更全的杂志信息网

影响黑龙江省粮食产量因素的研究

更新时间:2009-03-28

1 背景介绍

每个人的生命中都离不开粮食,粮食是人生存的物质基础和保障.然而黑龙江省的粮食产量在全国的粮食产量中占有很大的比重,自1986年到2015年之间粮食产量总体上是呈上升的趋势,这也带动了全国的粮食产量.然而影响粮食产量的因素有很多,如粮食单产、粮食的播种面积、农用化肥的用量和农用机械总动力等等,但是现实中如果单纯的用这些数据进行回归分析时会发现这些数据之间多少都会有相关性,所以为了避免这些相关性对分析中产生干扰文中运用主成分分析的方法探究影响黑龙江省粮食产量的主要因素.主成分分析的原理就是运用降维的思想,在力保数据信息缺失最少的原则下,把多个指标转化为少数几个指标的一种对多变量数据进行最佳简化的多元统计方法[1].而分位数回归是通过分位点在0.5下的参数估计来确定相对精确的回归模型,对自变量与因变量间的解释会更加全面.

2 指标的选取和模型的选择

2.1 指标的选取

黑龙江省是粮食产量的大省,因而影响粮食的产量因素有很多个,有粮食的播种面积、生产资料的投放,比如农用化肥用量、农用机械总动力、资本、劳动等等,还有政策因素[2].该文选取了粮食单产、种植面积、农用化肥、农用机械总动力、农业科技进步水平、农业从业人口、农林牧渔业总产值和有效灌溉面积作为影响粮食产量的指标,数据来源于中国统计年鉴http://www.stats.gov.cn/tjsj/ndsj/.

1986年粮食单产为每公顷2425.4 kg,到2015年就达到每公顷5375.1 kg,在这30年中单产量一直在增加.在单产量增加的同时种植面积也在增加,从1986年7323.7 khm2到2015年增加到11765.23 khm2,这是30年内增涨的还算很快.但是到了2006年增加到10525.73 khm2,同比2005年增加了17.8%,2007年开始播种面积只有小幅度的上涨,而2009年粮食播种面积有突破性的上涨,达到了11391.03 khm2,在之后的几年里粮食的播种面积在保持稳定且小幅度的增长.有效灌溉面积也是影响粮食产量很关键的因素,如果灌溉面积达不到也会使粮食减产.纵观这30年来,有效的灌溉面积一直呈阶梯势的稳步上升.

农用化肥的用量也是影响粮食产量关键性因素,数据显示在1995到2003年间农用化肥的用量一直是平稳小幅增长,但是2004年就从2003年的125.7万t增长到143.8万t,直到2015年又增到新高度255.31万t.为了使全文的统一,文中用“农用化肥折纯量”作为自变量.农业科技进步水平也是影响粮食产量的关键性因素,这是农业现代化的表现.农林牧渔的产值也从1995年的623.63亿元增加到2015年的5044.93亿元,它也是粮食产量的关键因素.

农用机械,是衡量农业现代水平的重要指标之一,当然了,也对粮食产量有很大影响,黑龙江省一直在不断地引用农用机械,农业机械总动力从2005年的2234万千瓦增加到2011年4097.8万千瓦,增加了80%.持续增长一直到2015年达到了5442.29万千瓦.农业从业人员也会影响到粮食产量,农业从业人员从1997年760.3万到2004年减少到706.17万人,并且2005年减少到696.67万人,直到2015年从业人数一直维持在667万人左右.

湿式诱捕器投放高度20、40、60 cm处理诱捕茶尺蠖成虫总量分别为321、158和148头,平均每台为 80.25、39.50 和 37.00 头,可见高度 20 cm 处理诱捕量最多,并与其他2个处理均达到显著差异,高度40和60 cm处理诱捕效果相当,因此,湿式诱捕器在茶园的最优投放高度为20 cm。

2.2 模型的建立

设有n个样品,p个指标,将原始数据标准化,得到的标准化矩阵为:

(5)碾压前综合土的含水量是决定碾压能否一次成功的关键,本首件工程碾压前含水量为16.3%,一次碾压成型,说明该含水量控制是适宜的。

 

建立变量的相关系数矩阵:R=(rij)p×p=XX.求R的特征根λ1λ2≥…≥λp>0以及相应的单位特征向量:φ1=(φ11,φ12,…,φp1)′,φ2=(φ12,φ22,…,φp2)′,…,φp=(φ1p,φ2p,…,φpp)′.然而F=,则主成分:Fi=φi1x1+φi2x2+…+φipxp,这里的i=1,2,…,p.它是不相关的线性组合,且F1x1,x2,…,xp的线性组合中方差最大的一个,F2是与F1不相关的线性组合中方差最大的一个,Fp是与F1,F2,…,Fp-1都不相关的线性组合中方差最大者[4].根据选定的累计贡献率,可以选择前m个主成分.

粮食产量与上述的那些因素存在着一定的数量关系,文中采用普通最小二乘法对前m个主成分 进行多元线性回归,建立出的模型: 由于每个主成分F1,F2,…,Fm都是每个自变量的线性组合,因此经过转化最终得出线性回归模型:

Y=β0+β1X1+β2X2+…+βmXm+e

马来酸依那普利叶酸片对H型高血压并发2型糖尿病患者颈动脉粥样硬化的影响及可能机制 …… …… 罗羽慧等(5):670

其中:e是随机误差项,文中一共选取了8个变量,Y为粮食产量(万t),X1,…,X8分别为:粮食单产(kg/hm2),种植面积(khm2),农用化肥(万t),农用机械总动力(万千瓦),农业科技进步水平,农业从业人口(万人),农林牧渔总产值(亿元),有效灌溉面积(khm2).β0,…,β8:待估计的未知参数.接下来使用统计软件进行分析.

3 实证分析

3.1 数据标准化

逐步分析每个公因子所代表的含义:

φ1=(0.353,0.31,0.379,0.37,0.371,0.2261,0.366,0.377)

描述性统计量表中显示出变量的样本容量,最大值,最小值,均值以及标准差,以便对中心化后新自变量完主成分回归后对原始变量的还原[3].标准化的自变量和因变量变成了x1,…,x8,y.

 

1 描述性统计表

  

变量容量N最小值最大值平均值标准差粮食单产302232.95375.13625.1 855.9种植面积306886.311765.28957.51760.5农用化肥30 47.7 255.3 140.8 62.1农用机械动力30 935.05442.02255.91380.8农业科技进步水平30 2.5 109.4 58.1 29.4农业从业人口30 414.0 822.0 616.5128.4农林牧渔业总产值30 137.05044.91422.11474.4有效灌溉面积30 719.75530.82359.91486.3粮食产量301621.56324.03364.91424.2容量 N 30

3.2 共线性诊断

 

2 回归系数和共线性统计量

  

模型变量标准系数B共线性统计量误差BetatSig.容差VIF1(常量)-5.8E-0160.0060.0001.000x10.5520.0290.55219.1640.0000.04621.772x20.3490.0360.3499.5850.0000.02934.744x3-0.0690.111-0.069-0.6260.5380.003321.194x40.2990.1010.2992.9510.0080.004269.265x5-0.0990.067-0.099-1.4760.1550.008118.010x6 -0.0070.016-0.007-0.4170.6810.1546.509x7 -0.0230.072-0.023-3.190.7530.007135.010x80.0400.0940.0400.4220.6770.004233.555

φ2=(-0.514,-0.1,0.001,-0.231,0.157,0.914,-0.262,-0.079)

 

3 共线性诊断

  

维数特征值条件索引方差比例常量 x1x2x3x4x5x6x7x8 16.9081.0000.000.000.000.000.000.000.000.000.0021.0002.6281.000.000.000.000.000.000.000.000.0030.7663.0020.000.000.000.000.000.000.170.000.0040.2035.8360.000.140.050.000.000.000.000.000.0050.0759.6110.000.040.060.000.010.020.140.020.0160.03813.4950.000.160.250.000.000.100.130.000.0070.00535.5880.000.260.000.070.040.000.150.580.2880.00352.7560.000.000.360.180.740.180.290.330.2890.00259.2230.000.400.280.740.220.690.120.060.43

根据表5,可以确定两个标准化的特征向量:

3.3 进行主成分分析

用统计软件进行主成分分析,见表4.

 

4 解释的总方差

  

成分初始特征值提取平方和载入合计方差/%累计/%合计方差/%累计/%16.90886.35286.3526.90886.35286.35220.7669.58095.5320.7669.58095.53230.2032.53598. 46740.0750.93599.40250.0380.47499.87660.0050.06899.94470.0020.03199.97580.0020.025100.000

表4显示8个特征根,但是前两个特征根的累计贡献率已经达到95.532%,这两个特征根分别为λ1=6.908,λ2=0.766,因此留下两个主成分,对应的因子载荷矩阵见表5.

 

5 载荷矩阵

  

变量主成分 1 2粮食产量0.928 -0.045种植面积0.950 -0.088农用化肥0.995 .001农用机械总动力)0.971 -0.202农业科技进步水平0.594 .137农业从业人口0.626 .800农林牧渔业总产值0.982 -0.229有效灌溉面积0.991 -0.089

通过表3可以看到,条件数大于1000所以共线性严重.因此需要进行主成分分析消除变量间的多重共线性.

将中华民族传统文化渗透到小学语文课堂教学活动中,有助于加深学生对传统文化的理解与认知,从而促使学生对中华民主传统文化产生学习积极性,这对于全面提升小学生传统文化素养具有重要意义。

2 结果示特发性鼻出血患者共210例,其中A型病例21例,B型病例82例,O型病例97例,AB型病例10例,患者血型分布结果见表2。对照组血型统计结果显示血型比例为:O型(34%)>A型(31%)>B型(27%)>AB型(8%),见表3。将特发性鼻出血患者血型分布与对照组血型分布比例进行比较有显著差异后(χ2=39.38,P<0.01),各血型再分别进行比较,具体结果见表4。特发性鼻出血患者B型和O型血病例构成比高于损伤类患者(P<0.01),A型血构成比低于对照组(P<0.01),AB型血构成比与对照组构成比差异无统计学意义(P>0.1)。

表2给出线性回归方程中回归系数的估计值和共线性统计量,表中x1x2x3x4x5x7x8的容忍度都小于0.1,并且方差膨胀因子都很大,说明他们中存在着严重的多重共线性[3].

我只关心那条手帕,许飞往我手里塞了一样硬硬的东西就被寡妇抓上了车。等大车扑哼扑哼开走时,我撑开手来,是一张骨牌,是那天我摔下去时,攥在手里的。

能得到两个主成分方程:

F1=0.353x1+0.361x2+0.379x3+0.37x4+0.371x5+0.226x6+0.366x7+0.77x8

F2=-0.514x1-0.1x2+0.001x3-0.231x4+0.157x5+0.914x6-0.262x7-0.07x8

用统计软件将数据进行标准化处理,也就是说将标准化之后的数据作为变量进行保存.见表1.

由于基础设施是中国在“一带一路”国家直接投资的重要领域,它更是关系到互联互通和双边经济发展的主要内容。所以,本文将引入“一带一路”国家的基础设施建设情况,考察中国直接投资有多少是通过完善沿线国家的基础设施来促进双边经济增长的,以及东道国各项制度在影响这部分中国OFDI的双边经济增长效应时是否都存在门槛效应。

(1)公因子一中影响因子较大的是X8有效灌溉面积、X3农用化肥、X4农用机械总动力和X5农业科技进步水平.黑龙江省的粮食作物主要还是以水稻玉米为主,其中水稻种植的比例相对来说比较大,那么有效灌溉面积是通过提高粮食单产从而影响粮食的总产量;其次农用化肥的合理使用也会影响粮食的单产[6],从而影响粮食的总产量;农业机械总动力和农业科技进步水平同样会通过单产作用于总产,由各系数的大小比较F1主要由以上4个指标决定,这4个指标在公因子F1上的载荷均在0.95以上,这4个指标的共同特点都是通过单产影响总产,并且公共因子方差的贡献率达到86.4%,是粮食生产因素指标的主要影响因素,想要提高粮食产量就要在以上方面下功夫.

(2)公因子二中影响因子最大的是X6农业从业人口,从2004年以后从事农业的人员开始减少人口达到了704万人左右,造成这方面的因素是现在的农业技术水平提高了,机械化代替了人工,而且效率比人高出太多.这样对黑龙江省的粮食产量的增加有很大的帮助.

前列腺位于盆腔深部,位置低、空间小,是机器人在泌尿外科的主要应用方向之一。与传统腹腔镜手术相比,机器人前列腺癌根治术可明显降低术中出血、缩短导尿管留置时间,同时减少围手术期并发症[6]。由于机器人手术开展时间短、经验积累尚不丰富,如何快速培养年轻医师,使之迅速掌握机器人手术技巧,已成为目前亟待解决的问题。

3.4 分位数线性回归

接下来要对得到的第一主成分和第二主成分做关于中心化因变量y的分位数回归分析.使用Eviews软件进行操作,运行出来的结果见表6.

 

6 主成分下的中位数回归参数估计表

  

τ常数项 F1系数 F2系数 τ=0.50.0127910.378143**-0.162233**

(数字右上角**表示主成分参数估计值在p=0.05的显著水平下显著,数字右上角*表示主成分参数估计值在p=0.1的显著水平下显著)

选择τ=0.5分位点下的估计值,在0.5分为点下的分位数线性回归的回归参数估计为最小一乘估计 [7],则回归系数的估计值常数项调整后的决定系数达到了0.87,把上面的关系带入会得到

y=0.378F1-0.162F2+0.013

整理一下方程会得到:

y=0.217x1+0.153x2+0.143x3+0.178x4+0.114x5-0.063x6+0.181x7+0.154x8+0.013

根据还原到原始变量的关系为:Y=0.361X1+0.124X2+3.277X3+0.184X4+5.531X5-0.7X6+0.175X7+0.148X8-369.731.

4 结论

通过上述的分析得到了对应的粮食产量模型,模型基本上反映了粮食的产量与各因素之间的关系,与现实意义基本相符.粮食产量与粮食单产(kg/hm2),种植面积(khm2),农用化肥(万t),农用机械总动力(万千瓦),农业科技进步水平,农林牧渔总产值(亿元),有效灌溉面积(khm2)都是呈正相关的关系,但是与农业从业人口(万人)呈负相关的关系,这恰恰符合现代农业形式的发展趋势,现在农业的发展全部以机械化为主,需要的人减少了,被大量的机械所替代,减少的劳动力可以投入到其他领域,同样可产生价值,为国家的经济发展有很大的促进作用.其中农用化肥与农业科技进步水平对粮食产量的影响很大,如果农用化肥增加1个单位,粮食产量就增加约3.3万t,所以合理的使用化肥是对粮食产量起到促进作用的.粮食单产和农业机械总动力对粮食产量的影响也比较大,如果粮食单产量每增加1个单位,那么粮食产量就增加约0.4万t.其中种植面积、农林牧渔业产值和有效灌溉面积就对粮食总产量的影响就不是特别的大了,假使种植面积增加1单位,那粮食总产量就会增加约0.1万t,毕竟黑龙江省的土地资源也是有限度的,这几年开垦的土地已经达到了上限,再开发的空间不太大,所以想要增加粮食产量只能在农业科技方面、化肥的投放方面等下功夫,这样黑龙江省的粮食产量在未来的发展中才会更上一个台阶,那些影响小的因素也不能忽视.由于影响粮食产量的因素非常多,该文只选取了影响黑龙江省粮食生产的8个因素指标,并且影响因素处于动态变化中,并不能将所有的影响因素涵盖.比如政府的相关政策以及变革,化肥成分或者含量的变化,农业技术更新等因素很难量化的引入,这些研究缺陷对研究结果有一定程度的影响,所以,运用主成分分析和分位数回归的综合方法能比较准确的解释影响粮食产量的因素,今后会加强这些方面的相关研究[6].

[1] 李宁,申双和.基于主成分回归的日光温室内低温预测模型[J].中国农业气象,2013,34( 3) : 306-311.

[2] 尚锐,董雪.黑龙江粮食产量影响因素分析[J].现代农业科技,2013(8):188.

[3] 王松贵,陈敏.线性统计模型[M].北京:高等教育出版社,71-73.

[4] 郭呈全,陈希镇.主成分回归的SPSS实现[J].统计与决策,2011(5):157-159.

[5] 李亮科.生产要素利用对粮食增产和环境影响研究[D].北京:中国农业大学经济管理学院,2015.45-48.

[6] 李静.黑龙江省粮食生产影响因素研究[D].哈尔滨:东北农业大学资源与环境学院,2014.35-43.

[7] 王琳.主成分回归与分位数回归在两类数据中的应用研究[D].哈尔滨工业大学理学院,2013.30-31.

 
张莹莹,徐文科
《哈尔滨师范大学自然科学学报》2018年第01期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网,上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿,论文发表指导正规机构。是您首选最可靠,最快速的期刊论文发表网站。
免责声明:本网站部分资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有
如有不愿意被转载的情况,请通知我们删除已转载的信息 粤ICP备2023046998号