基于多元线性回归的广西粮食产量预测

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 and
technology, 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）。

随着经济的发展和人口的增加，粮食产量的确保任务日益加重，对影响粮食总产量的因素进行科学分析及预测对实现粮食生产与粮食安全的宏观调控具有极为重要的意义。

【前人研究进展】王启平（2002）应用BP神经网络对我国2001～2010年的粮食产量进行预测，并通过对比传统的“平均增长率——阶滞后模型”拟合及预测1992～2000年粮食产量与实际产量的误差值大小，得出BP神经网络的预测误差更小，在时间序列预测问题上可以真实反映复杂的非线性系统问题。

张素文和李晓青（2005）通过分析湖南省近50年的粮食播种面积及粮食产量的总体变化趋势，对影响湖南省粮食总产量的各项因子进行灰色关联分析，得出粮食单产是影响湖南省粮食产量最重要的因
子，并预测2010年湖南省的粮食产量达3023.48万t。

尹宗成（2008）将粗糙
集理论引入到我国的粮食产量预测中，提取影响粮食产量的关键影响因素并对其重要性进行排序，结果表明，影响粮食产量的最重要因素是农业机械总动力，最后得到一致且完备的影响因素预测粮食产量的10条确定性预测规则。

王步祥（2009）运用灰色系统理论建立了我国粮食总产量及主要粮食品种的预测模型，该模型可对粮食产量做中长期预测，预测结果显示，我国粮食总产量及各种主要的粮食品种在未来一段时间内将继续保持增产的发展态势，并提出我国应在基层要素层面、支撑要素层面和保障要素层面提高粮食产量。

【本研究切入点】多元线性回归分析在粮食产量预测中的精确度较好（姚作芳等，2010），且方法较为简单便捷，因此本
研究拟采用多元线性回归法构建广西粮食产量预测模型。

【拟解决的关键问题】提取广西粮食产量的主要影响因素，利用多元线性回归方法建立广西粮食产量预测模型，并利用粮食产量预测模型对2012年广西粮食产量进行预测，以期为相关研究提供参考。

1.1 广西地理特点
广西地处低纬度地区，南濒热带海洋，北为南岭山地，西延云贵高原，境内河流纵横，光热资源丰富，雨量充沛，且两热同季。

年均降雨量为1000～2800 mm，
日均温≥10℃，积温为5000～8300℃，降雨量和热量资源分布大体上呈由北向南增多趋势。

4～9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，较利于农业生产。

1.2 影响因素分析
粮食产量的影响因素较多，利用灰色关联度指标分析法（李秋芳，2010）可以提
取出影响广西粮食产量的主要因素有粮食单产、降水量及种植面积。

本研究利用SPSS 17.0 软件对 1995～2007年广西粮食单产、降水量和种植面积进行分
析（表1，数据来源于国家统计局数据库、中国农业信息网、中国农业统计资料汇
编）。

1.2.1 粮食单产变化1995～2007年，广西的粮食产量总体上呈上升趋势（表1）。

在1999年前，广西增加了对粮食生产的财力、物力以及科技投入力度，改善了粮食生产条件，同时积极推广优良品种和先进适用栽培技术，并制定了一系列的粮食生产鼓励措施，使全区粮食单产得到逐年提高。

但2000～2004年，由于受到粮
食比较利益下降的影响，全区对粮食科技等各方面的投入减少，影响了粮食单产。

近年来，随着广西农业科技的快速发展，良种推广面积的逐年增加，高效农业生产方式的推广普及，粮食单产重新显示出增长的势头。

利用SPSS 17.0对1995～2007年广西粮食单产数据进行分析，得到回归方程为：y=43.243x-82274。

1.2.2 降水量变化从1995～2007年的数据分析可以看出（表1），广西年降水量呈波动变化，但降水量总体上略呈下降趋势，这与广西的气候变化、环境污染、森林破坏等因素有关。

利用SPSS 17.0软件对数据进行分析，得到回归方程为：
y=193.76x+403039。

1.2.3 种植面积变化广西粮食种植面积从1998年以来呈逐年递减趋势。

自1995年以来，随着城市化进程的加快，农村耕地面积也呈迅速下降趋势。

同时，由于农村劳动力向城市转移，导致大量农村劳动力外流，农村出现劳动力短缺的现象，也是粮食种植面积减少的重要原因。

2000～2005年，随着农业产业结构战略性调整，加上粮食比较利益的下降，2005年种植面积仅为
335.09万ha，比1999年减少了37.45万ha，5年间减少了10.1%，年均减少2.5%。

另外，近年来非农建设占用和坡度大的耕地实行退耕还林也是耕地面积减
少的一个主要原因。

利用SPSS 17.0软件对数据进行分析，得到回归方程为：
y=29.865x+63355。

利用回归分析方法，设定这些变量之间存在统计线性关系，建立多元线性回归模型为：y=b0+b1x1+b2x2+b3x3，其中x1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，是xi的回归系数，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 17.0软件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。

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

从表3可知，常量b0为-517.757，粮食单产x1的系数为0.158，种植面积x2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、降水量的回归方程为：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，降水量对粮食产量影响最小。

利用1995～2007年种植面积、单位粮食产量、降水量的回归方程，可以预测2012年广西粮食单产为：y= 43.243×2012-82274=4730.916；种植面积为：y=-29.865× 2012+63355=3266.62；降水量为：y=-193.76 ×2012+ 403039=13193.88。

则2012年广西粮食产量为：y= -
517.759+0.518x1+0.382x2-0.001x3=-517.759+0.518 ×
4730.916+0.382×3266.62-0.001×13193.88=1464.381万t。

通过对广西粮食产量影响因子的历年数据进行分析，得出粮食单产、降水量以及种植面积的预测模型，并应用SPSS 17.0软件得出广西粮食产量的预测模型，利用此模型预测2012年广西粮食产量为1464.381万t。

从1995～2007年数据的整体趋势来看，本研究采用多元线性回归模型对未来粮食产量的预测具有合理性。

此外，笔者用灰色预测法得出的结果为1512.156万t，两者的预测结果较接近。

但灰色预测法更多地反映了整体变化，更适合中长期预测，对序列的短期波动反映较迟钝。

与灰色预测法相比，多元线性回归分析方法在建模时更全面地考虑了粮食产量的各种影响因子，极大地提高了预测模型的精度（褚春雷，2008）。

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，降水量对粮食产量影响最小。

然而，随着可耕种土地面积的不断减少、科学技术的不断进步、优质品种及先进种植制度的应用等，粮食种植面积对粮食产量的影响相对减小，粮食单位面积产量已成为影响粮食产量最为重要的因子。

对于年平均降水量，由于广西地处热带亚热带地区，雨水充沛，尤其是7月，降水已成为
一个对粮食产量影响不是特别明显的因子，并且还可能由于降水过多而导致总产量下降。

4.1 保证粮食耕种面积
近年来，广西在加快经济建设的同时，各类非农业用地的数量急剧增加，占用了大量耕地。

此外，可用的后备耕地资源却十分有限，这些问题严重制约着粮食总产量的提高。

从农业生产现实来看，广西粮食种植面积持续下滑，单纯依靠增加粮食种植面积来提高粮食总产不太现实，但就目前广西农业种植技术水平而言，增加粮食产量必须要有一定的粮食种植面积作为保障。

4.2 加快农业科技创新，努力提高土地利用水平
虽然广西单位土地粮食产量呈上升趋势，但是相对全国水平而言，单产水平仍较低。

从粮食预测模型来看，粮食单产对粮食总产量的贡献十分明显，可作为粮食增产的主要突破口。

因此，要加强粮食优良品种以及超级稻等高产作物新品种的选育，加快品种更新速度，大力推广粮食生产新模式和新技术（王慧，2008），以提高粮
食单产。

4.3 加强农田水利建设
广西降水量略呈下降趋势，而且与别的省份相比，广西现有的水利设施较薄弱，灌区设施配套不全，破损日益严重，基于此降水量对广西粮食产量影响也较大。

另外，因为水田旱涝保收面积较少，至2002年广西水田旱涝保收面积仅45%。

因此，
应重视水土治理，改善生态环境，加强农田水利建设，为广西粮食高产稳产奠定物质基础。

4.4 完善促进粮食生产的相关政策
扩大各项农业补贴的实施范围，并提高补贴标准，完善发放手段；对粮食主产区及主要粮食品种与粮食生产关键环节，实施技术推广补贴政策。

进一步加大“种子工程”、“农机节本增效工程”等粮食增产工程的实施力度（于平福等，2010），确保广西粮食生产的稳定发展。

褚春雷.2008.几种方法在粮食产量预测中的比较研究［D］.开封：河南大学. Chu C parative study of several methods in the grain production forecast［D］.Kaifeng：Henan University.
李秋芳.2010.河南省粮食产量的灰色预测［D］.郑州：河南农业大学.
Li Q F.2010.Grey prediction on grain production of Henan Province ［D］.Zhengzhou：Henan Agricultural University.
王步祥.2009.基于灰色系统理论的我国粮食产量预测研究［D］.镇江：江苏大学. Wang B X.2009.Research on grain yield forecasting based on grey model ［D］.Zhenjiang：Jiangsu University.
王慧.2008. 影响河南粮食产量的因子分析与发展对策［J］.农业经济，（8）：45-47.
Wang H.2008.Factors affecting grain production in Henan Province and its development strategies［J］.Agricultural Economy，（8）：45-47.
王启平.2002.BP 神经网络在我国粮食产量预测中的应用［J］. 预测，（3）：79-80.
Wang Q P，2002.Application of BPNN for forecast of Chinese grain output ［J］.Forecasting，（3）：79-80.
杨玉建.2011.山东省年粮食总产量的神经网络预测研究［J］.农业网络信息，（4）：27-29.
Yang Y J.2011.Study on the total grain yield in Shandong Province based on the neural network algorithm［J］.Agriculture Network Information，（4）：27-29.
姚作芳，刘兴土，杨飞，闫敏华.2010.几种方法在粮食总产量预测中的对比［J］. 干旱地区农业研究，28（4）：264-268. Yao Z F，Liu X T，Yang F，Yan M parison of several methods in the grain production prediction ［J］. Agricultural Research in the Arid Areas，28（4）：264-268.
尹宗成.2008. 运用粗糙集理论对我国粮食产量的预测［J］.统计与决策，（6）：46-48.
Yin Z C.2008.Forecast of grain output in China with rough set theory ［J］.Statistics and Decision，（6）：46-48.
于平福，梁毅劼，陆宇明，韦莉萍，杨景峰.2010.广西粮食产量变化的小波分析［J］. 安徽农业科学，38（33）：19203-19205.
Yu P F，Liang Y J，Lu Y M，Wei L P，Yang J F.2010. Wavelet analysis on food yield change in Guangxi［J］.Journal of Anhui Agricultural Sciences，38（33）：19203-19205.
张素文，李晓青.2005.湖南省粮食生产变化趋势及影响因子研究［J］. 国土与自然资源研究，（1）：30-31.
Zhang S W，Li X Q.2005.The development tendency and effect factors of grain production in Hunan Province［J］. Territory&Natural Resources Study，（1）：30-31.。