好好分析分析数据，数据分析不透，先做图，再建模
时间序列数据注意平稳性

上个图。

我是按作物进行分析的，比如玉米吧，有11个农户种，这是源数据（总花费、总产出）：
农户        产出Y        X1面积        X2肥料及农药X3种子        X4劳动力        X5机械作业费用
农户1        3568        0.31         486            138        1715        324.30
农户2        4460        0.33         1144            100        1697.5        312.50
农户3        3675        0.37         886            150        2065        300.78
农户4        640        0.05         183            20        336        50.00
农户6        1650        0.20         334            60        1050        125.00
农户7        5043.5        0.45         666            112.8        2334.5        323.53
农户8        1540        0.13         261             60        700        109.38
农户10        2576        0.18         275            46.8        980        225.60
农户11        18700        1.13         1785            282.5        5950        680.00
单位分别是——y（元）、X1（公顷）、X2(元)X3（元）X4（元）X5（元）。
spss后，相关系数都为正，
Correlations
            产出Y        X1面积         X2肥料及农药        X3种子        X4劳动力        X5机械作业费用
产出Y               1      .987(**)        .895(**)                     .920(**)        .985(**)        .939(**)
X1面积          .987(**)         1        .914(**)                     .954(**)        .999(**)        .961(**)
X2肥料及农药 .895(**).914(**)            1                     .898(**)        .911(**)        .914(**)
X3种子           .920(**)        .954(**)        .898(**)                       1        .961(**)        .957(**)
X4劳动力        .985(**)        .999(**)        .911(**)                     .961(**)        1        .963(**)
X5机械作业费用.939(**)        .961(**)                 .914(**)        .957(**)        .963(**)        1
**        Correlation is significant at the 0.01 level (2-tailed).
但是，如果把之前的源数据换算为每公顷的花费，相关分析后，就会有负相关得情况

没有换成每公顷的花费之前，变量之间是存在多重相关的，因为面积增加了，其他的支出也会增加。
所以换算的做法应该是没问题的。关键问题出在换算后的相关矩阵，你把它放上来吧。

你好，这是对玉米换算成每公顷后的数据，
农户        产出Y        X1面积        X2肥料及农药   X3种子 X4劳动力        X5机械作业费用
农户1        11635        0.31         1584.78                 450           5592.39         1057.5
农户2        13380        0.33         3432                 300            5092.5         937.5
农户3        10023        0.37         2416.36                409            5631        820.31
农户4        12000        0.05         3431.25                375            6300        937.5
农户6        8250        0.20         1670                300            5250        625
农户7        11291        0.45         1491.04              252.54     5226        724.32
农户8        11550        0.13         1957.5               450            5250        820.3125
农户10        14311        0.18         1527.78               260          5444.44        1253.33
农户11        16500        1.13         1575             249.26     5250      600
这是相关分析后的结果：
Correlations
         Y        X1        X2        X3        X4        X5
Y        1        0.601        -0.127        -0.412        -0.116        0.2098
X1        0.60        1        -0.328        -0.456        -0.378        -0.512
X2        -0.0127        -0.328        1        0.201        0.427        0.143
X3        -0.412        -0.456        0.201        1        0.394        0.198
X4        -0.116        -0.378        0.427        0.394        1        0.317
X5        0.201        -0.513        0.144        0.198        0.317        1
出现负相关情况了，不过之前我是11个农户的调查，最近又更新数据了，扩大到33个农户后再进行分析，不过我觉得类似问题还会出现——现在想通过DEA分析各个作物投入产出情况，DEA得各变量同向变动，后来就发现如上问题了。觉得还是按每公顷的分析好点，因为总的之间没可比性，最后还得回归到每公顷上比较，可是每公顷又有负相关情况，做不了DEA