内容发布更新时间 : 2024/11/17 5:45:33星期一 下面是文章的全部内容请认真阅读。
节多元线性回归分析在粮食产量预测中的应用
膁摘要：本文主要是以粮食产量及其影响因素为变量建立多元线性回
归分析模型，并通过SPSS软件对数据进行处理，来预测粮食产量。
羇关键词:多元回归分析 粮食产量预测 SPSS 19.0
1.
2. 薇研究问题阐述及理论依据
羄中国是一个人口大国，粮食关系着国计民生和国家战略安全。为
了养活14亿中国人，我国必须保证粮食产量的稳定高产。回归分析是统计学的一个重要分支，它基于观测数据建立变量之间的某种依赖关系，分析数据的内在规律，并可用于预测等方面。粮食产量的回归分析是在获得大量粮食产量、粮食播种面积、自然灾害对农田的影响面积以及机械化农耕的数据的基础上，利用多元统计的方法建立自变量和因变量之间的回归关系，并对所建立的模型进行检验，以通过回归模型进行预测，对粮食安全形势的预警有着至关重要的作用。 3.
4. 羀指标选取、数据来源及处理 （一）
（二） 肇指标的选择
羈根据理论和经验分析，影响粮食产量的因素有农业机械总动力、
机耕面积、粮食播种面积、成灾面积、农业化肥施用量、气温、降水量、日照等，但是后面几个因素的数据统计的误差较大且不容易找到 ，所以本文只考虑前面几个因素；对于机耕面积，众所周知它在减少，但是我国的粮食产量却在增加，主要是由于耕种技术的进步，因此本文将其以常量来对待，不予考虑。
蒁所以，本文选取的指标有粮食总播种面积（x1），成灾面积（x2），
农业机械总动力（x3）。 （三）
（四） 羃数据来源
膇因此，本文收集了我国自1991年至2012年粮食产量、粮食总
播种面积、成灾面积和农业机械总动力的相关数据。数据资料均来源于《2013年中国统计年鉴》。以下为搜集到的数据：
肅表1-1
1991-2012主要农业数据
螂膃 膇 粮食总播种面积蒅袅粮食产量（万吨） 农业机械总动力(万千瓦) 年份 （千公顷） 袆成灾面积（千公顷） 蒀 芇 莃 艿1991 43529.3 112314 27814 29388.6 莇1992 芇44265.8 肅110560 节25893 蒆30308.4 莄1993 蒃45648.8 肁110509 薆23134 螅31816.6 膅1994 袀44510.1 肈109544 莄31382 袀33802.5 肁1995 膈46661.8 螅110060 薂22268 衿36118.1 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 50453.5 49417.1 51229.5 50838.6 46217.5 45263.7 45705.8 43069.5 46946.9 48402.2 49804.2 50160.3 52870.9 53082.1 54647.7 57120.8 58958.0 112548 112912 113787 113161 108463 106080 103891 99410 101606 104278 104958 105638 106793 108986 109876 110573 111205 21234 30307 25181 26734 34374 31793 27160 32516 16297 19966 24632 25064 22283 21234 18538 12441 11470 38546.9 42015.6 45207.7 48996.1 52573.6 55172.1 57929.9 60386.5 64027.9 68397.8 72522.1 76589.6 82190.4 87496.1 92780.5 97734.7 102559.0 资料来源：2013年中国统计年鉴 5. 模型设计