4全国高技术产业主营业务收入影响因素逐步回归分析.docx
- 文档编号:351356
- 上传时间:2022-10-09
- 格式:DOCX
- 页数:5
- 大小:41.98KB
4全国高技术产业主营业务收入影响因素逐步回归分析.docx
《4全国高技术产业主营业务收入影响因素逐步回归分析.docx》由会员分享,可在线阅读,更多相关《4全国高技术产业主营业务收入影响因素逐步回归分析.docx(5页珍藏版)》请在冰豆网上搜索。
一、原始数据
二、变量设定
建立高技术产业主营收入的逐步回归模型,说明逐步回归分析的具体步骤。
影响高技术产业主营收入的因子一共有7个,通过逐步回归,从中选出对高技术产业主营收入影响显著的因子,从而建立相应的模型。
变量说明如下:
y:
主营业务收入x1:
出口交货值
x2:
R&D机构数x3:
R&D经费
x4:
专利申请数x5:
新产品开发经费
x6:
施工项目数x7:
固定资产投资额
三、利用SPSS22逐步回归(步骤略)
四、逐步回归结果分析
主要结果:
表1变量已输入/已移除a
步
变量已输入
变量已移除
方法
1
x3
.
逐步(准则:
F-to-enter的概率<=.150,F-to-remove的概率>=.200)。
2
x1
.
逐步(准则:
F-to-enter的概率<=.150,F-to-remove的概率>=.200)。
3
x6
.
逐步(准则:
F-to-enter的概率<=.150,F-to-remove的概率>=.200)。
4
x4
.
逐步(准则:
F-to-enter的概率<=.150,F-to-remove的概率>=.200)。
a.因变量:
y
表1是逐步回归每一步进入或剔除回归模型中的变量情况。
表2模型统计量
步
R
R平方
调整后R平方
估计标准误差
1
.995a
.990
.990
4906.91658
2
1.000b
.999
.999
1226.84586
3
1.000c
1.000
.999
1110.50877
4
1.000d
1.000
1.000
1062.33830
a.预测值:
(常数),x3
b.预测值:
(常数),x3,x1
c.预测值:
(常数),x3,x1,x6
d.预测值:
(常数),x3,x1,x6,x4
e.因变量:
y
表2是逐步回归每一步的回归模型的统计量。
表3方差分析表
步
平方和
df
均方
F
显著性
1
回归
41398666077.006
1
41398666077.006
1719.369
.000b
剩余
409323115.708
17
24077830.336
总的
41807989192.713
18
2
回归
41783906780.589
2
20891953390.295
13880.306
.000c
剩余
24082412.124
16
1505150.758
总的
41807989192.713
18
3
回归
41789490746.906
3
13929830248.969
11295.406
.000d
剩余
18498445.808
15
1233229.721
总的
41807989192.713
18
4
回归
41792189315.424
4
10448047328.856
9257.835
.000e
剩余
15799877.289
14
1128562.664
总的
41807989192.713
18
a.因变量:
y
b.预测值:
(常数),x3
c.预测值:
(常数),x3,x1
d.预测值:
(常数),x3,x1,x6
e.预测值:
(常数),x3,x1,x6,x4
表3是逐步回归每一步的回归模型的方差分析,显著性概率是0.00,表明回归极显著。
表4回归方程系数
步
非标准的回归系数
标准的回归系数
t
显著性
B
标准误
Beta
1
(常数)
8346.435
1680.236
4.967
.000
x3
61.803
1.490
.995
41.465
.000
2
(常数)
2925.980
539.701
5.421
.000
x3
45.080
1.110
.726
40.623
.000
x1
.737
.046
.286
15.998
.000
3
(常数)
1032.909
1014.951
1.018
.325
x3
40.020
2.582
.644
15.502
.000
x1
.694
.046
.269
14.934
.000
x6
.732
.344
.098
2.128
.050
4
(常数)
722.073
991.516
.728
.478
x3
44.363
3.740
.714
11.862
.000
x1
.761
.062
.295
12.279
.000
x6
.630
.336
.084
1.875
.082
x4
-.085
.055
-.081
-1.546
.144
a.因变量\:
y
表4是逐步回归每一步的回归方程系数表。
五、模型分析
1.建立回归模型:
根据多元回归模型:
y=b0+b1x1+b2x2+…+bkxk+e
从表4中看出,过程一共运行了四步,最后一步以就是表中的第4步的计算结果得知:
7个变量中只进入了4个变量x3、x1、x6和x4。
把表4中“非标准化回归系数”栏目中的“B”列数据代入多元回归模型得到方程:
y=722.073+44.363x3+0.761x1+0.63x6-0.085x4
2.回归方程的显著性检验:
从表3方差分析表第4模型中得知:
F统计量为9257.835,系统自动检验的显著性水平为0.00(非常小)。
因此回归方程相关非常显著。
由回归方程式可以看出,高技术产业主营收入与x3(R&D经费)、x1(出口交货值)、x6(施工项目数)呈显著正相关,而与x4(专利申请数)呈显著负相关。
- 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:
- 全国 高技术产业 主营 业务收入 影响 因素 逐步回归 分析