r论文.docx

基于R软件的北京农林牧渔总产值多元线性回归分析摘要:农林牧渔业作为第一产业在整个国民经济运行中起着重要的作用,一方面它作为其他行业提供赖以生存的物质基础,另一方面它也能很好地解决劳动力就业等社会问题,本文运用统计学方法,通过R软件进行数据处理,研究2004年至2012年北京农林牧渔业总产值与农业、林业、牧业、渔业等因素的关系，从而提出合理的建议，来发展国民经济关键词：相关性分析，多元线性回归，回归诊断相关性分析（散点图）本文选择2003年至2012年北京农林牧渔总产值，农业总产值、林业总产值、牧业总产值、渔业总产值（单位：亿元）进行系统分析，如下表（表1）所示：设农林牧渔业总产值为y,农业总产值为x1,林业总产值为x2，牧业总产值为x3，渔业总产值为x4,分别画出y与x1,x2,x3,x4的散点图（图1）：图1建立多元线性模型由图1可知，四个元素基本满足线性关系，因此设回归方程为y=β1x1+β2x2+β3x3+β4x4+β5用R软件计算的结果是用于回归方程检验的F统计量的p值与用于回归系数检验的t统计量的p值均很小（0.05），因此回归方程与回归系数的检验都是显著的，回归方程为：Y=0.90914X1+0.97949X2+1.05197X3+2.64014X4-5.66337预测2013年农林牧渔总产值 用predict命令预测出y=420.1301,相应的y的0.95的预测区间为【414.6594，,425.6008】，与2013年的真实值421.78比较，相对误差为0.3912%，所以该多元线性回归模型较合理，预测性良好。方差齐性的诊断及修正方法根据残差图判断误差方差是否齐性，若为非齐性，可以通过对因变量作适当的变换，使得关于因变量在回归中误差的方差接近齐性。利用residual和rstandard命令画出残差图和标准残差图，如下图（图2）所示图2观察图2可知，残差图集中于下部，从左到右有逐渐聚合的趋势，方差齐性不成立，所以，考虑对x和y做对数变换，下图（图3）是变换后的标准残差图图3由上述残差图可看出，观测点的分布有明显改善，没有什么规律。变换后的回归方程为 lny=0.326153lnX1+0nX2+0.502905491lnX3+0nX4异常点的识别如果某一年出现什么异常情况影响了生产值,使得偏离正常范围,例如禽流感等会引起畜牧业生产值的下降,也可能某一年的生产值特别高,如果采用这样的数据就不利于模型的确立，在拟合预测时就会出现误差，若出现异常点，结合实际情况进行分析。标准化残差的绝对值=2的观测点认为是可疑点，绝对值=3的观测点认为是异常点。若存在异常点，根据含有异常点的观测值算出的回归模型就具有一定的误差，准确性降低，找到异常点并剔除就显得很重要。观察图3可知，没有可疑点和异常点，所有数据均合理。说明我市农林牧渔业发展稳定，其他因素的影响不大。六、影响分析从分析观测点对回归结果的影响入手，找出对回归结果影响很大的观测点，用influence.measures命令判断影响性大小，结果为除第五个观测点之外，都是强影响点。第五个数据是2008年农林牧渔产值情况，2008年发生很多天灾人祸加上奥运会的召开，农林牧渔歌行业会受到一定的影响，偏离正常范围。七、共线性诊断在拟合多元线性回归时，自变量之间可能会存在线性关系或近似线性关系，自变量之间的线性关系会隐蔽变量之间的显著性，增加参数估计的误差，还会产生一个很不稳定的模型，所以利用vif命令观察是否存在线性关系，结果是X1，X2，X3，X4方差膨胀因子均小于10，所以这四个因素之间不存在共线性问题。所以因变量为这四个因素，产生的多元回归模型较合理稳定。主观上，我们可能会认为农林牧渔各业之间应该会有一定的联系，但计算表明，这四个因素之间并没有什么线性关系，独立发展。八、结论农林牧渔总产值受农业、林业、牧业、渔业影响显著，随这四个因素的变化而变化，y由最后的回归方程可以看出，农林牧渔总产值受农业和牧业的影响最显著，所以我市需要大力发展农业和牧业，已提高农林牧渔总产值，促进农村经济发展，力求为我市经济建设作出更大的贡献。九、建议加强农业基础设施建设，提高有限耕地的生产能力，对农业基础设施投入要提高，财政信贷要增加支农资金；积极优化农业结构，引进优良品种，增强农产品市场竞争力；进一步宣传落实农村改革的各项强农、惠农扶持政策，推进农业产业化进程推进特色产业；积极因势利导，推动农牧名和政府大力发展设施、人工牧场、高产饲草料基地及产业化养殖，从根本上改变牧业靠天吃饭飞被动局面，提高土地产出率，实现从传统牧业向现代牧业的转变，确保粮食安全。参考文献：汤银才，R语言与统计分析，高等教育出版社，2008年5月2012年国家强农惠农政策措施汇总/vie