关于影响粮食产量因素的回归分析
中国粮食产量影响因素分析
中国粮食产量影响因素分析摘要：粮食是人类最基本的生活消费品，粮食问题是关系到国家的国计民生的头等问题。
众所周知，农业是国民经济发展的基础，粮食是基础的基础，因此粮食生产是关系到一个国家发展与生产的一个关键的主题。
建国以来我国的粮食产量出现了多次的变动，给消费者和生产者带来了很大的影响，所以了解影响粮食生产因素很重要。
通过计量经济学方法创建我国粮食生产函数，我们会发现粮食播种、化肥施用量、受灾面积是影响粮食生产的三大因素，其中粮食播种面积的影响最大。
【关键词】粮食产量；影响因素；回归分析一、引言众所周知，粮食是我们人类生命得以延续的最基础的物质条件，没有粮食这个重要基础，人类将无法继续生存。
回顾我国粮食的生产情况，我们会发现，随着技术水平的提高，社会的发展，从整体来讲我国粮食产量呈上升的趋势。
二、中国粮食生产现状分析在改革开放（1978年）之前我国粮食产量非常缓慢增长，一直都在30000万吨以下。
改革开放后，我国粮食产量从30000万吨一路疯狂走高，粮食生产得到飞速发展，但波动也更频繁复杂。
在1997年总产量首次跨上50000万吨的大难关，达到了50453万吨，增长率为8.13%。
但在2004年开始出现了几年的连续减产的现象，曾一路降到43069万吨的局面，一下子退回到十几年前的水平，让人更加担忧。
从2004年以来的5年里，我国粮食产量连续10年增产。
在2013年粮食产量达到60193.8万吨。
改革开放以来粮食产量一直是我国最关心的问题，我国逐步改革统购统销的体制，减少定购数量，提高粮食收购价格，使粮食生产实现高速增长。
我国粮食产量从30000万吨开始一路走高。
1980—2010年这30年，我国粮食生产得到快速发展。
1978年我国农村实行改革和粮食价格提高，极大地调动了农民的积极性。
1978年中国粮食产量首次突破30000万吨，增长了7．8％。
1979年粮食产量继续增长8.9％，主要是由于国家大幅度提高粮食收购价格，粮食统购价提高20％，超购部分加价50％，从而促进粮食产量飞速增长。
粮食产量影响因素回归分析
粮食产量影响因素回归分析粮食产量是一个复杂的系统工程，受到多个因素的影响，包括自然因素和人为因素。
为了深入了解这些影响因素，可以运用回归分析方法对其进行量化分析。
下面将详细介绍粮食产量影响因素回归分析的步骤和应用。
回归分析是一种统计学方法，用于确定自变量与因变量之间的关系。
在粮食产量影响因素回归分析中，因变量是粮食产量，自变量则包括多个可能的因素，如天气、土壤条件、农业技术等。
首先，需要收集相关的数据，包括粮食产量的历史数据和可能的影响因素的数据。
对于年度产量数据，可以从农业统计年鉴等公开渠道获取，而对于自变量数据，可以通过相关研究或者实地调查获得。
接下来，对数据进行预处理，包括缺失值填充、异常值处理、数据标准化等。
这些步骤可以提高回归模型的准确性和可靠性。
然后，选择适当的回归模型进行分析。
根据问题的具体情况，可以选择线性回归模型、多项式回归模型、逻辑回归模型等。
线性回归模型是一种常用的回归模型，假设因变量与自变量之间存在线性关系。
而多项式回归模型可以描述因变量和自变量之间的非线性关系。
逻辑回归模型则用于因变量为分类变量的情况。
在建立回归模型后，需要对模型进行拟合和评估。
拟合是指找到最佳的回归系数，使得模型对数据的误差最小化。
评估包括解释模型的统计显著性、对模型的拟合优度进行检验等。
常用的评估指标包括R平方、调整R平方、F统计量等。
最后，根据回归模型得到的结果，可以分析各个自变量对粮食产量的影响程度和方向。
通过回归系数的正负来判断自变量对因变量的增益或减益作用。
此外，还可以进行模型的预测和验证，对未来的粮食产量进行预测，并与实际数据进行比较以验证模型的准确性。
总之，粮食产量影响因素回归分析是一种有效的量化分析方法，可以深入了解粮食产量背后的驱动因素，为农业生产提供科学指导。
这一方法在农业经济学、农业科学等领域具有广泛应用前景。
基于分位数回归的粮食产量影响因素分析——以湖北省为例
件等方面分 析影响粮食产量 的因素，并提 出 型 分析 了 中 国粮 价 波 动 的 特 征 ，然 后 使 用 普
相应 的对策 建议 。有部分学 者使 用普通最小 通 最小 二 乘 法 分 析 了粮 价 波 动 的 原 因 ；王 玉
２０ ） ＲＨ 二乘 法 来 研 究 粮 食 产 量 问 题 ， 如 张 利 庠 等 斌 等 （ ０７ 利 用 年 度 数 据 和 Ａ Ｃ 类 模 （０ ８ 使用 普 通 最 ／ －乘 法 研 究 了不 同 阶 型分析 了影响中国粮食产量波动的因素。 ２０ ） ｊ－ ￣
基 于 分 位 数 回归 的粮 食 产 量 影 响 因素 分 析
— —
以湖 北 省 为 例
毛 伟
（ 广东海洋大学 经产 量的主要 因素有播种 面积 、成 灾面积 、农 用机械 总动 力、化肥 投入 折 纯量、农村 用 电量 、有效 灌溉 面积 等方 面。利 用 Ｈ Ｐ滤波 处理 １７ ９９年至 ２０ ０９年湖北省粮食 产量数据 得 出其
粮食 生产 的风 险管理 工具和制度 ，以保证粮食 产量 ，保障粮食安全 。
【 关
键
词 】粮食产量 ；分位数 回归；Ｈ Ｐ滤波 ；湖北
【 中图分类号 】Ｆ２ 【 ３７ 文献标识码 】Ａ 【 文章 编号 】２９ １６ （０２ ２— ０ １ ０ ０５— ３１ ２１ ）０ ０８ — ６
一
、
引 言
的波动特征 ，并将各 时间序 列的长期趋 势剔 除 ，使 序 列仅 含波动 项 以进行 分位 数分析 。结果表
明 ：在粮 食产量 的低分 位 点上 ，各 因素对粮 食 增 产 的作 用 明显 ；在其 它分位 点处 ，作 用不 明
显。 需要 确保粮食播种 面积 ，科 学投放化肥 ，保 障农 业生 产用电 ，鼓励粮食 生产规模 化 ，完善
基于多元回归模型的粮食产量影响因素分析——以河南省为例
2017年月（中）行政事业资产财务与粮食产量出现明显的加速上升，但是在2006年以后粮食产量逐渐趋于平稳增长。
2.因素分析影响粮食产量的因素是多方面的，粮食生产能力是一个受自然条件、经济环境以及社会条件制约的综合系统，单单的从一个特定的指标出发来研究问题只能反映其特定视角对粮食产量的影响，因此粮食生产能力指标的选择上必须考虑综合因素，采取不同的指标从不同的角度来进行分析。
首先需要对影响河南省粮食产量的各个因素进行详细的定性分析，确定影响河南省粮食产量的主要因素，然后再根据这些具体影响粮食产量的因素通过使用最小二乘法，将这些影响河南省粮食产量的主要因素作为影响粮食产量的自变量，将河南省的粮食产量作为因变量构建数学模型。
本文在综合考虑前人的研究成果，根据量化可得与全面代表性原则，考虑针对产量有重要影响的土地利用率（粮食播种面积X1）、农业科技进步水平（化肥使用量X2、有效灌溉面积X3和农用机械总动力X4）、自然资源（受灾面积X5）以及劳动力成本（农业从业人员X6），本文采用这几个指数指标作为自变量，把河南省的粮食产量作为因变量，建立多元线性回归模型，使用Eviews 软件对其进行分析。
在进行分析是选取河南1978-2014年的年度数据(以上数据来源于《河南省统计年鉴》)。
设定粮食产量与其影响因素之间的回归模型为：ln Y =+1ln X 1+2ln X 2+3ln X 3+4ln X 4+5ln X 5+6ln X 63.模型建立与检验利用eviews7.0对河南省的粮食产量Y 关于X 1、X 2、X 3、X 4、X 5和X 6进行多元线性回归分析，拟合结果显示，决定系数R 2=0.976463，可以看出回归模型高度显著。
又由F 统计量为207.4353，P 值为0.00000，表明回归模型通过了F 检验，6个自变量整体对因变量Y 产生显著线性影响的判断所犯错误的概率仅为0.0000，说明回归方程式显著的。
基于回归分析的粮食产量影响因素分析——以江西省为例
效 灌溉 面积 Ｘ 直 接摘 录 自《 中国统计 年鉴 》 （ １ ９ ９ ５ －２ ０ １ ２）
ｐ ｚ ｌ ｎ ｘ ２ ＋ ｐ ３ ｌ ｎ Ｘ ３ ＋ ４ ｌ ｎ Ｘ ４ ＋ Ｂ ５ ｌ ｎ Ｘ ５ ＋ （ 为随机误差 项 ） ； 模 型 的
对的是江 西省 的粮食播 种面积长久 以来一直维持 在 ３ ５ ０多
万公顷左右 ， 加 快 提 高 粮 食 产 能 成 为 提 高 粮 食 产 量 的 重 中 之
（ 一） 数 据 收集 本 文 以江 西 省粮 食 产 量为 研 究 对象 ， 收 集 了 江 西 省
１ ９ ９ ４ —２ ０ １ １ 年的农业 生产相关数据 ， 数据（ 粮食产量 Ｙ、 粮食 播种面积 Ｘ ， 、 成灾 面积 Ｘ 、 化肥施用量 ｘ ， 、 农机 总动力 ｘ 、 有
（ 青 岛农业大学 经济与管理学院 ， 山东 青岛 ２ ６ ６ １ ０ ９ ）
摘
要： 江西 省 作 为 中国 南方 水 稻 主 产 区 ， 在 提 高粮 食 产 量 方 面发 挥 着十 分 重 要 的 作 用 ， 根 据 江 西省 １ ９ ９ ４ ～２ ０ ｌ １
年 的相 关统计资料 ， 选取粮食播种 面积 、 成 灾面积等五个影响 江西省粮食 产量 的指标 ， 采 用回 归分析 法 ， 解释影响江西
（ 中华人民共和 国国家统计局编 ） ， 相关数据 （ 见下页表 １ ） 。
（ 二） 预 测模 型 的设 计
将 Ｙ作为 因变量 ， ｘ均为 自变量 ， 参照柯 布一 道格拉斯 生产 函数 ， 将 江西 省粮食 生 产模 型设 计 为 ： ｌ ｎ Ｙ ＝ Ｃ ＋ ￣ ． １ ｎ Ｘ ＋
关于中国粮食相关投入对中国粮食产量影响回归分析
关于中国粮食相关投入对中国粮食产量影响回归分析一、研究的目的和要求民以食为天，粮食对一个国家是非常重要的，因为粮食安全始终是国家安全的重要基石，是社会稳定的压舱石。
根据粮食年产量统计和粮食进出口统计，我国粮食年总产量居世界第一，粮食进口量仍居世界第一。
粮食是粮农的重要经济来源，也是很多工业产品的原料。
充足的粮食供应，对国民经济长期稳定发展意义具有重大意义。
我国人多地少，农业资源总量不足，人均资源量远低于世界平均水平，确保国家粮食安全具有极端的重要性和紧迫性。
从理论上说，粮食增产是多种综合因素共同作用的结果，研究粮食相关投入对粮食产量的影响对于增加粮食产量具有重要的现实意义。
二、数据来源与变量说明分析数据来自2022年中国统计年鉴，数据如下表1所示。
经过分析，影响粮食产量的主要因素，除农业化肥使用量和粮食播种面积以外，还可能与成灾面积，农业机械总动力，农业劳动力有关。
表1中国粮食生产与相关投入资料年份粮食产量(万化肥施用量播种面积成灾面积机械动力农业劳动吨)(万公斤)(千公顷)(公顷)(万千瓦)力(万人)1998387281660114047162091802231151 1999407311740112884152641949730868 2000379111776108845227052091331130 2001391511931110933236562295031254 2002402081999111268203932483631663 2003394082142110123239452657532249 2004407552357112205244492806733225 2005446242590113466178192870838914 2006435292806112314278142938939098 2007442642930110560258953030838699 2008456493152110509231333181737680 2009445103318109544313833380236628 2010466623594110060222673611835530 2011504543828112548212333854734820 2012494173981112912303094201634840 2013512304084113787251814520835177 2014508394124113161267314899635768 20154621841461084633437452574360432016452644254106080317935517236513 2017457064339103891273195793036870 201843070441299410325166038736546 2019469474637101606162976402835269 2020484024766104278199666839833970 2021498044928104958246327252232561 2022501605108105638250647659031444三、模型构建3.1数据预处理本文对整理的数据进行了数据预处理。
粮食产量影响因素的多元线性回归分析
Advances in Applied Mathematics 应用数学进展, 2019, 8(6), 1088-1093Published Online June 2019 in Hans. /journal/aamhttps:///10.12677/aam.2019.86125Multiple Linear Regression Analysis ofFactors Affecting Grain YieldRanran Jia, Xu HanSchool of Mathematics and Computation Science, Anqing Normal University, Anqing AnhuiReceived: May 20th, 2019; accepted: Jun. 7th, 2019; published: Jun. 14th, 2019AbstractThis paper mainly introduces how to use multivariate linear regression method to analyze the in-fluencing factors of grain yield, and use IBM SPSS Statistics software to carry out analysis, and put forward relevant suggestions based on the analysis results.KeywordsGrain Yield Analysis, Multiple Linear Regression, Significance粮食产量影响因素的多元线性回归分析郏然然，韩旭安庆师范大学数学与计算科学学院，安徽安庆收稿日期：2019年5月20日；录用日期：2019年6月7日；发布日期：2019年6月14日摘要本文主要介绍了如何使用多元线性回归方法对粮食产量的影响因素进行分析和，使用IBM SPSS Statis-tics软件对求出的结果进行分析，并对分析结果结合实际提出相关建议。
基于计量经济学分析我国粮食产量的影响因素
基于计量经济学分析我国粮食产量的影响因素一、概述粮食产量作为国家经济安全和社会稳定的重要基础，历来受到广泛关注。
中国作为世界上人口最多的国家，粮食产量的稳定与增长对于保障国家粮食安全、促进经济社会持续健康发展具有重大意义。
随着全球气候变化、土地资源紧张、农业生产技术革新等多重因素的影响，我国粮食产量面临着诸多不确定性。
深入分析影响我国粮食产量的因素，对于制定科学合理的农业政策、提高粮食生产效率和保障国家粮食安全具有重要的理论价值和现实意义。
本文旨在运用计量经济学的方法，系统分析我国粮食产量的影响因素。
通过对国内外相关文献的梳理和评价，明确粮食产量影响因素的研究现状和不足。
结合我国粮食生产的实际情况，选取适当的计量经济学模型，如多元线性回归模型、面板数据模型等，对影响粮食产量的因素进行定量分析和检验。
在此基础上，深入探讨各因素对粮食产量的具体影响程度和方向，揭示各因素之间的内在联系和作用机制。
根据分析结果，提出针对性的政策建议，为我国粮食生产的可持续发展和国家粮食安全的保障提供科学依据。
通过本文的研究，期望能够为我国粮食生产领域的决策提供有益参考，同时也为计量经济学在农业经济领域的应用拓展新的思路和方法。
简述粮食产量对国家经济和社会发展的重要性粮食产量对一个国家经济和社会发展的重要性不言而喻。
粮食是人类生存的基础，是满足人民基本生活需求的必需品。
粮食产量的稳定增长是保障国家粮食安全、维护社会稳定的重要前提。
只有粮食供应充足，人民才能安居乐业，社会才能和谐稳定。
粮食产业是国民经济的重要组成部分。
粮食的种植、加工、储运、销售等环节涉及众多行业和领域，对经济增长和就业有着直接的拉动作用。
粮食产量的增加不仅意味着农业生产水平的提升，也为工业和服务业的发展提供了有力支撑。
粮食产量还是国家宏观调控的重要工具。
政府通过调整粮食生产政策、价格等手段，可以影响市场供求关系，进而调控经济运行。
在面临经济危机或通货膨胀等复杂经济环境时，粮食产量的稳定对于稳定物价、保障民生、维护国家经济安全具有重要意义。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
关于影响粮食产量因素的回归分析摘要：我国土地资源稀缺，人口多而粮食需求量大，因此粮食产量的稳定增长，直接影响着人民生活和社会的稳定与发展。
粮食生产的不稳定性对国民经济的影响是不可忽略的，主要体现在:粮食生产不稳定会引发粮食供求关系的变动,尤其当国家粮食储备不足的时候,很容易导致粮价上涨,从而影响整个宏观经济。
通过回归分析粮食产量波动的原因，并据此提出相应的对策，对保障粮食生产持续稳定发展，具有重要意义。
关键词:线性回归 回归分析 粮食产量 宏观经济 稳定发展一、引言本文按照计量经济分析方法,以1993—2012年中国粮食产量及其重要因素的时间序列数据为样本,对影响中国粮食生产的多种因素进行了分析。
选用了粮食产量、受灾面积、化肥施用量、粮食作物播种面积 农机动力、农村用电量，以粮食产量作为因变量,其它5个指标作为解释变量进行回归分析。
（一）建立模型通过对中国粮食生产及影响因素的初步定性分析后假设,粮食产量与其它3个指标之间存在多元线性关系, 即粮食受灾面积，化肥施用量，粮食作物播种面积，存在着线性关系,也即可以把粮食产量的线性回归模型初步设定为：^01122334455Y X X X X X ββββββ=+++++,其中,y:粮食产量（CHANLIANG ）, X 1 受灾面积（SZMJ ），X 2化肥施用量(HFSYL)，X 3粮食作物播种面积(BZMJ)，X4农机动力，X5农村用电量，然后利用已有的数据进行模型拟合,以便发现这些因素之间存在的数量关系。
（二）数据搜集和来源根据相应年度的《中国统计年鉴》、《中国农村统计年鉴》、《中国农业发展报告》,选用了粮食产量、受灾面积，化肥施用量，粮食作物播种面积，农机动力，农村用电量这6个指标,把这6个指标的1993—2012年20年间的时间序列数据进行回归分析,来分析这些因素与粮食产量的关系。
以粮食产量作为因变量,其它3个指标作为解释变量进行回归分析。
按照计量经济分析方法对影响中国粮食生产的多种因素进行了分析。
数据如下：本次采用的估计模型为^01122334455Y X X X X X ββββββ=+++++粮食产量 受灾面积 化肥施用量 粮食作物播种面积 农机动力农村用电量年份 (万吨)y(万公顷)x1 (万吨)x2 (千公顷)x3（万千瓦）x4（亿千瓦时）x5 1993 45648.8 4882.9 3151.9 110509 31817 1244.8 1994 44510.1 5504.3 3317.9 109544 33803 1473.9 1995 46661.8 4582.1 3593.7 110060 36118 1655.7 1996 50453.5 4698.9 3827.9 112548 38547 1812.7 1997 49417.1 5342.9 3980.7 112912 42016 1980.1 1998 51229.5 5014.5 4083.7 113787 45208 2042.1 1999 50838.6 4998.1 4124.3 113161 48996 2173.4 2000 46217.5 5468.8 4146.4 108463 52574 2421.3 2001 45263.7 5221.5 4253.8 106080 55172 2610.8 2002 45705.8 4711.9 4339.4 103891 57930 2993.4 2003 43069.5 5450.6 4411.6 99410 60387 3432.9 2004 46946.9 3710.6 4636.6 101606 64028 3933.0 2005 48402.2 3881.8 4766.2 104278 68398 4375.3 2006 49746.1 4109.1 4927.7 104957 72522 4895.8 2007 50150.2 4899.2 5107.8 105638 76589 5509.9 2008 52850.5 3999.0 5239.0 106792 82190 5713.2 2009 53082.0 4721.4 5404.4 108986 87496 6104.4 2010 54641.0 3742.6 5561.7 109876 92780 6632.4 201157121.13247.0 5704.2 110573 97735 7139.6 2012 58957.0 2496.05838.91112051025597508.5是回归系数。
其中i二、模型的参数估计与分析线性利用SAS对模型进行拟合，参数估计和检验，用最小二乘法得到线性回归方程的形式如下：Y=-30416-1.24359*X1+5.28523*X2+0.61924*X3-0.14305*X4+0.95538 *X5其中X4为农机动力（万千瓦），但是得到的参数为负值，与其经济学意义不相符，故此推测存在严重的多重共线性。
此外，该模型的F值221.48，可决系数R方为0.9875，修正可决系数为0.9831说明该模型的显著性成立，方程解释变量X1,X2,X3,X系数的t检验伴随概率小于5%，即t检验显著性成立，但是解释变量X5系数的t检验伴随概率大于5%，接受系数为0的假设.因此该方程需要调整，该模型可能存在多重共线性和序列相关、异方差等问题。
三、模型的多重共线性检验所谓多重共线性是指解释变量之间违背了相互独立的假设，及某两个或多个解释变量之间出现了相关性。
多重共线性的检验主要应用逐步回归法。
首先计算出各个变量之间的简单相关系数矩阵，初步判断相关性。
通过SAS程序运行，得到各解释变量的相关系数表如下：1）第一步：由于统计量X2的F值最大，为24.47，说明它最显著，此外R 方 =0.5761和 C(p) = 459.3327，所以X2为最先选入的统计量。
2）第二步：其他变量继续进行统计分析，出最显著的统计量X3，此时R 方=0.9548，比上一次更加显著，而C（p）=36.7162,和上一次比下降的非常明显，说明X3这个统计量是有效果的。
3）第三步：继续进行上述步骤，得出最显著的统计量X1，此时R^2为0.9831，而C(p)=6.9133，下降的非常明显，说明X1是有效果的。
4）第四步：继续上述步骤，发现在水平为0.05下，其他各变量没有通过显著性检验，所以可以剔除X4，X5。
回归方程为：Y=-29857-1.29658X1+3.72461X2+0.32648X3四、异方差性检验以上各统计量似乎没有那个参数的t 检验是显著的，且可决系数比较小。
但怀特统计量nR^2=20*0.1563=3.126,该值小于5%显著性水平下自由度为9的2 分布的相应临界值16.92.因此，接受同方差性的检验。
五、序列相关性由上表得知，D.W.=1.708，查询D.W.分布表得知，n=20,k=4时，l d =1.00,u d =1.68。
u d <D.W.<4-u d ,则无自相关。
六、统计学检验选取2012年数据来进行统计检验：Y=-29857-1.29658*2496.0+3.72461*5838.9+0.32648*111205 =58989.300049与实际值误差为32.300049，误差为0.0543%，与实际情况吻合的很好。
七、总结和建议中国的粮食生产问题,不仅是中国经济界的重要研究课题,而且也越来越受到世界经济学家的重视。
要提高粮食产量，必须积极稳妥地推进农业机械化的发展：①要把主要农产品生产过程机械化和产业化经营有机结合起来；②对农业机械化进行结构性调整；③因地制宜，有重点的推荐地区农业机械化；④大力促进农业技术进步，重视农村的基础教育；⑤建立与农业机械化相适应的农村经济体制。
纵观中国农村现状，与其他产业相比，农业的发展一直比较缓慢。
扩大耕作面积，提高单产，实现机械化、规模化生产是我国农业健康发展的必由之路。
八、参考文献吴玉鸣.中国粮食生产主要影响因素的多因素动态关联分析[J],农业经济问题,1998(1)戚世均等.中国粮食生产潜力及未来粮食生产研究[J].郑州粮食学院学报,2000(3)庞皓，《计量经济学》[M]，西南财经大学出版社，2001年8月第一版周四军，《对我国粮食生产影响因素的计量分析》，《统计与决策》[M]，2003.赵慧江，《基于回归分析的粮食产量影响因素分析》，《怀化学院学报》[M]，2009.相关程序：参数估计：1）data grain1;input year Y X1 X2 X3 X4 X5 @@;cards;1993 45648.8 4882.9 3151.9 110509 31817 1244.81994 44510.1 5504.3 3317.9 109544 33803 1473.91995 46661.8 4582.1 3593.7 110060 36118 1655.71996 50453.5 4698.9 3827.9 112548 38547 1812.71997 49417.1 5342.9 3980.7 112912 42016 1980.11998 51229.5 5014.5 4083.7 113787 45208 2042.11999 50838.6 4998.1 4124.3 113161 48996 2173.4 2000 46217.5 5468.8 4146.4 108463 52574 2421.3 2001 45263.7 5221.5 4253.8 106080 55172 2610.8 2002 45705.8 4711.9 4339.4 103891 57930 2993.4 2003 43069.5 5450.6 4411.6 99410 60387 3432.9 2004 46946.9 3710.6 4636.6 101606 64028 3933.0 2005 48402.2 3881.8 4766.2 104278 68398 4375.3 2006 49746.1 4109.1 4927.7 104957 72522 4895.8 2007 50150.2 4899.2 5107.8 105638 76589 5509.9 2008 52850.5 3999.0 5239.0 106792 82190 5713.2 2009 53082.0 4721.4 5404.4 108986 87496 6104.4 2010 54641.0 3742.6 5561.7 109876 92780 6632.4 2011 57121.1 3247.0 5704.2 110573 97735 7139.6 2012 58957.0 2496.0 5838.9 111205 102559 7508.5 run;proc print data=grain1;title" 原始样本值观测";run;proc reg data=grain1;model Y=X1 X2 X3 X4 X5/DW;run;2）共线性检验：data grain1;input year Y X1 X2 X3 X4 X5@@;cards2;1993 45648.8 4882.9 3151.9 110509 31817 1244.81994 44510.1 5504.3 3317.9 109544 33803 1473.91995 46661.8 4582.1 3593.7 110060 36118 1655.71996 50453.5 4698.9 3827.9 112548 38547 1812.71997 49417.1 5342.9 3980.7 112912 42016 1980.11998 51229.5 5014.5 4083.7 113787 45208 2042.11999 50838.6 4998.1 4124.3 113161 48996 2173.42000 46217.5 5468.8 4146.4 108463 52574 2421.32001 45263.7 5221.5 4253.8 106080 55172 2610.82002 45705.8 4711.9 4339.4 103891 57930 2993.42003 43069.5 5450.6 4411.6 99410 60387 3432.92004 46946.9 3710.6 4636.6 101606 64028 3933.02005 48402.2 3881.8 4766.2 104278 68398 4375.32006 49746.1 4109.1 4927.7 104957 72522 4895.82007 50150.2 4899.2 5107.8 105638 76589 5509.92008 52850.5 3999.0 5239.0 106792 82190 5713.22009 53082.0 4721.4 5404.4 108986 87496 6104.42010 54641.0 3742.6 5561.7 109876 92780 6632.42011 57121.1 3247.0 5704.2 110573 97735 7139.62012 58957.0 2496.0 5838.9 111205 102559 7508.5run;proc print data=grain1;title " 粮食生产原始样本值观测";run;proc reg data=grain1;model Y=X1 X2 X3 X4 X5/DW;run;proc corr;/*求相关系数矩阵*/var X1 X2 X3 X4 X5;run;proc reg data=grain1;model Y=X1 /DW;run;proc reg data=grain1;model Y=X2/DW;run;proc reg data=grain1;model Y=X3/DW;run;proc reg data=grain1;model Y=X4/DW;run;proc reg data=grain1;model Y=X5/DW;run;/*以下是逐步回归过程*/proc reg data=grain1;model Y=X1 X2 X3 X4 X5/ dw selection=stepwise details=all slentry=0.05 slstay=0.05;title "粮食模型逐步回归";run;data grain;set grain1 ;Yguji=Y=-30416-1.24359*X1+5.28523*X2+0.61924*X3-0.14305*X4+0.95 538*X5;/*加波浪线的数值是前面估计得来的参数值，需要从前面的回归结果中得到。