粮食是治国理政的头等大事，解决好人民吃饭问题是治国安民的首要任务。
我国是一个人口大国，人口数量庞大，几乎占世界的
1/4，解决好14亿多人吃饭问题是最根本、最现实、最迫切的首要问题。保障粮食安全对我国来说，是一个永远不会过时的大课题。历史经验告诉我们，不管国家如何强大，经济如何发达，如果粮食出了问题，谁也救不了我们。一旦发生大饥荒，有钱也没用，到国际市场上去买，不仅要被别人牵着鼻子走，也不可能有那么
多
库存卖给我们。解决好我国人民的吃饭问题，只有依靠自己，
要立足国内，中国人的饭碗任何时候，都必须牢牢端在自己手上。
中国用占世界
7％的土地，养活了占世界22％的人口，创造了人类发展史上的奇迹。但这一奇迹背后，是我们摸索了几十年，付出了惨痛的代价，交出了昂贵的学费才换来的。
因此，在粮食安全问题上，必须要居安思危，增强忧患意识。
黑龙江省是我国粮食生产大省，粮食产量多年位列全国之首，域内三江平原
黑土地为粮食生产奠定了良好的基础。全省粮食品种丰富，品质优良。东北水稻、小麦、玉米、大豆等粮食品质闻名全国。粮食产量占全国十分之一，是维护国家粮食安全的
“压舱石”。分析黑龙江省粮食产量影响因素，
为我国粮食安全作出更大的贡献具有积极的意义。在多元线性回归中，回归系数的估计方法主要有最小二乘法
(OLS)、极大似然法，其中，最小二乘法运用最广泛，但当自变量数据之间存在高度相关性时，如果采用OLS估计回归参数，可能会失真或不准确。由于所研究的影响黑龙江粮食产量的4个因素数据发展趋势大多具有同向性，即同时随时间的增长而增长，因而，它们的数据序列之间具有相关性，也就是自变量存在多重共线性。这时，如果采用最小二乘法估计模型的参数，估计的参数
有效性
将
会打折扣，难以客观反映实际情况。岭回归是专用于解决数据序列共线性的有偏估计方法，是对最小二乘法的一种改进，对于相关性较高数据序列，估计的参数不仅稳定可靠，而且能真实反映客观实际。
相关
学者
已
成功利用岭回归解决了多元回归中的当自变量数据共线问题。
[
1
-9
]