spss多元回归分析案例Word格式.docx
- 文档编号:13363949
- 上传时间:2022-10-10
- 格式:DOCX
- 页数:11
- 大小:32.63KB
spss多元回归分析案例Word格式.docx
《spss多元回归分析案例Word格式.docx》由会员分享,可在线阅读,更多相关《spss多元回归分析案例Word格式.docx(11页珍藏版)》请在冰豆网上搜索。
2188.05
4757.45
45.99
2004
2452.62
5633.24
43.54
2005
2785.42
6590.19
42.27
2006
3124.37
7617.47
41.02
2007
3709.69
9333.4
39.75
2008
4225.38
11328.92
37.30
2009
4456.31
12961.1
34.38
2010
5136.78
15806.09
32.50
数据来自《湖北省统计年鉴》)
一、计量经济模型分析
(一)、数据搜集
根据以上分析,本模型在影响居民消费率因素中引入6个解释变量。
X1:
居民总收入(亿元),X2:
人口增长率(‰),X3:
居民消费价格指数增长率,X4:
少儿抚养系数,X5:
老年抚养系数,X6:
居民消费占收入比重(%)。
Y:
总收入(亿元)
X2:
人口增长率(‰)
X3:
居民消费价格指数增长率
X4:
少儿抚养系数
X5:
老年抚养系数
X6:
居民消费比重(%)
51.96
1590.75
9.27
17.1
45.3
9.42
68.9
50.35
2033.68
8.12
2.8
41.1
9.44
70.72
44.96
2247.25
3.7
0.4
39
9.57
70.93
45.54
2139.71
2.44
0.7
37.83
9.72
82.6
46.32
2406.55
2.21
-0.4
36.18
9.81
81.09
45.99
2594.61
2.32
2.2
34.43
9.87
84.33
43.54
2660.11
2.4
4.9
32.69
9.8
92.2
42.27
3172.41
3.05
2.9
31.09
9.73
87.8
41.02
3538.4
3.13
1.6
30.17
9.9
88.3
39.75
4168.52
3.23
4.8
29.46
10.04
88.99
37.3
4852.58
2.71
6.3
28.62
10.1
87.07
34.38
5335.54
3.48
28.05
10.25
83.52
32.5
6248.75
4.34
27.83
10.41
82.2
(二)、计量经济学模型建立
假定各个影响因素与Y的关系是线性的,则多元线性回归模型为:
利用spss统计分析软件输出分析结果如下:
DescriptiveStatistics
Mean
Std.Deviation
N
Y
42.7600
5.74574
13
X1
3.3068E3
1436.45490
X2
3.8769
2.23538
X3
3.5231
4.57186
X6
82.2038
7.53744
X5
6.8638
.43785
X4
23.5254
2.93752
表1表2
VariablesEntered/Removedb
Model
VariablesEntered
VariablesRemoved
Method
1
X4,X3,X2,X6,X1,X5a
.
Enter
a.Allrequestedvariablesentered.
b.DependentVariable:
Y
这部分被结果说明在对模型进行回归分析时所采用的方法是全部引入法Enter。
表3
Correlations
PearsonCorrelation
1.000
-.965
.480
.354
-.566
-.960
.927
-.288
-.215
.451
.932
-.877
.656
-.767
-.577
.623
-.293
-.365
.392
.722
-.795
-.982
Sig.(1-tailed)
.000
.049
.118
.022
.170
.240
.061
.007
.001
.020
.011
.166
.110
.093
.003
这部分列出了各变量之间的相关性,从表格可以看出Y与X1的相关性最大。
且自变量之间也存在相关性,如X1与X5,X1与X4,相关系数分别为0.932和0.877,表明他们之间也存在相关性。
表4
ModelSummaryb
R
RSquare
AdjustedRSquare
Std.ErroroftheEstimate
Durbin-Watson
.991a
.982
.964
1.09150
2.710
a.Predictors:
(Constant),X4,X3,X2,X6,X1,X5
这部分结果得到的是常用统计量,相关系数R=0.991,判定系数
=0.982,调整的判定系数
=0.964,回归估计的标准误差S=1.09150。
说明样本的回归效果比较好。
表5
ANOVAb
SumofSquares
df
MeanSquare
F
Sig.
Regression
389.015
6
64.836
54.421
.000a
Residual
7.148
1.191
Total
396.163
12
该表格是方差分析表,从这部分结果看出:
统计量F=54.421,显著性水平的值P值为0,说明因变量与自变量的线性关系明显。
SumofSquares一栏中分别代表回归平方和为389.015,、残差平方和7.148、总平方和为396.163.
表6
Coefficientsa
UnstandardizedCoefficients
StandardizedCoefficients
t
B
Std.Error
Beta
(Constant)
-33.364
66.059
-.505
.632
-.006
.002
-1.475
-2.663
.037
.861
.391
.335
2.201
.070
.036
.121
.029
.301
.774
-.091
.198
-.120
-.460
.662
12.715
9.581
.969
1.327
.233
.527
.818
.269
.644
.543
a.DependentVariable:
该表格为回归系数分析,其中UnstandardizedCoefficients为非标准化系数,StandardizedCoefficients为标准化系数,t为回归系数检验统计量,Sig.为相伴概率值。
从表格中可以看出该多元线性回归方程:
Y=-33.364-0.006X1+0.861X2+0.036X3+0.527X4+12.715X5-0.091X6+ε
二、计量经济学检验
(一)、多重共线性的检验及修正
①、检验多重共线性
从“表3相关系数矩阵”中可以看出,个个解释变量之间的相关程度较高,所以应该存在多重共线性。
②、多重共线性的修正——逐步迭代法
运用spss软件中的剔除变量法,选择stepwise逐步回归。
输出表7:
进入与剔除变量表。
VariablesEntered/Removeda
Stepwise(Criteria:
Probability-of-F-to-enter<
=.050,Probability-of-F-to-remove>
=.100).
- 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:
- spss 多元 回归 分析 案例