基于SPSS軟件的山東省糧食產量預測模型分析

段 霞

（濟寧學院數學系，山東 曲阜 273155）

山東省常住人口已經過億，是一個糧食生產與消費大省。山東省糧食現狀和糧食生產潛力已成為人們普遍關心的問題。本研究運用SPSS軟件對影響山東省糧食總產量的因素進行分析，并利用回歸方程對糧食產量進行預測。

1 影響山東省糧食產量的因素分析

1.1 糧食種植面積

利用SPSS 軟件對2000—2017 年山東省糧食種植面積進行回歸分析，結果見表1，可得糧食種植面積x1關于年份t的線性回歸方程：

表1 糧食種植面積系數a

1.2 農業機械總動力

利用SPSS 軟件對2000—2017 年山東省農業機械總動力進行回歸分析［1］，結果見表2，可得農業機械總動力x2關于年份t的線性回歸方程：

表2 農業機械總動力系數a

1.3 農業化肥施用量

利用SPSS 軟件對2000—2017 年山東省農業化肥施用量進行回歸分析，結果見表3，可得農業化肥施用量x3關于年份t的線性回歸方程：

表3 農業化肥施用量系數a

1.4 有效灌溉面積

利用SPSS 軟件對2000—2017 年山東省有效灌溉面積進行回歸分析，結果見表4，可得有效灌溉面積x4關于年份t的線性回歸方程：

表4 有效灌溉面積系數a

1.5 受災面積

利用SPSS 軟件對2000—2017 年山東省受災面積進行回歸分析［2］，結果見表5，可得受災面積x5關于年份t的線性回歸方程：

表5 受災面積系數a

2 基于多元線性回歸預測山東省糧食產量

2.1 建立模型

建立山東省糧食總產量與糧食種植面積、農業機械總動力、農業化肥施用量、有效灌溉面積、受災面積之間的多元回歸模型如下：

式（6）中，β0、β1、β2、β3、β4、β5為總體回歸系數［3］，Y為糧食總產量，x1為糧食種植面積，x2農業機械總動力，x3農業化肥施用量，x4為有效灌溉面積，x5為受災面積。2000—2017 年，山東省糧食總產量、糧食種植面積、農業機械總動力、農業化肥施用量、有效灌溉面積和受災面積統計數據見表6。

表6 2000—2017年山東省相關統計數據

2.2 計算方法

在SPSS軟件中選擇“分析”“回歸”“線性”，將糧食總產量Y作為因變量，將糧食種植面積x1、農業機械總動力x2、農業化肥施用量x3、有效灌溉面積x4和受災面積x5作為自變量。

2.3 計算結果

多元線性回歸分析結果如表7至表9所示。

表7 模型匯總b

表8 變異數分析a

表9 系數a

取顯著性水平為0.05，表8中顯著性為0.000，說明糧食種植面積、農業機械總動力、農業化肥施用量、有效灌溉面積和受災面積中至少有一個因素對糧食總產量產生顯著影響。表9 中，糧食種植面積、農業機械總動力、農業化肥施用量、受災面積的顯著性均小于0.05，說明糧食種植面積、農業機械總動力、農業化肥施用量、受災面積都對糧食總產量有顯著性影響；有效灌溉面積的顯著性為0.059，大于0.05，說明有效灌溉面積對糧食總產量的影響不是很顯著，但是考慮實際問題，有效灌溉面積對糧食總產量是有影響的，所以不被剔除。由表9 可知，影響糧食總產量的5 個因素的方差膨脹系數（VIF）均都小于10，說明5 個自變量不存在共線性［4］。在回歸模型顯著的基礎上，再看調整的R2，R2反映模型擬合度的好壞，越接近1，說明擬合效果越好。由表7 可知，調整的R2為0.958，說明得到的方程對真實數據的反映程度達到了95.8%，擬合度較好。杜賓-沃森檢驗（Durbin-Watson）值為2.036，接近2，說明方程不是偽回歸（不存在序列相關）［5］。

從表9可得到糧食總產量Y與x1、x2、x3、x4、x5的回歸方程為：

2.4 2021年山東省糧食總產量預測

將 2021 分別代入公式（1）（2）（3）（4）（5），可以預測2021年糧食種植面積為786.946 8萬hm2，農業機械總動力為13 926.569萬kW，農業化肥施用量為486.166萬t，有效灌溉面積為511.432 5萬hm2，受災面積為8.041 6萬hm2。

將預測的2021年數據代入公式（7）得到2021年山東省糧食總產量預測值為

3 結語

本文利用SPSS軟件，通過多元線性回歸分析建立的山東省糧食總產量預測模型的擬合效果較好，糧食總產量預測值精度較高，同時得到對糧食產量影響最為明顯的因素是糧食種植面積，其次是受災面積、農業機械總動力、農業化肥施用量，最后是有效灌溉面積。合理利用閑置的農地增加糧食種植面積，利用現代科技改進種植技術來提高糧食單位面積產量，增加農業機械總動力使農業勞動速度加快，適度增加農業化肥施用量和有效灌溉面積等，均是提高山東省糧食總產量的有效途徑。在以上研究的基礎上，政府出臺糧食生產的相關政策、加快農業科技發展，可促進山東省糧食生產穩定、快速發展。