x1,x2,x3,x4不显著可能是因为存在内生性问题。x1,x2,x3,x4中某几个变量之间存在相关性，如受灾面积就可能与水库数量相关（水库数量增加可能会使受灾面积减少），或者是残差部分存在没有观测到的影响y的因素，且该因素跟x1,x2,x3,x4某一个或几个相关。这种相关性的存在会导致不满足OLS假定中的外生性假定，致使估计结果是不准确的。因此，在存在这种相关性的条件下，x1,x2,x3,x4就可能都不显著，或者估计结果与理论不服。如第一个回归方程中，x1（播种面积）理论上应该与y（农作物产量）显著正相关，但是估计结果是不显著；还有就是第二个回归方程中，x4（水库数量）理论上应该与y（农作物产量）正相关，但是估计结果是显著负相关。所以，你这两个回归方程都存在着问题。处理办法有使用面板、GMM回归、或是再控制变量。
x4与被解释变量是负相关关系，其他变量为正相关关系
x1,x2,x3,x4不显著可能是因为存在内生性问题。
x1,x2,x3,x4中某几个变量之间存在相关性，如受灾面积就可能与水库数量相关（水库数量增加可能会使受灾面积减少），或者是残差部分存在没有观测到的影响y的因素，且该因素跟x1,x2,x3,x4某一个或几个相关。
这种相关性的存在会导致不满足OLS假定中的外生性假定，致使估计结果是不准确的。
因此，在存在这种相关性的条件下，x1,x2,x3,x4就可能都不显著，或者估计结果与理论不服。如第一个回归方程中，x1（播种面积）理论上应该与y（农作物产量）显著正相关，但是估计结果是不显著；还有就是第二个回归方程中，x4（水库数量）理论上应该与y（农作物产量）正相关，但是估计结果是显著负相关。
所以，你这两个回归方程都存在着问题。
处理办法有使用面板、GMM回归、或是再控制变量。
x4与被解释变量是负相关关系，其他变量为正相关关系