我国主要城市降雨量及影响因素影响回归分析.docx
- 文档编号:18119313
- 上传时间:2023-08-13
- 格式:DOCX
- 页数:10
- 大小:18.54KB
我国主要城市降雨量及影响因素影响回归分析.docx
《我国主要城市降雨量及影响因素影响回归分析.docx》由会员分享,可在线阅读,更多相关《我国主要城市降雨量及影响因素影响回归分析.docx(10页珍藏版)》请在冰点文库上搜索。
我国主要城市降雨量及影响因素影响回归分析
我国主要城市降雨量与影响因素影响回归分析
我国的年降水量地区分布的总趋势是:
由华东地区华南地区向西北西南地区递减.东部沿海地区,距离夏季风源地近的影响强烈,降水多;由华东华南向西北西南陆地区距离越来越远,加上一系列东北西南走向的山脉阻挡,带来的水汽越来越少.我国夏季太阳直射北半球,全国各地太阳辐射强,所以夏季普遍高温多雨。
因此,以全国主要城市〔,XX,,,呼和浩特,,,,,,,,,,,,,,,,,,,,,,,,,,乌鲁木齐〕,把降雨量与影响关系〔地区和季度〕进展线性回归分析,并建立数学模型。
一、计量经济模型分析
1、数据搜集
根据以上分析,我们在影响降雨量因素中引入2个解释变量。
即:
X1,气温;X2,相对湿度。
降雨量Y
气温x1
相对湿度x2
415.8
5.1
63
446
7.1
57
362.9
9.2
59
461.5
14.1
52
XX
441.4
14
59
294.8
14.9
55
428.7
10.9
58
呼和浩特
394.8
7.7
46
169.2
10.7
50
乌鲁木齐
297
7.4
54
446.5
5.7
59
660.2
13.2
61
355.6
7.7
59
975
16
82
1452.1
18.6
79
1562
14.7
83
637.8
9.4
36
1078.3
16.4
66
1208.6
16.7
79
1386.8
18.6
69
551.6
16.3
58
521.4
15.4
55
1180.2
16.5
76
1091.1
16.4
74
1295.3
17
73
1359.9
17.5
73
1628
20.8
72
1890.5
18.8
74
2234
21.7
79
1234.7
21.6
82
1861.3
24.7
83
资料来源"中国统计年鉴2015"。
2、计量经济学模型建立
我们设定模型为下面所示的形式:
SUMMARYOUTPUT
回归统计
MultipleR
0.875378696
RSquare
0.766287862
AdjustedRSquare
0.749594138
标准误差
284.2845337
观测值
31
方差分析
df
SS
MS
F
SignificanceF
回归分析
2
7419509.166
3709754.583
45.90275
1.45057E-09
残差
28
2262895.491
80817.6961
总计
30
9682404.657
Coefficients
标准误差
tStat
P-value
Intercept
-1239.167
289.4336468
-4.281350948
0.000197
XVariable1
55.135678
14.43486226
3.819619255
0.00068
XVariable2
20.845841
5.997851771
3.475551217
0.00168
Lower95%
Upper95%
下限95.0%
上限95.0%
-1832.044968
-646.289
-1832.045
-646.2890691
25.56720289
84.70415
25.567203
84.70415277
8.559798618
33.13188
8.5597986
33.13188343
二、计量经济学检验
图1气温与降雨量的散点图
图二:
湿度和降雨量的散点图
从各散点图可以看出降雨量与气温,降雨量与湿度之间都具有一定的线性关系。
并且气温和湿度对降雨量的影响相差不多。
表一:
降雨量温度湿度之间的相关矩阵
降雨量
温度
湿度
降雨量
1
温度
0.815758731
1
湿度
0.802814668
0.710041423
1
但根据实际数据计算出的r其取值一般在-1~1之间,∣r∣→1说明两个变量之间的线性关系越强;∣r∣→0说明两个变量之间的线性关系越弱,对于一个具体的r取值,根据经历可将相关程度分为以下几种情况;当∣r∣≥0.8时,可视为高度相关;0.5≤∣r∣<0.8时,可视为中度相关,0.3≤∣r∣<0.5时视为低度相关,∣r∣<0.3,说明两个变量之间的相关程度弱可视为不相关。
由上表可知,降雨量和温度的相关系数为0.815758731大于0.8呈高度相关,降雨量和湿度的相关系数为0.802814668,大于0.8呈高度相关,温度和湿度的相关系数为0.710041423在0.5~0.8之间,属于中度相关。
可以推断出在我国温度和湿度都对降雨量有着非常重要的影响,且温度和湿度也成正比例关系。
表2:
excelX输出的一元回归分析结果〔温度与降雨量〕
SUMMARYOUTPUT
回归统计
MultipleR
0.815758731
RSquare
0.665462307
AdjustedRSquare
0.653926525
标准误差
334.206694
观测值
31
方差分析
df
SS
MS
F
SignificanceF
回归分析
1
6443275.341
6443275.341
57.68679378
2.25473E-08
残差
29
3239129.316
111694.1143
总计
30
9682404.657
Coefficients
标准误差
tStat
P-value
Lower95%
Intercept
-388.5831603
181.6581623
-2.13909001
0.040976574
-760.1158186
XVariable1
90.75781918
11.94939317
7.595182274
2.25473E-08
66.31856606
Upper95%
下限95.0%
上限95.0%
-17.05050195
-760.1158186
-17.05050195
115.1970723
66.31856606
115.1970723
由表可知判定系数为0.665462307在降雨量的变差中有66.55%可以由降雨量与温度之间的线性关系来解释。
可见两者之间的线性关系较相关。
在excelX输出的一元回归分析结果中将SignificanceF的值与给定的显著性水平α的值进展比拟,如果SignificanceF<α那么拒绝原假设,说明应变量y与自变量x有显著的线性关系。
如果SignificanceF>α那么不拒绝原假设,说明应变量y与自变量x没有显著的线性关系。
在表2的输出结果中SignificanceF=2.25473E-08<α=0.05,这说明降雨量和温度之间存在显著的线性关系。
说明所得结论与相关系数结论一样。
表3:
excelX输出的一元回归分析结果〔湿度与降雨量〕
SUMMARYOUTPUT
回归统计
MultipleR
0.710041423
RSquare
0.504158822
AdjustedRSquare
0.487060851
标准误差
8.801536723
观测值
31
方差分析
df
SS
MS
F
SignificanceF
回归分析
1
2284.229782
2284.229782
29.48646967
7.67891E-06
残差
29
2246.544412
77.46704869
总计
30
4530.774194
Coefficients
标准误差
tStat
P-value
Lower95%
Intercept
40.80352801
4.784078282
8.52902599
2.13945E-09
31.0189893
XVariable1
1.708836852
0.314694543
5.430144535
7.67891E-06
1.065214245
Upper95%
下限95.0%
上限95.0%
50.58806672
31.0189893
50.58806672
2.352459459
1.065214245
2.352459459
由表可知判定系数为0.504158822在降雨量的变差中有50.42%可以由降雨量与湿度之间的线性关系来解释。
可见两者之间的线性关系较相关。
在表3的输出结果中SignificanceF=7.67891E-06<α=0.05,这说明降雨量和湿度之间存在显著的线性关系。
说明所得结论与相关系数结论一样
表4:
excelX输出的二元回归分析结果〔湿度温度与降雨量〕
SUMMARYOUTPUT
回归统计
MultipleR
0.875378696
RSquare
0.766287862
AdjustedRSquare
0.749594138
标准误差
284.2845337
观测值
31
方差分析
df
SS
MS
F
SignificanceF
回归分析
2
7419509.166
3709754.583
45.90275103
1.45057E-09
残差
28
2262895.491
80817.6961
总计
30
9682404.657
Coefficients
标准误差
tStat
P-value
Lower95%
Upper95%
Intercept
-1239.167018
289.4336468
-4.281350948
0.000196801
-1832.044968
-646.2890691
XVariable1
55.13567783
14.43486226
3.819619255
0.000680123
25.56720289
84.70415277
XVariable2
20.84584102
5.997851771
3.475551217
0.001679856
8.559798618
33.13188343
下限95.0%
上限95.0%
-1832.044968
-646.2890691
25.56720289
84.70415277
8.559798618
33.13188343
回归方程:
^y=-1239.167018+55.13567783X1+20.8458410X2
各回归系数的实际意义:
^Β1=55.13567783表示在湿度不变的条件下,温度每增加一度降雨量平均增加55.13567783.
^Β2=20.8458410表示在温度不变的条件下,湿度每增加一单位降雨量平均增加20.8458410.
三,经济意义检验
经过散点图,相关系数检验,判定系数检验,显著性检验可知降雨量和温度,湿度呈正线性相关关系,且相关程度高.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 我国 主要 城市 降雨量 影响 因素 回归 分析