我国粮食产量主要影响因素研究——基于OLS多元线性回归模型

三、实证结果与分析
2、多元回归分析
（3）显著性检验：单个的显著性检验（t检验）
三、实证结果与分析
2、多元回归分析 （4）多重共线性检验及处理
三、实证结果与分析
2、多元回归分析
（4）多重共线性检验及处理：向后消除法
三、实证结果与分析
2、多元回归分析
（4）多重共线性检验及处理：向后消除法
三、实证结果与分析
Yield -41999 5.64 Fertilizer 0.41Area - 0.24Disaster - 0.01Power 0.91Labor

三、实证结果与分析
2、多元回归分析
（2）模型拟合优度
三、实证结果与分析
2、多元回归分析
（3）显著性检验：总体的显著性检验（F检验）
2

（4.93）
- 0.24Disaster 0.95 Labor （7.59） Ra 0.9461 F 145 .84
四、研究结论
2、研究假设检验结果 本文的五个研究假设中，假设一、二、三、五成 立，假设四不成立。 （1）农用化肥施用量与粮食产量呈正相关 （2）粮食作物播种面积与粮食产量呈正相关 （3）成灾面积与粮食产量呈负相关
我国粮食产量主要影响因素研究
——基于OLபைடு நூலகம்多元线性回归模型
组员：林泽钦 1336151015
骆小浩 1336151010
目录
一、研究背景及意义 二、研究设计 三、实证结果与分析 1、描述性统计分析 2、多元回归分析 四、研究结论
一、研究背景及意义
1、我国粮食生产状况
国家（2008年） 美国 欧洲 大洋洲 俄罗斯 中国 印度 朝鲜
←
三、实证结果与分析
1、描述性统计分析
（1）汇总统计量
三、实证结果与分析
1、描述性统计分析
（2）散点图
三、实证结果与分析
1、描述性统计分析
（2）散点图
三、实证结果与分析
1、描述性统计分析
（2）散点图
←
三、实证结果与分析
2、多元回归分析
三、实证结果与分析
2、多元回归分析
（1）估计的多元回归方程
农业机械总 农业劳动力 动力 （万人） (万千瓦) Power Labor 97,734.66 27525.06951 92,780.48 27880.06224
来源：中国统计局 /
二、研究设计
3、变量定义
变量名称 因变量 变量符号
粮食产量（万吨） Yield
（4）农业劳动力与粮食产量呈正相关
四、研究结论
3、经济意义 模型拟合结果表明，农业化肥施用量每增加1 万吨，平均粮食产量可提高5.49万吨；粮食播种面积 每增加1 千公顷，平均粮食产量可提高0.41万吨；农
业劳动力每增加1 万人，平均粮食产量可提高0.95万
吨；而成灾面积每增加1千公顷时，则会导致平均粮
有效的措施或改用其他方法估计模型中的参数
1、研究假设
根据有关理论、研究背景，对多个因素之间做出
因果假设
假设一：农用化肥施用量与粮食产量呈正相关
假设二：粮食作物播种面积与粮食产量呈正相关
假设三：成灾面积与粮食产量呈负相关
假设四：农业机械总动力与粮食产量呈正相关 假设五：农业劳动力与粮食产量呈正相关
二、研究设计
2、样本选取与数据来源（1978~2011）
食产量减少0.24万吨。
四、研究结论
4、现实意义 为了提高我国的粮食产量，应该在增加粮食作 物播种面积的情况下，同时加大农业劳动力的投入并 适当增加农用化肥施用量，另外还应注意自然灾害的 防范与应对，通过采取相应的措施尽量减少成灾面积 。
四、研究结论
5、本文研究局限性 模型存在正向自相关性 OLS估计仍然是无偏估计，但估计量不具有有效性
ols一研究背景及意义一研究背景及意义二研究设计二研究设计三实证结果与三实证结果与分析分析11描述性统计分析描述性统计分析22多元回归分析多元回归分析四研究结论四研究结论11我国粮食生产状况我国粮食生产状况国家2008年人均产量千克美国1600欧洲570大洋洲1000俄罗斯576中国379印度194朝鲜12822研究意义研究意义11研究总结我国粮食产量主要影响因素研究总结我国粮食产量主要影响因素22控制变量指导生产提高我国粮食生产产量控制变量指导生产提高我国粮食生产产量33粮食产量可能影响因素粮食产量可能影响因素农用化肥施用量粮食作物播种面积农业机械农用化肥施用量粮食作物播种面积农业机械总动力农业劳动力成灾面积总动力农业劳动力成灾面积11研究假设研究假设根据有关理论研究背景对多个因素之间做出根据有关理论研究背景对多个因素之间做出因果假设因果假设假设一
剔除自变量前后对比
三、实证结果与分析
2、多元回归分析 （7）多重共线性检验及处理：剔除自变量前后对比
三、实证结果与分析
2、多元回归分析
（8）误差项假定1：期望值为零（预测值-残差图）
三、实证结果与分析
2、多元回归分析
（8）误差项假定1：期望值为零（自变量-残差图）
三、实证结果与分析
2、多元回归分析
2、多元回归分析 （8）误差项假定3：服从正态分布（严格的判断）
三、实证结果与分析
2、多元回归分析
（8）误差项假定4：相互独立
显著性水平：0.05
样本容量：34
自变量个数：4
临界值的下界为1.27，上界为1.65 0<D.W.<1.27,因此模型存在正向序列相关性。
三、实证结果与分析
2、多元回归分析 （9）回归模型最终的拟合结果：
人均产量（千克） 1600 570 >1000 576 379 194 128
一、研究背景及意义
2、研究意义
（1）研究总结我国粮食产量主要影响因素
（2）控制变量，指导生产，提高我国粮食生产产量
3、粮食产量可能影响因素
农用化肥施用量、粮食作物播种面积、农业机械
总动力、农业劳动力、成灾面积
←
二、研究设计
2、多元回归分析 （4）多重共线性检验及处理：向后消除法
三、实证结果与分析
2、多元回归分析
（5）模型拟合优度：剔除自变量前后对比
三、实证结果与分析
2、多元回归分析 （6）显著性检验：总体的显著性检验（F检验）
剔除自变量前后对比
三、实证结果与分析
2、多元回归分析 （6）显著性检验：单个的显著性检验（t检验）
Yield -43368 5.49 Fertilizer 0.41Area - 0.24Disaster 0.95 Labor

三、实证结果与分析
2、多元回归分析
（10）模型预测
←
四、研究结论
1、估计的回归方程：
Yield -43368 5.49 Fertilizer 0.41Area （ - 3.85） （20 .29） （ - 4.85）
时间
Year 2011年 2010年
粮食产量 (万吨)
Yield 57,120.85 54,647.71
农用化肥施 粮食作物播 用折纯量 种面积 (万吨) (千公顷) Fertilizer Area 5,704.24 5,561.68 110,573.02 109,876.09
成灾面积 (千公顷)
Disaster 12,441 18,538
三、实证结果与分析
2、多元回归分析
（8）误差项假定2：同方差
三、实证结果与分析
2、多元回归分析
（8）误差项假定2：同方差
三、实证结果与分析
2、多元回归分析
（8）误差项假定3：服从正态分布（粗略判断）
三、实证结果与分析
2、多元回归分析 （8）误差项假定3：服从正态分布（粗略判断）
三、实证结果与分析
自变量
农用化肥施用量 （万吨） 粮食作物播种面积 （千公顷） 成灾面积 （千公顷） 农业机械总动力 （万千瓦） 农业劳动力 （万人）
Fertilizer
Area Disaster Power Labor
二、研究设计
4、构建模型
采用OSL多元线性回归模型，构建模型如下：
Yield 0 1Fertilizer 2 Area 3Disaster 4 Power 5 Labor
（8）误差项假定1：期望值为零（自变量-残差图）
三、实证结果与分析
2、多元回归分析 （8）误差项假定1：期望值为零（自变量-残差图）
三、实证结果与分析
2、多元回归分析 （8）误差项假定1：期望值为零（自变量-残差图）
三、实证结果与分析
2、多元回归分析 （8）误差项假定1：期望值为零（时间变量-残差图）