【我国林业投资影响因素实证分析案例6000字（论文）】

我国林业投资影响因素实证分析案例我国林业投资影响因素实证分析案例 1第一节原理选择 1 1 1二、数据来源 2 3 4二、非国家投资 “绿水青山就是金山银山”,林地和草地对于环境保护和发展具有极为重要Bo表示回归常数，b₁,b2,b3…bn为偏回归系数。因变量Y由其估计值和残通过前人的研究和对各影响因素的分析，分别选取国家投资(万元)Y1和非国家投资(万元)Y₂为因变量。财政资金投入(亿元)X₁,三年期国债利率(%)X₂,GDP指数(以1978年为100)X₃,货币供给量同步增长率(%)X₄,林业第一产业产出(万元)X₅,林业第二产业产出(万元)X6,林业第三产业产出(万元)X7,林业从业人员(人)X₈,每年造林面积(千公顷)X9。其中，由于国家财政资金和国家财政发展状入的主要因素，所以把总财政资金收入，GDP等列为影响因素。林业投资收益以分别将第一、第二和第三产业作为不同的影响因素作根据《中国林业统计年鉴》和《中国统计年鉴》相关数据，将1998-2018年表4.1原始数据总林业投资(万元)国家投资非国家投资三年期国债货币供给量同步增长率(%)表4.1原始表格(续)第一产业(林)(万元)第二产业(林)(万元)从业人员(人)造林面积(千公顷)逐步回归分析法的基本思想是对全部因子按其对y影响程度大小偏回归平部变量进行检验看其是否仍然显著如不显著就将其剔除直到回归方程中所有变量对y的作用都显著时才考虑引入新的变量再在剩下的未选因子中选出对y作除去的变量1林业第一产业产出(万元)的概率>=.110)。2造林面积(千公顷)的概率>=.110)。R12表4.3表明了逐步回归模型每一步的统计量。根据表4.3可知，模型2的拟合效果最好，调整后的判定系数达到0.990,这个结果说明：在线性回归模型中，林业投资的变化有99%可以由回归模型解释，只有1%的变化是由随机误差引起表4.4方差分析a平方和自由度F1回归1回归22a.因变量：国家投资(万元)量对应的概率值)均为0,结果远小于0.05,回归极为显著。而且模型通过F检验(F=968.055,p=0.000<0.05),说明模型有效。表4.5中针对模型的多重共线性进行检验发现，模型中VIF值全部均小于5,意味着不存在着共线性问题。表4.2中D-W值在数字2附近，因而说明模型不存在自相关性，样t1(常量)林业第一产业产出(万元)2(常量)林业第一产业产出(万元)造林面积(千公顷)根据表4.5,经过分析，可以得出对林业国家投资影响因素回归模型的回归除去的变量步进(条件：要输入的F的概率<=.100,要除去的F的概率>=.110)。步进(条件：要输入的F的概率<=.100,要除去的F的概率>=.110)。步进(条件：要输入的F的概率<=.100,要除去的F的概率>=.110)。4财政收入(亿元)步进(条件：要输入的F的概率<=.100,要除去的F的概率>=.110)。5林业第一产业产出(万步进(条件：要输入的F的概率<=.100,要除去的F的概率>=.110)。6林业第二产业产出(万元)步进(条件：要输入的F的概率<=.100,要除去的F的概率>=.110)。在模型中。林业第二产业产出一开始对于非国家投资影响显著,但是在后来逐步引入其他变量之后，相对于其他的自变量林业第二产业产出不够显著,没有经过R123456a.预测变量：(常量),林业第二产业产出(万元)c.预测变量：(常量),林业第二产业产出(万元),林业第三产业产出(万元),GDP(1978=100)d.预测变量：(常量),林业第二产业产出(万元),林业第三产业产出(万元),GDP(1978=100),财政收入(亿元)e.预测变量：(常量),林业第二产业产出(万元),林业第三产业产出(万元),GDP(1978=100),财政收入(亿元),林业第一产业产出(万元)f.预测变量：(常量),林业第三产业产出(万元),GDP(1978=100),财政收入(亿元),林业第一产业产表4.7表明了逐步回归模型每一步的统计量。根据表4.7可知，模型6的拟额的99.5%变化原因，只有0.7%的变化是由随机误差引起的。表4.8方差分析a平方和F1回归2286395979056145.0001残差106815837283988.950总计2393211816340134.000回归2346459855139975.50022残差46751961200158.260总计2393211816340134.00033总计2393211816340134.00044总计2393211816340134.00055回归2380736301081436.00046残差12475515258698.227总计2393211816340134.000a.因变量：非国家投资(万元)b.预测变量：(常量),林业第二产业产出(万元)d.预测变量：(常量),林业第二产业产出(万元),林业第三产业产出(万元),GDP(1978=100)入(亿元)入(亿元),林业第一产业产出(万元)g.预测变量：(常量),林业第三产业产出(万元),GDP(1978=100),财政收入(亿元),林业第一产业产量对应的概率值)均为0,结果远小于0.05,回归极为显著。且表4.8最终说明了各个模型中变量的回归系数，且各变量最终通过相关性中D-W值在数字2附近，因而说明模型基本不存在自相关性，样本数据之间并表4.9以国家投资额为因变量的回归方程系数林业第二产业产出(万元)标准错误数标准化系显著共线性统计林业第二产业产出(万元)林业第三产业产出(万元)3(常量)林业第二产业产出(万元)林业第三产业产出(万元)林业第二产业产出(万元)林业第三产业产出(万元)财政收入(亿元) -4.188林业第二产业产出(万元)林业第三产业产出(万元)3-1.917-4.941财政收入(亿元)林业第一产业产出(万元)8林业第三产业产出(万元)财政收入(亿元)林业第一产业产出(万元)根据表4.9中针对模型的多重共线性进行检验发现，模型中VIF值全部均大于10,意味着存在严重的共线性问题。为消除变量之间的多重共线性，采用岭回归对模型进行回归分析。岭回归ANOVA检验(也称F检验),用于判定模型是否有意义。图4.1岭迹图平方和F回归9平方和F总计由表4.10可知，对模型进行F检验时发现模型通过F检验R²调整RF国债利率林业第一产业产出0.0220.002林业第二产业产出0.0150.002林业第三产业产出0.0210.005从业人员-3.0891.474分析，K值取为0.990时，模型R方值为0.897,意味着财政收入，三年期国家平最终经过具体分析非国家林业投资岭回归结果，可得模型公式对非国家投资产生