【《基于SPSS的农林牧渔对浙江省第一产业生产总值指数的影响实证研究》5800字（论文）】

基于SPSS的农林牧渔对浙江省第一产业生产总值指数的影响实证研究摘要我国国家统计局规定第一产业是包括农林牧渔业，是国民经济中的基础产业，对国民经济的发展具有极其重要的作用。首先对浙江省第一产业产量指数做时间序列分析进行预测，然后，本文再将浙江省各市农林牧渔增加值做聚类分析，得到每一类的特征，然后分析其主要影响因素。最后采用了经典回归分析中的多元回归分析,通过模型设定、模型建立、模型的检验与修正等解析第一产业中农林牧渔业对第一产业发展的影响。进而解释模型的经济意义，并进行相应的经济预测。该论文有图8幅，表10个，参考文献8篇。关键词：多元回归spss时间序列分析目录TOC\o"1-2"\h\u1引言 11.1研究背景和意义 11.2国内文献研究现状 11.3研究内容和方法 22浙江省第一产业发展趋势及预测 22.1第一产业总指数的趋势分析 32.2对无季节效应的非平稳序列拟合ARIMA模型 42.3ARIMA模型预测 63浙江省各市第一产业具体分析 73.1各市第一产业增加值的直观表示 73.2各市第一产业的聚类分析 84浙江省第一产业做多元回归分析 104.1简单自相关 104.2用SPSS做回归模型 104.3共线性诊断 115结论 13参考文献 141引言1.1研究背景和意义第一产业又称第一次产业，是以利用自然资源为主，生产不需要经过深层次加工就可以消费的产品或者工业原材料的部门。对于我国而言，主要包括农业、林业、牧业、渔业。第一产业的快速发展为我国人民提供了日常基础的生活物质，也一定程度上带动我国经济的发展。相同的，第一产业也为其他产业的发展提供了前提。浙江第一产业在规模化市场的主流下已经取得了较大成就，已经具备极大程度的规模优势和竞争优势，推动了优化产业分布，降低经营成本，增强抗风险能力，提高综合实力等方面的功能，。此外，浙江第一产业稳中有升的持续发展为第二、第三产业提供了坚实的发展基础和雄厚的发展资源，进而促使着整个浙江地区经济的发展。浙江省经济发展迅猛，已经发展成为现代化大省，第一产业应该已经渐渐逐渐消亡，然而第一产业产值却是在逐年增加。因此研究农林牧渔业的发展情况对研究浙江省第一产业的贡献率具有一定的意义1.2国内文献研究现状近年来，国内很多学者对第一产业做出相关分析，其中主要包括:杨友，谢宇鹏，刘守义(2020)基于柯布－道格拉斯函数的农业信息化对第一产业发展的贡献度研究，认为拉动山东省第一产业的是农业信息化投资，劳动力投入对第一产业增长值具有负面带动作用[3]。邹美惠（2019）黑龙江省第一产业与经济发展水平回归分析，结果显示粮食产量和农业总产值对黑龙江省第一产业影响值最大[4]。何玲，张燕杰，吕晓剑，郑煜，郑国财（2016）基于时间序列的黑龙江省畜牧业总产值及其比例的预测,认为黑龙江省畜牧业产值将会持续上升，在第一产业中比重也会持续上升[5]。栗滢超（2016）耕地数量与农民收入及第一产业的关系研究——以河南省为例，表明耕地数量对第一产业增加值变化的贡献率逐步增大[6]。马东（2016）海南省经济增长与第一产业的经济学分析，文章运用灰色关联度分析认为海南第一产业经济增长与农业现代化水平关联度最强,与农业劳动力关联度最弱[7]。王毅彰（2019）河南省第一产业增加值的关联分析与灰色预测，运用灰色预测法认为第一产业的发展严重失衡,过分依赖于农业和牧业,而林业和渔业发展缓慢。并预测在未来5年内河南省第一产业增加值仍处在稳定增长阶段[8]。总结上述文献可以发现，学者们对第一产业产值研究的预测和影响因素，大多学者选择建立单个模型来预测和分析影响因素，本文综合时间序列，多元回归分析，聚类分析来对浙江省第一产业做出全面分析。1.3研究内容和方法首先，本篇文章先对浙江省1979年-2019年的第一产业作书数据对比，结合minitab软件对数据进行时间序列分析，做出趋势图并作出预测，预测未来第一产业的可能发展方向。然后，利用spss软件对浙江省各市的数据做聚类分析，做出各市第一产业的图表展示在文章中，划分各个等级。再建立回归模型，进行多元回归分析，得出数据后，分析影响差距的主要因素。除此之外，还要针对分析出的结论给出相应的建议。2浙江省第一产业发展趋势及预测表一选自中国统计年鉴中浙江1979年至2019年第一产业生产总产值指数，具体分为农业产值指数，林业产值指数，牧业产值指数，渔业产值指数。表一浙江省农林牧渔总产值指数年份

Year第一产业生产总指数农业产值

Farming林业产值

Forestry牧业产值

Animal

Husbandry渔业产值

Fishery1979112.26109.58109.95131.1293.691980109.85105.62115.71133.2794.591981110.78107.65115.71128.8896.691982128.98127.88113.26148.37102.711983124.88122.05116.93149.4299.701984145.51145.51149.29156.79116.481985151.17146.44155.09176.43136.741986159.30152.77149.90185.83162.851987164.65158.47161.50181.27184.841988168.39162.26157.53189.10182.791989170.76166.71152.65185.44182.161990175.37170.34166.08187.23198.141991186.67181.51185.57192.05217.841992193.70179.20198.03209.41251.911993202.65184.90240.93203.50286.541994221.50191.86283.27204.03383.961995242.72205.46302.47202.14482.071996258.08221.62319.98203.38516.581997270.66223.18340.13222.24570.261998280.94223.98328.23230.46640.511999294.15233.77351.75242.33669.032000307.67230.70391.15265.45741.952001322.75240.16414.23288.28769.402002336.31155.05417.96300.39787.872003348.29267.73429.21306.42811.562004363.75171.10458.00310.38848.842005372.48175.72463.04326.52847.992006385.52183.80488.51311.42870.042007394.39188.58509.03314.53884.832008412.57198.08554.03323.49918.722009422.43203.15555.03333.19932.872010434.76204.96527.72344.921007.972011448.24208.75542.39350.061076.412012456.49211.11538.97356.641110.862013458.36212.71545.22344.481136.852014462.76220.37553.67314.921166.982015468.13227.84577.15273.161223.352016479.79235.56584.25255.921286.962017490.77245.78622.57228.831334.232018499.11252.91659.30210.521362.252019507.84259.24674.66198.481392.79首先对数据表一做时间序列分析，观察浙江省第一产业的总产值指数走向趋势。2.1第一产业总指数的趋势分析用minitab做时间序列模型进行预测。对上表做时间序列图得图一。图一xt的时间序列图上图时间序列图显示，从1979年至2019年数据持续增加该序列有明显增长趋势，表明浙江省的第一产业总产值的指数是一直上升的，增长幅度均匀，因为没有季节因素影响所以并无季节效应，因此我们对其做差分得图二。一阶差分时序图：图二x2的时间序列图从图二可以看出看一阶差分之后明显没有任何趋势了，在一个值之间上下波动。且平方的时序图显示上下波动认为不存在异方差。综合上述的两个图表和结论，对无季节效应的非平稳序列拟合ARIMA模型，为下一步的预测提供模型基础。2.2对无季节效应的非平稳序列拟合ARIMA模型做出该序列的自相关图和偏自相关图分析如下：该序列的自相关图如图三所示：图三x2的自相关函数自相关图显示出一阶截尾性，所以可以考虑用ARIMA（0，2，1）模型拟合原序列。该序列的偏自相关图如图四所示：图四x2图四偏自相关图显示出一阶截尾性，故也可以考虑用ARIMA(1,2,0)模型与拟合原序列。检验结果如下表二，表三：表二ARIMA(0,2,1)参数的最终估计值类型系数系数标准误TP移动平均10.79820.09898.070.000常量0.10790.20090.540.594差值:2正规差值观测值个数:原始序列41，39差值之后残差:SS=1255.99（不包括向后预测）S=33.95DF=37xt=ξt+Var(ξt表三ARIMA(1,2,0)参数的最终估计值类型系数系数标准误TPAR1-0.64480.1256-5.130.000常量0.41650.96040.430.667差值:2正规差值观测值个数:原始序列41，39差值之后残差:SS=1330.90（不包括向后预测）MS=35.97DF=3xt=0.4165-0.644xt-1Var(ξt)=35.97模型做出后，对其进行ARIMA模型来预测浙江省第一产业生产总值指数将会发生的变化。2.3ARIMA模型预测对拟合结果做时间序列图如下图五，图六，判断拟合效果图五xt图六C16，xt_2，C18,拟合值2的时间序列图图五，图六两个拟合模型效果较好，都有明显的上升趋势，因此我们预测再未来两年，浙江省第一产业产值总指数依然会持续上涨。浙江省历年以来经济发展迅速，各行业迅速崛起，在经济的加持下，农业的行业机械化是拥有大规模的休闲渔业资源，第一产业的用地面积的不断扩大，都成为带动第一产业发展的必要因素。通过上述所作的时间序列模型分析后可以发现浙江省第一产业生产总指数有显著的上升趋势，进而通过聚类分析简略判断浙江省各市在第一产业生产总指数中发挥的作用。于是我们对2019年浙江省的十二个市数据进行分析。3浙江省各市第一产业具体分析3.1各市第一产业增加值的直观表示将浙江省12个市2019年第一产业增加值作为样本数据，去分析各市情况。表四浙江省各市第一产业增加值地区农、林、牧、

渔业增加值

中间消耗#农业增加值#固定资产折旧劳动者报酬全省合计Total213525091143586519705282003870812199957杭州市Hangzhou3327369210113915889833165491684141宁波市Ningbo3356125178028017266632852031714334温州市Wenzhou15419108299241550811292740854193嘉兴市Jiaxing12883438465142539261085320728744湖州市Huzhou14227556692391422755843523绍兴市Shaoxing2109755144865715600619558991028769金华市Jinhua151876510559181430611392671848891义乌市Yiwu23158418858023158209778102095衢州市Quzhou884162520358140840782094504583舟山市Zhoushan14624757142137628511823931212746台州市Taizhou2865619114948838245826114942167221丽水市Lishui101001670953531307792501532845数据来源：中国知网统计年鉴浙江省各市农、林、牧、渔业增加值(2019按将表四数据按行均值做条形图图七农林牧渔行均值条形图由图七可以看出金华市温州市最为相似，丽水市和衢州市其次3.2各市第一产业的聚类分析采用系统聚类法，将12个市划分为两类和四类，再具体分析每一类的特点。图八使用平均联接（组间）的树状图 用系统聚类法将12个市划分为两类，来简单分析每一类的特点，分类情况如下表五所示:表五浙江省各市分两类情况第一类温州市，金华市，杭州市，嘉兴市，衢州市，丽水市，舟山市，绍兴市，义乌市第二类杭州市，宁波市，台州市聚类结果表明杭州市，宁波市，台州市2019年农林牧渔的增加值最高，且处于遥遥领先地位。劳动者报酬一项也处于遥遥领先地位，首先杭州，宁波，台州三市的GDP总量都较高，且人口数在十二个市中也位列前茅，宁波市和台州市也都靠海，地理位置优越，交通便利，等等这些条件都成为带动第一产业产值增加的潜在因素。其他市的第一产业总值就相比较较为逊色。用系统聚类法将12个市划分为四类，分类情况如下表六：表六浙江省各市分为四类情况第一类台州市第二类杭州市，宁波市第三类义乌市第四类温州市，金华市，杭州市，嘉兴市，衢州市，丽水市，舟山市，绍兴市聚类结果表明义乌市第一产业总产值最低，义乌市有自己的独立的产业结构，第一产业比重较小，因此产值也最低。台州市由于独特的地理位置，衍生出大量的就业机会，因此劳动者报酬也较高。最后，通过spss建立多元回归模型，通过模型系数判断农业，林业，牧业，渔业生产指数对浙江省第一产业生产总指数的影响。4浙江省第一产业做多元回归分析4.1简单自相关对样本数据做简单自相关，通过观察样本变量之间相关系数，大致判断农林牧渔与第一产业总体的相关性强弱。表七相关性yx1x2x3x4yPearson相关性1.763**.994**.791**.993**显著性（双侧）.000.000.000.000N4141414141x1Pearson相关性.763**1.767**.538**.776**显著性（双侧）.000.000.000.000N4141414141x2Pearson相关性.994**.767**1.775**.990**显著性（双侧）.000.000.000.000N4141414141x3Pearson相关性.791**.538**.775**1.741**显著性（双侧）.000.000.000.000N4141414141x4Pearson相关性.993**.776**.990**.741**1显著性（双侧）.000.000.000.000N4141414141**.在.01水平（双侧）上显著相关。由相关系数我们可以知道农、林、牧、渔与第一产业都具有较强的相关系数，所以尝试使用多元回归模型进行拟合。4.2用SPSS做回归模型输出结果：表八模型汇总b模型RR方调整R方标准估计的误差Durbin-Watson1.998a.995.9959.70400.312a.预测变量:(常量),x4,x3,x1,x2。b.因变量:y表九Anovab模型平方和df均方FSig.1回归696878.4934174219.6231850.102.000a残差3390.0333694.168总计700268.52640a.预测变量:(常量),x4,x3,x1,x2。b.因变量:y表十系数a模型非标准化系数标准系数tSig.B的95.0%置信区间B标准误差试用版下限上限1(常量)58.33810.9855.310.00036.05880.617x1-.033.057-.011-.577.567-.150.083x2.254.066.3513.817.001.119.388x3.170.037.0894.633.000.095.244x4.180.027.5886.705.000.126.235a.因变量:y表八，表九，表十结合起来分析如下：a.R方为0.995，表明农、林、牧、渔指数变化能够完全的解释第一产业指数的变化。b.F值显著大于F标准值，因此F检验通过。c.各行业的P值均小于显著水平0.05，因此t检验通过。d.1979-2019年第一产业指数与农、林、牧、渔指数之间的回归模型为：y=58.338-0.033x1+0.254x2+0.17x3+0.18x4在具体经济问题中，大多数据都包含多重共线性，所以通过spss做出方差扩大因子进行共线性诊断，来消除多重共线性，以避免对模型系数产生影响。4.3共线性诊断表十一系数a模型非标准化系数标准系数tSig.共线性统计量B标准误差试用版容差VIF1(常量)58.33810.9855.310.000x1-.033.057-.011-.577.567.3942.538x2.254.066.3513.817.001.01662.919x3.170.037.0894.633.000.3622.760x4.180.027.5886.705.000.01857.137a.因变量:y观察图表十一可知，个变量的VIF值有的大于10，存在多重共线性，其中x2的VIF=62.919，最大，故先剔除x2，再次进行共线性诊断。表十二系数a模型非标准化系数标准系数tSig.共线性统计量B标准误差试用版容差VIF1(常量)70.68112.2745.759.000x1-.028.067-.009-.421.676.3942.537x3.230.039.1215.985.000.4472.235x4.279.008.91033.576.000.2504.000从表十二可以看到，各个变量的VIF值都小于10，消除了多重共线性。可以得到回归方程为=70.681-0.028x1+0.230x2+0.279x3标准化回归方程为=-0.009x1+0.121x2+0.910x3通过标准化回归方程可以知道，第一产业指数每上涨一点，最显著的是渔业指数，随之上涨0.910，牧业指数也随之上涨0.121。而农业指数在第一产业总指数上涨的过程中有相对下降的趋势，随之下降0.009。浙江省属于沿海省份，具有较为丰富的渔业资源，在21世纪时代，休闲渔业迅速发展，也为浙江省带来了极为巨大的收益，不仅仅是渔业一方面，更带动了大规模产业的发展，例如交通运输，仓储和邮政，金融业，休闲渔业的发展也带动了餐饮行业，浙江旅游行业和养殖业的迅速蓬勃发展。5结论经过本文分析1979-2019年，浙江省第一产业呈持续上涨趋势，通过对浙江省各市进行聚类分析，得出第一产业的发展和经济发展水平有很大程度的相关性。近年来浙江省第一产业比重逐渐缩小，但是对比以前第一产业