SPSS教程-經(jīng)典案例分析-影響糧食產(chǎn)量的因素

1、PAGE PAGE 12目錄 TOC o 1-4 h z u HYPERLINK l _Toc328084858 摘要： PAGEREF _Toc328084858 h 1 HYPERLINK l _Toc328084859 一前言 PAGEREF _Toc328084859 h 1 HYPERLINK l _Toc328084860 二理論背景 PAGEREF _Toc328084860 h 1 HYPERLINK l _Toc328084861 2.1多元線性回歸模型的基本理論 PAGEREF _Toc328084861 h 1 HYPERLINK l _Toc328084862 2.1.

2、1多元線性回歸模型一般形式 PAGEREF _Toc328084862 h 1 HYPERLINK l _Toc328084863 2.1.2多元線性回歸模型的基本假定： PAGEREF _Toc328084863 h 1 HYPERLINK l _Toc328084864 三模型的建立及求解 PAGEREF _Toc328084864 h 2 HYPERLINK l _Toc328084865 3.1 一些基本的符號說明 PAGEREF _Toc328084865 h 2 HYPERLINK l _Toc328084866 3.2 多元回歸模型的初步建立與初步檢驗(yàn) PAGEREF _Toc3

3、28084866 h 2 HYPERLINK l _Toc328084867 3.2.1 多元回歸模型的初步建立 PAGEREF _Toc328084867 h 2 HYPERLINK l _Toc328084868 3.2.2 模型的初步檢驗(yàn) PAGEREF _Toc328084868 h 3 HYPERLINK l _Toc328084869 3.3 模型的優(yōu)化 PAGEREF _Toc328084869 h 3 HYPERLINK l _Toc328084870 3.3.1多重共線性的診斷與模型的建立 PAGEREF _Toc328084870 h 3 HYPERLINK l _Toc3

4、28084871 3.3.1.1 多重共線性的診斷方差擴(kuò)大因子法 PAGEREF _Toc328084871 h 3 HYPERLINK l _Toc328084872 3.3.1.2 多重共線性的處理與檢驗(yàn) PAGEREF _Toc328084872 h 4 HYPERLINK l _Toc328084873 3.3.2 異方性差檢驗(yàn)及處理 PAGEREF _Toc328084873 h 6 HYPERLINK l _Toc328084874 3.3.2.1 異方差檢驗(yàn) PAGEREF _Toc328084874 h 6 HYPERLINK l _Toc328084875 3.3.3 自相關(guān)

5、性檢驗(yàn)及處理 PAGEREF _Toc328084875 h 6 HYPERLINK l _Toc328084876 3.3.3.1 自相關(guān)檢驗(yàn) PAGEREF _Toc328084876 h 6 HYPERLINK l _Toc328084877 3.4 最終模型的確定 PAGEREF _Toc328084877 h 7 HYPERLINK l _Toc328084878 四模型評價(jià) PAGEREF _Toc328084878 h 7 HYPERLINK l _Toc328084879 參考文獻(xiàn) PAGEREF _Toc328084879 h 7 HYPERLINK l _Toc328084

6、880 附錄 PAGEREF _Toc328084880 h 7影響我國糧食產(chǎn)量因素的分析摘要： 本文主要對我國糧食產(chǎn)量的變動(dòng)進(jìn)行多因素分析，選取1990年-2007年18年的數(shù)據(jù)，利用SPSS軟件，建立以糧食產(chǎn)量為被解釋變量，以有效灌溉面積、糧食作物播種面積、化肥使用量、受災(zāi)面積、農(nóng)用機(jī)械總動(dòng)力、農(nóng)業(yè)基本建設(shè)投資為解釋變量的多元線性回歸模型，通過對模型進(jìn)行異方差檢驗(yàn)，自相關(guān)檢驗(yàn)，自變量的選擇以及多重共線性診斷，最后建立了合乎經(jīng)濟(jì)意義的糧食生產(chǎn)函數(shù)，從而通過對我國糧食生產(chǎn)的影響因素分析糧食產(chǎn)量的決定因素。關(guān)鍵詞：最小二乘估計(jì) 多元線性回歸分析 異方差 自相關(guān) 多重共線性 殘差圖 懷特檢驗(yàn) 迭代

7、法，差分法 逐步回歸 方差擴(kuò)大因子。一前言糧食是人類最基本的生活消費(fèi)品，一個(gè)國家的糧食問題是關(guān)系到本國的國計(jì)民生的頭等大事。人們都知道，農(nóng)業(yè)是國民經(jīng)濟(jì)發(fā)展的基礎(chǔ)，糧食是基礎(chǔ)的基礎(chǔ)，因此糧食生產(chǎn)是關(guān)系到一個(gè)國家生產(chǎn)與發(fā)展的一個(gè)永恒的主題。根據(jù)理論和經(jīng)驗(yàn)分析，影響糧食生產(chǎn)的主要因素有有效灌溉面積、糧食作物播種面積、化肥使用量、受災(zāi)面積、農(nóng)用機(jī)械總動(dòng)力、農(nóng)業(yè)基本建設(shè)投資。為此，本文收集了我國自1990年至2007年有效灌溉面積、糧食作物播種面積、化肥使用量、受災(zāi)面積、農(nóng)用機(jī)械總動(dòng)力、農(nóng)業(yè)基本建設(shè)投資的相關(guān)數(shù)據(jù)。數(shù)據(jù)資料均來源于中國統(tǒng)計(jì)年鑒，見附錄一。糧食的產(chǎn)量隨著投入生產(chǎn)要素的變化而變化，反映出一種

8、投入與產(chǎn)出之間存在著一種數(shù)量關(guān)系，這種關(guān)系可以用一種數(shù)學(xué)表達(dá)式表現(xiàn)出來，這種表達(dá)式常稱作生產(chǎn)函數(shù)。多元線性函數(shù)就是用于表示農(nóng)業(yè)生產(chǎn)投入產(chǎn)出的一種生產(chǎn)函數(shù)。本文首先用最小二乘估計(jì)，建立多元線性回歸模型，對參數(shù)進(jìn)行估計(jì)，然后進(jìn)行參數(shù)檢驗(yàn)，方程顯著性檢驗(yàn)，經(jīng)濟(jì)意義的檢驗(yàn)。通過建立數(shù)學(xué)模型來研究我國糧食投入與產(chǎn)出的生產(chǎn)函數(shù)，找出影響糧食產(chǎn)量的關(guān)鍵指標(biāo)加以改善，確保糧食產(chǎn)量穩(wěn)步增長，建立糧食生產(chǎn)模型，且對此模型進(jìn)行評估。二理論背景 2.1多元線性回歸模型的基本理論2.1.1多元線性回歸模型一般形式設(shè)隨機(jī)變量與一般變量的理論線性回歸模型為：.(1),其中是個(gè)未知參數(shù)，稱為回歸常數(shù)，稱為回歸系數(shù)。y稱為被解

9、釋變量（因變量），是個(gè)可以精確測量并可控制的一般變量，稱為解釋變量（自變量），是隨機(jī)誤差。對一個(gè)實(shí)際問題，如果我們獲得n組觀測數(shù)據(jù)（），則線性回歸模型(1)式可表示為：寫成矩陣的形式為：，是一個(gè)階矩陣，稱為回歸設(shè)計(jì)矩陣或資料矩陣。2.1.2多元線性回歸模型的基本假定：為了方便地進(jìn)行模型的參數(shù)估計(jì)，對回歸方程（2）式有如下一些基本的假定：（1）解釋變量是確定性變量，不是隨機(jī)變量，且要求，這里的，表明設(shè)計(jì)矩陣中的自變量列之間不相關(guān)，樣本量的個(gè)數(shù)應(yīng)大于解釋變量的個(gè)數(shù)，是以個(gè)滿秩矩陣。（2）高斯-馬爾科夫條件：隨機(jī)誤差項(xiàng)具有零均值和同方差性，即：；即假設(shè)觀測值沒有系統(tǒng)誤差，隨機(jī)誤差項(xiàng)的平均值為零。隨機(jī)

10、誤差項(xiàng)的協(xié)方差為零，表明隨機(jī)誤差項(xiàng)在不同的樣本之間是不相關(guān)的，不存在序列相關(guān)，并且有相同的精度。（3）正態(tài)分布的假定條件為：對于多元線性回歸的矩陣模型（3）式，這個(gè)條件還可以表示為：，由上述假定和多元正態(tài)分布的性質(zhì)可知，隨機(jī)向量服從維正態(tài)分布，回歸模型（3）式的期望向量，因此三模型的建立及求解3.1 一些基本的符號說明用表示糧食產(chǎn)量（萬噸）；表示有效灌溉面積（千公頃）；表示播種面積（千公頃）；表示化肥施用量（萬噸）；表示是受災(zāi)面積（千公頃）；表示農(nóng)用機(jī)械總動(dòng)力（萬千瓦時(shí)）；表示農(nóng)業(yè)基本建設(shè)投資（億元）。3.2 多元回歸模型的初步建立與初步檢驗(yàn)3.2.1 多元回歸模型的初步建立（1）建立糧食產(chǎn)量

11、與有效灌溉面積、播種面積化肥施用量，受災(zāi)面積，農(nóng)業(yè)機(jī)械總動(dòng)力，農(nóng)業(yè)基本建設(shè)投資的一個(gè)6元線性回歸模型: 其中：是待定參數(shù). （2）利用SPSS軟件，通過最小二乘估計(jì)得到系數(shù)的估計(jì)值，結(jié)果如表5-1所示：表5-1系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量)-47279.74611670.296-4.051.002有效灌溉面積.885.411.9762.151.055播種面積.464.056.7608.260.000化肥施用量7.395.6902.02910.724.000受災(zāi)面積-.144.024-.318-6.004.000農(nóng)業(yè)機(jī)械總動(dòng)力-.576.159-3.342-

12、3.629.004農(nóng)業(yè)基本建設(shè)投資3.582.9991.3423.587.004a. 因變量: 糧食產(chǎn)量表5-2模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差1.992a.985.976417.705661814464900a. 預(yù)測變量: (常量), 農(nóng)業(yè)基本建設(shè)投資, 受災(zāi)面積, 播種面積, 化肥施用量, 有效灌溉面積, 農(nóng)業(yè)機(jī)械總動(dòng)力。表5-3Anovab模型平方和df均方FSig.1回歸1.223E8620386377.595116.842.000a殘差1919258.21911174478.020總計(jì)1.242E817a. 預(yù)測變量: (常量), x6, x4, x2, x3, x

13、1, x5。b. 因變量: y3.2.2 模型的初步檢驗(yàn)（1）由輸出結(jié)果我們可以清楚的看到此多元回歸的經(jīng)驗(yàn)方程為： （2） 從coefficient系數(shù)表（表5-1）中可以看到，回歸系數(shù)檢驗(yàn)的t值分別為-4.051、2.151、8.260、10.724、-6.004、-3.629、3.587,自變量t檢驗(yàn)的臨界值均大于，且從收尾率也可以看出回歸系數(shù)通過檢驗(yàn)，即自變量對被解釋變量有顯著影響；我們再從模型匯總表（model summary）表5-2來做分析。（3）從模型匯總（model summary）表中可以看到，決定系數(shù),從相對水平上看，回歸方程能夠減少因變量y的99.8%的方差波動(dòng)，回歸標(biāo)準(zhǔn)

14、差，從絕對水平上看，y的標(biāo)準(zhǔn)差從回歸前的2703.347856減少到回歸后的417.70566181；從以下的方差分析（ANOVA）表5-3進(jìn)行分析。（4）從方差分析（ANOVA）表中看到，Sig=0，說明y對自變量有顯著的線性關(guān)系，回歸方程是顯著的；從上的分析中可以回歸系數(shù)的顯著性檢驗(yàn)及方程的顯著性檢驗(yàn)均通過，但是回歸系數(shù)x5的正負(fù)號不符合經(jīng)濟(jì)意義，x5代表農(nóng)用機(jī)械總動(dòng)力，它的參數(shù)負(fù)，意味著投入農(nóng)用機(jī)械總動(dòng)力越高，糧食產(chǎn)量越低，從經(jīng)濟(jì)行為上無法解釋。我們首先考慮它是否存在多重共線性，因?yàn)檗r(nóng)業(yè)投入資金與化肥的施用量，灌溉面積，農(nóng)業(yè)機(jī)械總動(dòng)力有很強(qiáng)的相關(guān)性。3.3 模型的優(yōu)化3.3.1多重共線性

15、的診斷與模型的建立3.3.1.1 多重共線性的診斷方差擴(kuò)大因子法下表5-4、5-5是對其進(jìn)行多重共線性診斷。表5-4系數(shù)a模型共線性統(tǒng)計(jì)量容差VIF1灌溉面積.007146.601播種面積.1666.023化肥使用量.03925.497受災(zāi)面積.5011.996農(nóng)業(yè)機(jī)械總動(dòng)力.002603.981農(nóng)業(yè)基本建設(shè)投資.01099.767a. 因變量: 糧食產(chǎn)量表5-5共線性診斷a模型維數(shù)特征值條件索引方差比例(常量)灌溉面積播種面積化肥使用量受災(zāi)面積農(nóng)業(yè)機(jī)械總動(dòng)力農(nóng)業(yè)基本建設(shè)投資116.5201.000.00.00.00.00.00.00.002.4613.759.00.00.00.00.00.0

16、0.013.00926.444.00.00.00.01.53.00.034.00829.419.00.00.01.04.07.00.065.00178.204.00.00.02.53.00.04.066.000175.787.14.00.50.36.02.08.0771.489E-5661.662.861.00.47.05.38.87.77a. 因變量: 糧食產(chǎn)量從表5-4中可以看出的方差擴(kuò)大因子均大于10，說明自變量間存在嚴(yán)重的多重共線性，從表5-5中最大的條件數(shù)也可以說明自變量間存在嚴(yán)重的共線性。再者第七行中的方差比例同時(shí)較大，說明間存在多重共線性。從表5-4的輸出結(jié)果中看到，的方差擴(kuò)大因

17、子為最大，遠(yuǎn)大于10，并且的回歸系數(shù)為負(fù)值。所以考慮模型是否存在多重共線性。3.3.1.2 多重共線性的處理與檢驗(yàn)（一）多重共線性的處理首先 剔除建立y對五個(gè)自變量的回歸方程，計(jì)算結(jié)果如表5-6所示。表5-6系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計(jì)量B標(biāo)準(zhǔn) 誤差試用版容差VIF1(常量)-14899.38310674.563-1.396.188灌溉面積-.500.217-.552-2.300.040.04920.349播種面積.629.0471.02913.346.000.4762.101化肥使用量6.089.8351.6717.294.000.05418.553受災(zāi)面積-.091.

18、027-.202-3.370.006.7911.265農(nóng)業(yè)基本建設(shè)投資.075.358.028.210.837.1576.360a. 因變量: 糧食產(chǎn)量再次 從表5-4的輸出結(jié)果中看到，x1的方差擴(kuò)大因子為最大，遠(yuǎn)大于10，并且x1的回歸系數(shù)仍為負(fù)值，因此首先剔除x1建立y對四個(gè)自變量x2,x3,x4,x6的回歸方程，計(jì)算結(jié)果如表5-7所示。表5-7系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計(jì)量B標(biāo)準(zhǔn) 誤差試用版容差VIF1(常量)-35825.0606440.979-5.562.000播種面積.650.0531.06412.195.000.4952.022化肥使用量4.438.4921

19、.2189.023.000.2064.843受災(zāi)面積-.105.030-.232-3.443.004.8311.204農(nóng)業(yè)基本建設(shè)投資-.127.400-.048-.318.755.1675.975a. 因變量: 糧食產(chǎn)量最后 從表5-7的輸出結(jié)果中看到，自變量的方差擴(kuò)大因子均小于10，但回歸系數(shù)x6的符號仍然不符合經(jīng)濟(jì)意義的解釋，這是由于農(nóng)業(yè)基本建設(shè)投資與化肥的使用量、灌溉面積有著很強(qiáng)的相關(guān)性，因此將x6剔除后再做回歸，結(jié)果如表5-8所示：表5-8系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計(jì)量B標(biāo)準(zhǔn) 誤差試用版容差VIF1(常量)-36263.2976087.009-5.957.000

20、播種面積.656.0481.07313.579.000.5641.774化肥使用量4.314.2881.18414.966.000.5631.777受災(zāi)面積-.102.028-.225-3.658.003.9341.070a. 因變量: 糧食產(chǎn)量表5-9模型匯總b模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差Durbin-Watson1.975a.951.940661.3675542855735001.426a. 預(yù)測變量: (常量), 受災(zāi)面積, 播種面積, 化肥使用量。b. 因變量: 糧食產(chǎn)量（二）.多重共線性的檢驗(yàn)從表5-8的輸出結(jié)果中看到，自變量的方差擴(kuò)大因子均小于10，回歸系數(shù)的符號也符合

21、經(jīng)濟(jì)意義的解釋，,拒絕零假設(shè)，回歸方程顯著，各回歸系數(shù)的t統(tǒng)計(jì)量均大于,各自變量對y有顯著線性關(guān)系。由表5-9知：此回歸方程的樣本決定系數(shù),調(diào)整樣本決定系數(shù)，而y對3個(gè)自變量的全模型樣本決定系數(shù)，與全模型（1）式相比較，（2）式的擬合度仍然很高。所以最后的回歸方程為，即糧食生產(chǎn)函數(shù)。 現(xiàn)在我們來看以上的回歸模型是否滿足了回歸的基本假設(shè)。3.3.2 異方性差檢驗(yàn)及處理3.3.2.1 異方差檢驗(yàn)第一 殘差圖分析法圖3-1從殘差圖以及等級相關(guān)系數(shù)表（見附錄）中我們大致可以判斷該模型不存在異方差問題，為了更加精確的判定該模型的確不存在異方差問題，下面通過懷特檢驗(yàn)來加以驗(yàn)證。第二 white檢驗(yàn)法表5-

22、10Heteroskedasticity Test: WhiteF-statistic0.768046Prob. F(9,8)0.6506Obs*R-squared8.343615Prob. Chi-Square(9)0.4999Scaled explained SS4.027407Prob. Chi-Square(9)0.9096從懷特檢驗(yàn)的顯示的結(jié)果可以看出：,且收尾率遠(yuǎn)大于顯著性水平，所以接受原假設(shè)，殘差不存在異方差性，與殘差圖的檢驗(yàn)結(jié)果是一致的。3.3.3 自相關(guān)性檢驗(yàn)及處理3.3.3.1 自相關(guān)檢驗(yàn)第一 殘差圖分析法圖3-2從圖5-2我們大致判斷該系列不存在自相關(guān)，從表5-9中的可以

23、知道,不能判斷序列是否存在自相關(guān)性，下面通過LM檢驗(yàn)來加以驗(yàn)證。第二 LM檢驗(yàn)法表5-11Breusch-Godfrey Serial Correlation LM Test:F-statistic1.146164Prob. F(2,12)0.3503Obs*R-squared2.886997Prob. Chi-Square(2)0.2361從LM=知：回歸模型不存在序列自相關(guān)性。所以由上述檢驗(yàn)知道上面建立的生產(chǎn)函數(shù)擬合效果很好，符合多元回歸模型的一些基本的假定。3.4 最終模型的確定所以最后的回歸方程為，即糧食生產(chǎn)函數(shù)。通過以上的分析，我們得出結(jié)論：糧食產(chǎn)量與糧食作物播種面積、化肥使用量、受

24、災(zāi)面積有著密切的關(guān)系。四模型評價(jià)以上模型采用依次剔除方差因子大于10的自變量后，克服了多重共線性的影響，異方差的檢驗(yàn)以及自相關(guān)的檢驗(yàn)后，該模型不存在異方差及自相關(guān)，且該方程的經(jīng)濟(jì)意義已經(jīng)合理，已經(jīng)滿足回歸模型的三條基本假設(shè)，糧食產(chǎn)量與糧食作物播種面積、化肥使用量、受災(zāi)面積有著密切的關(guān)系。由于其他各種因素可能存在很嚴(yán)重的多重共線性，導(dǎo)致系數(shù)符號與經(jīng)濟(jì)事實(shí)不相符所以不予采用，但其對糧食產(chǎn)量的影響是不可忽視的。各個(gè)因素單個(gè)拿出來與糧食產(chǎn)量的回歸都取得可很高的可決系數(shù)，t檢驗(yàn)與F檢驗(yàn)也都很顯著。參考文獻(xiàn)【1】何曉群 劉文卿.運(yùn)用回歸分析【M】.中國人民大學(xué)出版社.2011.【2】易丹輝.數(shù)據(jù)分析與EV

25、iews運(yùn)用【M】.中國人民大學(xué)出版社.2011.附錄附錄一表11年份糧食產(chǎn)量（萬噸）有效灌溉面積（千公頃）糧食作物播種面積（千公頃）化肥使用量（萬噸）受災(zāi)面積（千公頃）農(nóng)用機(jī)械總動(dòng)力（萬千瓦時(shí)）農(nóng)業(yè)基本建設(shè)投資（億元）199044624.347403.11134662590.33847428707.767.2199143529.347822.11123142805685199244265.848590.11105602930.25133330308.4111199345648.848727.91105093151.94882931816.6127.819944451

26、0.148759.11095443317.95504333802.5154.9199546661.849281.21100603593.74582136118.1219.1199650453.550381.41125483827.94698938546.9317.9199749417.151238.51129123980.75342942015.6412.7199851229.552295.61137874083.75014545207.7637.1199950838.653158.41131614124.34998148996.1835.5200046217.553820.310846341

27、46.45468852573.6940200145263.754249.41060804253.85221555172.1993.4200245705.854354.91038914339.44711957929.91291.6200343069.554014.2994104411.65450660386.51652.3200446946.954478.41016064636.63710664027.91890.7200548402.255029.31042784766.23881868397.82323.7200649804.255750.51049584927.74109172522.12

28、749.9200750160.356518.31056385107.84899276589.63403.5附錄二表2-1 全回歸模型的結(jié)果表模型匯總b模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差Durbin-Watson1.992a.985.976417.7056618144649002.458a. 預(yù)測變量: (常量), 農(nóng)業(yè)基本建設(shè)投資, 受災(zāi)面積, 播種面積, 化肥施用量, 有效灌溉面積, 農(nóng)業(yè)機(jī)械總動(dòng)力。b. 因變量: 糧食產(chǎn)量Anovab模型平方和df均方FSig.1回歸1.223E8620386377.595116.842.000a殘差1919258.21911174478.020總計(jì)

29、1.242E817a. 預(yù)測變量: (常量), 農(nóng)業(yè)基本建設(shè)投資, 受災(zāi)面積, 播種面積, 化肥施用量, 有效灌溉面積, 農(nóng)業(yè)機(jī)械總動(dòng)力。b. 因變量: 糧食產(chǎn)量系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B 的 95.0% 置信區(qū)間相關(guān)性共線性統(tǒng)計(jì)量B標(biāo)準(zhǔn) 誤差試用版下限上限零階偏部分容差VIF1(常量)-47279.74611670.296-4.051.002-72965.894-21593.598有效灌溉面積.885.411.9762.151.055-.0201.790.431.544.081.007146.601播種面積.464.056.7608.260.000.341.588.245.9

30、28.310.1666.023化肥施用量7.395.6902.02910.724.0005.8778.913.533.955.402.03925.497受災(zāi)面積-.144.024-.318-6.004.000-.196-.091-.254-.875-.225.5011.996農(nóng)業(yè)機(jī)械總動(dòng)力-.576.159-3.342-3.629.004-.925-.227.380-.738-.136.002603.981農(nóng)業(yè)基本建設(shè)投資3.582.9991.3423.587.0041.3845.781.362.734.134.01099.767a. 因變量: 糧食產(chǎn)量共線性診斷a模型維數(shù)特征值條件索引方差比

31、例(常量)有效灌溉面積播種面積化肥施用量受災(zāi)面積農(nóng)業(yè)機(jī)械總動(dòng)力農(nóng)業(yè)基本建設(shè)投資116.5201.000.00.00.00.00.00.00.002.4613.759.00.00.00.00.00.00.013.00926.444.00.00.00.01.53.00.034.00829.419.00.00.01.04.07.00.065.00178.204.00.00.02.53.00.04.066.000175.787.14.00.50.36.02.08.0771.489E-5661.662.861.00.47.05.38.87.77a. 因變量: 糧食產(chǎn)量相關(guān)性糧食產(chǎn)量有效灌溉面積播種面積化

32、肥施用量受災(zāi)面積農(nóng)用機(jī)械總動(dòng)力農(nóng)業(yè)基本建設(shè)投資糧食產(chǎn)量Pearson 相關(guān)性1.431*.245.533*-.254.380.362顯著性（單側(cè)）.037.164.011.154.060.070N18181818181818有效灌溉面積Pearson 相關(guān)性.431*1-.686*.971*-.203.973*.888*顯著性（單側(cè)）.037.001.000.210.000.000N18181818181818播種面積Pearson 相關(guān)性.245-.686*1-.656*.232-.751*-.708*顯著性（單側(cè)）.164.001.002.178.000.001N1818181818181

33、8化肥施用量Pearson 相關(guān)性.533*.971*-.656*1-.235.960*.885*顯著性（單側(cè)）.011.000.002.174.000.000N18181818181818受災(zāi)面積Pearson 相關(guān)性-.254-.203.232-.2351-.315-.365顯著性（單側(cè)）.154.210.178.174.101.068N18181818181818農(nóng)用機(jī)械總動(dòng)力Pearson 相關(guān)性.380.973*-.751*.960*-.3151.964*顯著性（單側(cè)）.060.000.000.000.101.000N18181818181818農(nóng)業(yè)基本建設(shè)投資Pearson 相關(guān)性

34、.362.888*-.708*.885*-.365.964*1顯著性（單側(cè)）.070.000.001.000.068.000N18181818181818Unstandardized ResidualPearson 相關(guān)性.124.000.000.000.000.000.000顯著性（單側(cè)）.312.500.500.500.500.500.500N18181818181818*. 在 0.05 水平（單側(cè)）上顯著相關(guān)。*. 在 .01 水平（單側(cè)）上顯著相關(guān)。描述性統(tǒng)計(jì)量均值標(biāo)準(zhǔn) 偏差N糧食產(chǎn)量47041.605555555550002703.34785676449700018有效灌溉面積51

35、992.927777777790002982.49872359433500018播種面積108510.284421.58118化肥施用量3944.178741.862018受災(zāi)面積48336.175975.52518農(nóng)用機(jī)械總動(dòng)力48472.6499999999900015684.78178464905800018農(nóng)業(yè)基本建設(shè)投資1011.8501013.075218 附錄三表3-1 White檢驗(yàn)的部分結(jié)果Heteroskedasticity Test: WhiteF-statistic0.768046Prob. F(9,8)0.6506Obs*R-squared8.343615Prob.

36、Chi-Square(9)0.4999Scaled explained SS4.027407Prob. Chi-Square(9)0.9096Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/17/12 Time: 13:10Sample: 1990 2007Included observations: 18CoefficientStd. Errort-StatisticProb.C-4.91E+082.91E+08-1.6888660.1297X26694.3563729.9171.7947740.11

37、04X22-0.0215950.011885-1.8170510.1067X2*X3-0.4023030.318636-1.2625790.2423X2*X4-0.0074870.010348-0.7234980.4900X354182.5641278.531.3126090.2257X32-1.3570370.843810-1.6082270.1465X3*X40.0073030.0531990.1372700.8942X4725.84551191.1450.6093680.5592X420.0007840.0060030.1306770.8993R-squared0.463534Mean

38、dependent var340205.5Adjusted R-squared-0.139990S.D. dependent var442230.0S.E. of regression472170.3Akaike info criterion29.26825Sum squared resid1.78E+12Schwarz criterion29.76290Log likelihood-253.4142Hannan-Quinn criter.29.33645F-statistic0.768046Durbin-Watson stat2.554706Prob(F-statistic)0.650630

39、附錄四表4-1 LM檢驗(yàn)的部分結(jié)果Breusch-Godfrey Serial Correlation LM Test:F-statistic1.146164Prob. F(2,12)0.3503Obs*R-squared2.886997Prob. Chi-Square(2)0.2361Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 06/08/12 Time: 22:39Sample: 1990 2007Included observations: 18Presample missing value lagged residuals set to zero.CoefficientStd. Errort-StatisticProb.C-2952.7627049.949-0.4188340.682