金融的發(fā)展程度地多元線性回歸分析報告報告材料

1、如何定義金融開展的程度因變量，影響因素都有什么自變量，收集數(shù)據(jù)，并做 多 元線性回歸，解釋回歸結(jié)果以及真實的含義。金融相關(guān)比率 FIR能夠較為明顯的反映金融的開展程度。此次分析選取金融相關(guān)比率M2/GDP做因變量，選取全國貨幣化程度M2/GNP 、城 市化水平即城市化率，為非農(nóng)業(yè)人口占總?cè)丝诘谋戎亍⑷司鵊DP和工業(yè)增長率做自變量。本次分析選取 近十年年的數(shù)據(jù)，數(shù)據(jù)來源于 2021年中國統(tǒng)計年鑒。原始數(shù)據(jù) 如下：北京的金融業(yè)開展情況數(shù)據(jù)金融相關(guān)率丫人均GDP 元X1 城市化X2工業(yè)化增長率X3全國貨幣化程度X43.829583166090.7647580.0871.1656984.2059819

2、1180.7688660.0871.258654.5843213970.7729080.1281.3550974.950829241220.7754470.1321.3735675.235487269980.7805930.1021.4648335.686185308400.9734270.0781.5534315.904932348920.7905110.1221.6365785.647593410990.7953370.1931.5866475.884655454440.8362160.1091.6171765.929619504670.8433270.0951.631683SPSS操作輸

3、出結(jié)果如下:模型匯總b模型RR方調(diào)整R方標準估計的誤差1.995 a.990.981.10489a. 預(yù)測變量:常量，X4, X3, X2, X1b. 因變量:Y分析：“模型匯總表格給出了關(guān)于模型的擬合情況。從表中可以看出，所以模型的擬合情況非常好。Anova a模型平方和df均方FSig.回歸5.18641.297117.858.000 b1殘差.055.011總計5.2419a. 因變量:Yb. 預(yù)測變量:常量,X4, X3, X2, X1分析：如下列圖，ANOVA表格給出了回歸擬合過程中每一步的方差分析結(jié)果。第2列中給出了模型2的回歸和殘差平方和，其中回歸平方和遠大于殘差平方和，說明線性

4、模型 解釋了總平方和的絕大局部，擬合效果很好。當回歸方程包含不同的自變量時，其顯著 性概率值p值即sig 均為0.000，遠小于0.001，所以模型是非常顯著的，可以顯 著地拒絕總體回歸系數(shù)為0的原假設(shè)。系數(shù)a模型非標準化系數(shù)標準系數(shù)tSig.B標準誤差試用版常量-1.785.634-2.817.037X1-1.913E-006.000-.029-.276.7931X2.526.786.044.669.533X3-.3511.333-.015-.263.803X44.537.5401.0028.398.000a.因變量:Y分析：如下列圖，“系數(shù)表格給出了所有模型的回歸系數(shù)估計值，根據(jù)模型2建立

5、的多元線性回歸方程為：金融相關(guān)比率FIR = - 0.526+0.351 X全國貨幣化程度+4.537 X城市化率。自變量全國貨幣化程度的系數(shù)大于0,說明隨著全國貨幣化程度的加深，F(xiàn)IR越大；城市化率的系數(shù)大于0，說明城市化率越高，F(xiàn)IR也越大。t檢驗中，全國貨幣化程度、城市化率的顯著性P值都小于0.05，因而均有顯著意義因變：YWi 91【訶歸林準化戢差殘差統(tǒng)計量a極小值極大值均值標準偏差N預(yù)測值3.84405.94685.1859.7591210殘差-.09978.18823.00000.0781810標準預(yù)測值-1.7681.002.0001.00010標準殘差-.9511.795.000.74510a.因變量:Y分析：如圖所7K,給出了標準化殘差的直方圖，同時繪制了正態(tài)分布曲線經(jīng)過以上多重線性回歸分析可以發(fā)現(xiàn)，金融開展程度受到全國貨