中国粮食产量影响因素分析(2)

中国粮食产量影响因素分析

RIDGE TRACE2.000000x1Kx2Kx3Kx4K1.5000001.0000000.5000000.000000-0.5000000.000000.200000.400000.600000.800001.00000K 根据岭回归数据表和岭迹图，可以认为在岭参数k＝0.10时岭迹基本稳定，取岭参数k＝0.10做岭回归，得输出结果：

Ridge Regression with k = 0.1 Mult R 967150

ANOVA table Model Regress Residual df 17.000 SS MS F Sig F RSquare 0.935379 AdjRSqu 0.920174 SE 1140.89271 4.000 320297944 80074486 61.51833168 .00000000 22127815 1301636.2

Variables in the Equation

Model x1 x2 x3 x4 Constant B 3.34136 0.56246 -0.06966 0.06912 -28957.46652 SE(B) 0.26177 0.06648 0.04609 0.01857 7825.13717 Beta 0.84010 0.55083 -0.09424 0.24195 0.00000 B/SE(B) 12.76449 8.46044 -1.51128 3.72302 -3.70057 中国粮食产量影响因素分析

未标准化的岭回归方程为：

y??28957?3.34136x1?0.56246x2?0.06966x3?0.06912x4

通过岭回归成功，得到农业机械总动力x4的正的回归系数0.06912，与实际情况符合。

三、总结

通过以上分析可以看到，对数据进行回归分析的过程是一个不断深入，不断发现问题到最后解决各类问题的过程，利用这些方法我们最终能够得到比较理想的回归模型。在对粮食产量问题的处理过程中，我们首先根据实际情况选取了5个影响变量，对变量数据进行准确查询。在首先建立的多元模型上通过显著性检验排除了农业劳动力的影响，经过对中国国情及农村劳动力状况的具体分析证明了这种检验和排除的合理性。在排除了劳动力的影响后我们建立的模型中发现农业机械总动力的影响居然为“负”，与实际情况的分析不符合，就此利用了各类方法进行了分析，最后检验出了多重共线性，并运用了剔除变量和岭回归方法得到了新的回归方程，所有变量最终都得到了合理的解释，拟合效果也很好。可以看到，回归分析的实际应用过程有时是曲折的，但逻辑思路却是清晰的，只要按照这种逻辑思路去认真研究分析，应用回归分析将是我们处理诸多数据问题的好工具。

四、指导教师评注与改进

岭回归是解决多重共线性的重要方法，本例运用岭回归方法，成功解决了由共线性引起的农业机械总动力对粮食产量回归系数为负值的问题，得到了正的岭回归系数，与定性分析相符合。另外岭回归也可以用于选择自变量，从岭回归数据表和岭迹图可以看到，成灾面积x3的标准化回归系数从负值趋向于0，对回归的贡献降低。对k＝0.1，从回归系数表看到x3的B/SE(B)＝-1.51128，这个数值相当于t 统计量值，可以认为x3变得不显著了。这样在普通二乘法显著的成灾面积x3，在岭回归时不显著了。那么我们不由会想，在普通二乘法不显著的农业劳动力X5，在岭回归时会不会变得显著了？以下是y对全部5个自变量的岭回归。

K RSQ X1 X2 X3 X4 X5 ______ ______ ______ ________ ________ _______ ________ .00000 .98072 1.645275 .489870 -.177456 -.500123 -.019570 .05000 .95485 .944505 .534204 -.150190 .171569 .088993 .10000 .93404 .782508 .482161 -.131917 .261537 .127878 .15000 .91438 .694559 .433035 -.115714 .285571 .150202 .20000 .89525 .634315 .391334 -.101208 .290879 .164091 .25000 .87673 .588557 .356222 -.088262 .289156 .172875 .30000 .85893 .551766 .326435 -.076733 .284478 .178332 .35000 .84189 .521102 .300902 -.066469 .278539 .181524

中国粮食产量影响因素分析

.40000 .82560 .494902 .278791 -.057324 .272124 .183134 .45000 .81005 .472105 .259463 -.049164 .265615 .183614 .50000 .79521 .451986 .242424 -.041870 .259205 .183278 .

可以看到，农业劳动力X5的标准化回归系数从-.019570变为正值并迅速增大，当岭参数k＝0.15时，X5的标准化回归系数＝0.150202，超过了成灾面积x3的标准化回归系数的绝对值0.115714。标准化回归系数可以用来比较自变量对回归的贡献程度，由岭回归结果看到，在本例所选取的5个自变量中，对粮食产量贡献最大的因素是农业化肥施用量x1，贡献排第二位的是粮食播种面积x2，其次是农业机械总动力x4，而成灾面积x3和农业劳动力X5对粮食产量的影响较弱。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库中国粮食产量影响因素分析(2)在线全文阅读。