)2.4 回归拟合度评价和决定系数 (9)2.4.1 离差分解和决定系数 (9)2.4.2 决定系数的性质及修正可决系数 (10)2.5 统计检验 (11)2.5.1回归参数的显著性检验（t检验） (11)2.5.2回归方程的显著性检验（F检验） (12)2.5.3 多重共线性检验 (12)2.5.4 异方差检验 (13)3 中国经济现状 (15)3.1中国经济现状 (15)3.2 工业生产总值的概述 (15)4 工业生产总值的多因素模型分析 (15)4.1建立多因素分析模型 (16)4.2数据收集 (16)4.3 统计检验 (19)4.4 计量经济学检验及模型修正 (20)4.4.1 异方差检验 (21)4.4.2 自相关检验 (21)5 结论 (26)致谢 (27)参考文献 (28)1绪论在各个方面，变量之间的关系一般来说可分为确定性的与非确定性的两种。