(完整word版)关于水稻产量影响因素的多元回归分析
影响粮食产量的因素分析
影响粮食产量的因素分析The document was finally revised on 2021影响我国粮食产量的因素分析摘要:通过时1990一2012年间我国粮食产量的分析,在影响我国粮食产量的诸多原因中选出了3个主要影响因素,建立了多元线性回归模型，利用模型对粮食产量情况进行多元线性回归分析,研究了这些影响因素对粮食产量的影响与作用,最后,在此基础上提出了提高我国粮食产量的对策建议.关键词:粮食产量;影响因素;回归分析;建议一、研究意义粮食安全问题是一个关系到国计民生的重要战略问题! 它影响到经济的发展" 人民生活质量的提高和社会的稳定#尽管我国粮食总体上虽然保持了较高的自给率! 但大豆进口量近年来持续快速增长! 目前我国超过70% 的大豆依赖进口 ! 而其中30%以上进口自美国$当前的形势提醒我们! 必须进一步加强对粮食安全问题的重视$ 而对我国这样一个人口众多的农业大国来说! 粮食供给必须首先立足于国内生产$ 随着我国粮食需求日益增长! 以及城市化和工业化的加速推进! 大量资源不断流向城市! 农业可耕地面积日益萎缩! 使得粮食生产面临较为严峻的形势$ 粮食生产问题如果解决不好! 就会给我国的经济发展和社会稳定带来制约和冲击粮食是人民生存之本、经济发展之柱，对稳定社会、经济具有重要的作用。
粮食问题是一个关系到国计民生的重要战略问题，它更影响到经济的发展和社会的稳定。
中国是世界上的农业大国，同时又是一个农业相对落后的国家。
近几年世界粮食价格的大范围浮动，应该引起我们的注意，大起大落更使我们重新审视起粮食生产的重要性。
同时只有抓住了影响粮食产量的主要因素，改府才能正确的做出举措来将粮食生产引向健康合理的发展路线并且实现农业的现代化。
二、文献回顾影响粮食产量的因素很多,我国学者从不同角度研究了粮食生产问题.于法稳选择有效灌溉面积、化肥施用量、农业机械总动力、粮食播种面积和受灾面积等5个指标作为影响粮食生产的因素,并采用灰色关联分析的方法对这5个因素进行了分析,指出有效灌溉面积、农机总动力和粮食播种面积是影响粮食生产的3个最主要因素;肖海峰将影响粮食综合生产能力的影响因素选择为粮食播种面积、其他物质费用、成灾面积、劳动力和化肥费用,通过柯布一道格拉斯生产函数证实了粮食播种面积是影响粮食产量最重要的因素;熊华等人应用灰色关联分析和C一D生产函数相结合的分析方法证实了化肥施用量、粮食作物播种面积和有效灌溉面积均对粮食生产具有重要影响[’〕;此外,xinagL采用粗糙集理论,张建平、Yun zhang和Wu Y等人运用灰色关联分析与BP神经网络相结合的方法,在对影响粮食产量的因素中又加人了农村用电量、地膜覆盖面积、水电建设投资和支农支出等因素,从多种角度验证了这些影响因素对粮食产量的重要性。
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。
分析水稻低产原因及改良措施
分析水稻低产原因及改良措施
水稻是我国的主要粮食作物，也是世界上最主要的粮食作物之一。
在实际生产中，水
稻的低产始终是一个严重的问题，严重影响了我国的粮食生产能力。
分析水稻低产的原因，并提出相应的改良措施具有重要的现实意义。
一、水稻低产的原因分析
1. 土壤条件不佳
水稻对土壤的要求较高，对光照、水分和温度等环境因素的适应性也较强。
由于土壤
污染、酸碱度不适宜、土壤贫瘠等原因，导致了水稻的低产。
2. 病虫害防治不力
水稻生长过程中容易受到各种病虫害的侵袭，如果防治措施不力，将会导致水稻生长
受到严重的影响，进而导致低产。
3. 养分供应不足
水稻需要大量的养分来满足生长发育的需要，如果土壤中的养分供应不足，就会导致
水稻的生长受到限制，产量自然就会降低。
4. 水稻种植结构不合理
部分地区的水稻种植结构不合理，单一品种种植过多，容易引起病虫害的大面积爆发，从而导致低产。
5. 农业技术水平低
部分农民的农业技术水平不高，对水稻的种植管理和病虫害防治等方面的知识掌握不够，导致了水稻的低产。
二、水稻低产的改良措施
1. 合理施肥
在水稻生长季节，合理施入氮、磷、钾等养分，以及有机肥，可以有效地提高土壤的
肥力，促进水稻生长，提高产量。
2. 种植抗病虫害品种
选择抗病虫害的水稻品种进行种植，可以有效地减少病虫害对水稻的侵害，提高产
量。
3. 加强土壤管理
改善土壤的酸碱度，清除有害物质，保持土壤的肥力，为水稻的生长提供良好的土壤环境。
中国粮食产量影响因素分析
中国粮食产量影响因素分析影响粮食总产量的因素有很多，有的影响因素可能会对粮食产量的预测产生直接的影响，而有些因素的影响可以忽略。
对粮食产量影响显著的因素是必须要考虑的，影响不是很显著的可以忽略。
下面主要选取农业机械总动力、有效灌溉面积、化肥施用量、农村用电量、粮食作物播种面积、受灾面积这六个因素来探讨他们对粮食总产量的影响。
这些变量分别用下面的字母表示。
y：粮食总产量（万吨）x1：农业机械总动力（万千瓦）x2:有效灌溉面积（千公顷）x3：化肥施用量（万吨）x4:农村用电量（亿千瓦小时）x5：粮食作物播种面积（千公顷）x6：成灾面积（千公顷）通过查阅各年的中国统计年鉴，搜集整理了从1991年到2010年的粮食总产量、农业机械总动力、有效灌溉面积、化肥施用量、农村用电量、农作物播种面积、成灾面积的数据。
见下表（表一）要想知道哪些因素对粮食总产量的影响显著，下面用一些模型方法和Eviews软件对数据进行分析。
1. 多元线性回归:1.1最小二乘法对数据进行回归用最小二乘法对数据进行回归，编写程序及相关结果如下编写程序：LS y c x1 x2 x3 x4 x5 x6Eviews运行结果：Dependent Variable: YMethod: Least SquaresDate: 04/18/12 Time: 13:29Sample: 1991 2010Included observations: 20Variable Coefficient Std. Error t-Statistic Prob.C -59476.77 17101.57 -3.477854 0.0041X1 -0.474401 0.194104 -2.444054 0.0295X2 0.999522 0.549567 1.818744 0.0921X3 5.260176 0.777593 6.764690 0.0000X4 2.566848 1.123099 2.285504 0.0397X5 0.495208 0.053717 9.218897 0.0000X6 -0.134343 0.031293 -4.293066 0.0009R-squared 0.984131 Mean dependent var 48136.30Adjusted R-squared 0.976806 S.D. dependent var 3424.003S.E. of regression 521.4577 Akaike info criterion 15.62035Sum squared resid 3534935. Schwarz criterion 15.96886Log likelihood -149.2035 Hannan-Quinn criter. 15.68838F-statistic 134.3647 Durbin-Watson stat 2.566516Prob(F-statistic) 0.000000结果分析：从上面的运行结果可以看出方程的拟合优度R2=0.984，调整后的拟合优度为0.9768，说明模型拟合效果很好。
水稻产量与品质关键因素分析与优化
水稻产量与品质关键因素分析与优化水稻作为我国的重要粮食作物之一，其产量和品质关乎着国家的粮食安全和人民的饮食健康。
对于提升水稻产量和品质，有着诸多的因素影响。
本文将对水稻产量与品质的关键因素进行分析和优化，以期能够提高水稻的产量和品质。
一、水稻产量关键因素1. 水肥管理水肥管理是影响水稻产量的关键因素之一。
在水稻的生长期内，水肥管理的恰当与否将会对产量有着直接的影响。
例如，过量的用水和肥料会导致水稻过度生长，从而影响水稻的发育和产量。
而缺水和缺肥则会限制水稻的生长和发育，从而导致产量的降低。
因此，在水肥管理方面，应该根据不同的生长期和不同的地理位置而采取不同的措施。
同时，还需注意选用优质的肥料，以及在灌溉和施肥过程中合理控制用水和肥料的用量，以达到最佳的肥料利用率，提高水稻的产量。
2. 生物学措施生物学措施同样也是影响水稻产量的重要因素。
生物学措施包括病虫害的防治、植物营养和土地改良等方面。
病虫害的防治包括药物或者生物治疗等措施，以保护水稻作物免受病虫害的危害。
而植物营养和土地改良则可以促进水稻的生长，提高产量。
在选择生物措施时，应该注意选择符合当地土地、气候和作物习惯的生物措施，以充分发挥生物措施的效果。
同时，还需注意及时清理草、夯实土壤，以便于水稻的成长，提高产量。
3. 种植方式种植方式也会影响水稻的产量。
一种优秀的种植方式能够在短时间内有效的提高水稻产量。
而错误或不适当的种植方式则会导致产量的降低。
在选择种植方式时，应该根据当地的土质、气候、水源等因素，选择适合当地条件的种植方式。
例如，在土壤肥力较高的地区，可以采用直播种植方式，以提高水稻的产量。
而在土质相对偏瘠或乾旱的地区，则应该采用适合的栽培方式，以促进水稻的生长。
二、水稻品质关键因素1. 稻种品种的选择稻种品种的选择是影响水稻品质的一个关键因素。
在不同的气候、土质和地理条件下，选用不同的稻种品种，可以使水稻产出的品质得到充分的发挥。
关于水稻产量影响因素的多元回归分析报告
目录摘要1、研究背景及意义2、问题的提出3、模型的建立和求解3.1 相关分析—简单散点图3.2 多元回归分析—参数估计3.3 三种检验3.3.1 回归方程的拟合优度检验3.3.2 回归方程的显著性检验—F 检验3.3.3 参数显著性检验—t 检验4、多重共线性检验分析5、自相关分析6、模型的修正6.1 逐步修正法关于水稻产量影响因素的多元线性回归分析摘要本文的主要内目的是对影响水稻产量的因素进行分析，主要运用了SPSS18，采用多元线性回归分析的方法对我国最近18 年影响水稻产量的主要因素进行了分析，建立了以水稻产量为因变量，水稻播种面积、化肥施用量、生猪存栏量和降水量四种影响因素为自变量的多元线性回归模型，利用模型对各个因素进行了统计分析，并且对模型进行了修正检验，在此基础上提出一些提高水稻产量的合理化建议。
关键词：SPSS18 水稻产量多元回归线性分析1、研究背景及意义我国是一个人口大国，众所周知，很多偏远地方的人们仍然处在饥饿的边缘，水稻产量的提高首先可以很好的改善部分地区的粮食紧张问题，为我国经济的发展和社会的稳定提供有效的保障，其次，水稻产量的提高有利于稳定粮食的价格。
因此，对影响水稻产量的因素进行多元回归线性分析可以得出各个因素的影响程度，从而采取正确的措施，以最少的投入得到最大的产量，这对于农业的科学发展是十分必要的。
2、问题的提出下面的表格给出了我国最近18 年来水稻产量与影响和制约水稻产量的主要因素的有关数据。
表1 18 年来水稻产量和相关影响数据水稻播种面化肥施用量生猪存栏量降水量水稻总产量（万积（万亩）（万公斤）（万口）（10mm ）公斤）147.00 2.00 15.00 27.00 154.50 148.00 3.00 26.00 38.00 200.00154.00 5.00 33.00 20.00 227.50 157.00 9.00 38.00 99.00 260.00 153.00 6.50 41.00 43.00 208.00 151.00 5.00 39.00 33.00 229.50 151.00 7.50 37.00 46.00 265.50 154.00 8.00 38.00 78.00 229.00 155.00 13.50 44.00 52.00 303.50 155.00 18.00 51.00 22.00 270.50 156.00 23.00 53.00 39.00 298.50 155.00 23.50 51.00 28.00 229.00 157.00 24.00 51.00 46.00 309.50 156.00 30.00 52.00 59.00 309.00 159.00 48.00 52.00 70.00 371.00 164.00 95.50 57.00 52.00 402.50 164.00 93.00 68.00 38.00 429.50 156.00 97.50 74.00 32.00 427.50 数据来源：中国国家统计局，《中国统计年鉴》在现实生活中，影响水稻产量的因素有很多，但是不能一一列举，我们只是选择了水稻播种面积、化肥施用量、生猪存栏量和降水量 4 个影响因素作为解释变量进行了回归分析。
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。
影响水稻产量的因素
影响水稻产量的因素篇一：拖累水稻产量的因素与利空因素分蘖期的管理影响水稻产量的因素与分蘖期的阻碍管理水稻产量是由单位面积穗数、每穗实粒数和千粒重三个因素所构成，这三个因素分别在相同生育时期形成，相辅相成相互促进决定着水稻的高低。
农作物产量是由单位面积穗数、每穗实粒数和千粒重三个因素所构成，这两个因素分别在不同生育风险因素时期形成。
单位面积穗数是由主茎数、单株分蘖数、分蘖成穗率三者组成的。
主茎数取决于插秧的密度及移栽成活率，其基础是在秧田期，所以育好秧，育壮秧，才能确保插秧返青快、分蘖早、成穗多。
逼不得已单位面积穗数的国土面积关键时期是在分蘖期。
在壮秧、合理密植的基础上，每亩穗数多少，便取决于单株分蘖数的成穗率。
一般分蘖越早，成穗的可能性越大;后期出生的分蘖，不容易成穗。
所以积极促进前期抽穗，适当控制后期分蘖，是水稻分蘖期栽培的基本要求。
水稻分蘖期的影响风险因素因素和管理要点番木瓜水稻分蘖实质上是水稻茎秆的分枝，幼苗多发生在基部节间极短的分蘖节上，主茎上所的分枝称一级分蘖，一级分蘖上的分枝称二级分蘖，依此类推。
水稻大葱的发生是有规律的。
正常情况从第一完成叶的丁叶腋伸出分蘖。
但是，特殊情况下也有分蘖不轨迹现象，如健壮秧苗有时分蘖从不完全叶长出，细弱秧苗出现蘖位较低、分蘖晚或不分蘖等情况。
一、影响分蘖的因素1.分蘖发生与秧苗营养状况有关：秧田期由于播种较密，养分、光照不足，基部节上的一直处于分蘖梢大都处于休眠状态。
瘤果以后生长中心转移，走向市场上部节的分蘖芽也都潜伏而不萌发，所以一般只有中位节上的分蘖节可以发育。
秧苗营养充足，生长粗壮，移栽质量保证，低位蘖多，成穗率高。
2.分蘖爆发与温度有关：分蘖生长最适热量为30～32℃，低于20℃或高于37℃对分蘖生长不利，16℃以下分蘖终止生长发育。
3.分蘖遭遇与光照有关：在自然光照下，水稻返青后3天开始分蘖；自然光照为50％时，返青后13天开始分蘖；当光强降到自然光强光照强度的5％时，分蘖不发生，主茎也会死亡。
- 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)。
目录
摘要
1、研究背景及意义
2、问题的提出
3、模型的建立和求解
3.1相关分析—简单散点图
3.2多元回归分析—参数估计
3.3三种检验
3.3.1回归方程的拟合优度检验
3.3.2回归方程的显著性检验—F检验
3.3.3参数显著性检验—t检验
4、多重共线性检验分析
5、自相关分析
6、模型的修正
6.1逐步修正法
关于水稻产量影响因素的多元线性回归分析
摘要
本文的主要内目的是对影响水稻产量的因素进行分析，主要运用了SPSS18，采用多元线性回归分析的方法对我国最近18年影响水稻产量的主要因素进行了分析，建立了以水稻产量为因变量，水稻播种面积、化肥施用量、生猪存栏量和降水量四种影响因素为自变量的多元线性回归模型，利用模型对各个因素进行了统计分析，并且对模型进行了修正检验，在此基础上提出一些提高水稻产量的合理化建议。
关键词：SPSS18 水稻产量多元回归线性分析
1、研究背景及意义
我国是一个人口大国，众所周知，很多偏远地方的人们仍然处在饥饿的边缘，水稻产量的提高首先可以很好的改善部分地区的粮食紧张问题，为我国经济的发展和社会的稳定提供有效的保障，其次，水稻产量的提高有利于稳定粮食的价格。
因此，对影响水稻产量的因素进行多元回归线性分析可以得出各个因素的影响程度，从而采取正确的措施，以最少的投入得到最大的产量，这对于农业的科学发展是十分必要的。
2、问题的提出
下面的表格给出了我国最近18年来水稻产量与影响和制约水稻产量的主要因素的有关数据。
表1 18年来水稻产量和相关影响数据
水稻播种面积（万亩）化肥施用量（万
公斤）
生猪存栏量（万
口）
降水量
（10mm）
水稻总产量（万
公斤）
147.00 2.00 15.00 27.00 154.50 148.00 3.00 26.00 38.00 200.00 154.00 5.00 33.00 20.00 227.50 157.00 9.00 38.00 99.00 260.00 153.00 6.50 41.00 43.00 208.00 151.00 5.00 39.00 33.00 229.50 151.00 7.50 37.00 46.00 265.50 154.00 8.00 38.00 78.00 229.00 155.00 13.50 44.00 52.00 303.50 155.00 18.00 51.00 22.00 270.50 156.00 23.00 53.00 39.00 298.50 155.00 23.50 51.00 28.00 229.00 157.00 24.00 51.00 46.00 309.50 156.00 30.00 52.00 59.00 309.00 159.00 48.00 52.00 70.00 371.00 164.00 95.50 57.00 52.00 402.50 164.00 93.00 68.00 38.00 429.50 156.00 97.50 74.00 32.00 427.50
数据来源：中国国家统计局，《中国统计年鉴》
在现实生活中，影响水稻产量的因素有很多，但是不能一一列举，我们只是选择了水稻播种面积、化肥施用量、生猪存栏量和降水量4个影响因素作为解释变量进行了回归分析。
变量的定义如下：
Y: 水稻总产量（万公斤）
X1: 水稻播种面积（万亩）
X2: 化肥施用量（万公斤）
X3: 生猪存栏量（万口）
X4: 降水量（10mm）
下面利用SPSS18对变量间的关系进行求解。
3、模型的建立和求解
3.1相关分析—简单散点图
按：“图形—旧对话框—散点/点状图”顺序做，做数据散点图，观测因变量和自变量之间关系是否存在线性关系。
图1 水稻产量与水稻播种面积之间的简单散点图
图2 水稻产量与化肥施用量之间的简单散点图
图3 水稻产量与生猪存栏量之间的简单散点图
图4 水稻产量与降水量之间的简单散点图
从上面四个散点图可以看出，水稻种植面积、化肥施用量、生猪存栏量和水稻产量存在明显的相关关系，降水量与水稻产量的相关关系不是那么的明显。
这样的话，我们就可以建立水稻产量与水稻播种面积、化肥施用量、生猪存栏量、降水量之间建立线性回归模型。
3.2多元回归线性分析—参数估计
以水稻产量Y为因变量，X1: 水稻播种面积（万亩），X2: 化肥施用量（万公斤），X3: 生猪存栏量（万口），X4: 降水量（10mm）为自变量，用“分析—回归—线性—进入”方法进行参数的最小二乘估计，得到回归系数的表格，结果如表2所示：
初步得到该问题的多元回归线性分析模型：
Y=-160.312+1.878X1+1.284X2+2.090X3+0.483X4
从经济意义上讲，水稻的播种面积增大，化肥施用量加大，生猪存栏量变多，，降水量变大，水稻的产量会变大，因变量与4个自变量之间成正相关的关系，得到的模型符合现实的经济意义。
3.3三种检验
3.3．1回归方程的拟合优度检验
表3显示了相关系数R、相关系数的平方、调整的相关系数的平方和估计值误差和DW,这些数据反映了因变量与自变量之间的线性相关强度。
由表3可以看出，R的平方=0.918 调整后的R的平方=0.893
样本决定系数和调整样本系数都很接近于1，拟合度很高，故通过拟合优度检验，认为解释变量应该对被解释变量有显著解释能力。
3.3.2回归方程的显著性检验—F检验
表4显示因变量的方差来源、方差平方和、自由度、均方、F检验统计量的观测值和显著性水平。
方差来源有回归、残差、和总和。
从表中可以看出，F=36.355,回归的自由度是4，残差的自由度是13，总计的自由度是17.显著性水平是0.05.
此模型中样本数是18，自由变量是4个，故该模型的F统计量服从F(4,13),由此查表得到临界值F（4，13）=3.18，由上表可知本模型的F值是36.355.大于临界值，
故拒绝原假设，认为回归方程显著，即模型通过方程的显著性检验。
3.3.3参数的显著性检验—T检验，显著性水平为0.05
此模型中样本是18，自变量个数是4，则该模型各回归系数的T统计量应服从T(13)的分布，查询临界值为1.77，由上表得到的5个回归系数的T的值分别是
-0.391、0.662、3.391、2.361、1.343，水稻播种面积降水量T的绝对值小于临界值，化肥施用量和生猪存栏量大雨临界值，这些模型可能存在多重共线性，下面将进行该模型是否存在多重共线性检验。
4、多重共线性分析
由以下三种方法均能看出该模型是否存在多重共线性。
A、变量间的相关分析
表6 相关性
上表中每一横隔的第一行构成了解释变量间的相关系数矩阵，相关系数汇总如
由上图可以看出，水稻播种面积与化肥施用量、生猪存栏量三者之间的相关关系明显，这表明模型存在共线性。
B、共线性诊断
第2个特征值，水稻播种面积与化肥施用量发生了多重共线性，第3个特征值化肥施用量和降水量发生了多重共线性，降水量和所有的自变量多重共线性。
C、通过各自变量的方差膨胀因子来判断
容差在0—1之间变化，越接近0说明共线性越强，越接近1说明共线性越弱。
方差膨胀因子VIF,VIF越接近1说明共线性越弱，VIF大于10，说明自变量之间存在严重的多重共线性。
自变量的VIF都是小于10的，但是水稻播种面积，化肥施用量，生猪存栏量容差接近1，说明共线性强。
5、自相关分析
该模型样本个数是18，解释变量是4，显著水平为0.05，此模型的DW=2.705,查到临界值Dl=0.82 Du=1.87,DW处于不确定区间，无法用DW检验检验。
6、逐步修正法
对模型进行逐步回归，得到下图：
得到两个回归模型：
Y1=221.684+2.215X2
Y2=137.123+1.369X2+2.385X3
由上图可以看出模型1和2都通过了F方检验，回归方程显著。
从拟合优度来看，模型2的拟合优度最高，其次是模型1.。