spss多元回歸分析案例

1創(chuàng)作時間：二零二一年六月三十日1創(chuàng)作時間：二零二一年六月三十日企業(yè)管理之邯鄲勺丸創(chuàng)作創(chuàng)作時間：二零二一年六月三十日對居民消費率影響因素的探究---以湖北省為例改革開放以來,我國經(jīng)濟始終堅持著高速增長的趨勢,三十多年間綜合國力獲得顯著增強,但我國居民消費率一直偏低,甚至一直有下降的趨勢.居民消費率的偏低肯定會招致我國內(nèi)需的缺乏,進而會影響我國經(jīng)濟的長期健康發(fā)展.本模型以湖北省1995年-2010年數(shù)據(jù)為例,探究各因素對居民消費率的影響及多元關系.（注：計算我國居民的消費率,用居民的人均消費除以人均GDP,獲得居民的消費率）.通常來說，影響居民消費率的因素是多方面的，女口:居民總收入，人均GDP,人口結構狀況1（兒童撫養(yǎng)系數(shù),老年撫養(yǎng)系數(shù)）,居民消費價格指數(shù)增長率等因素.總消費（C：億元）總GDP（億元）消費率（%）199551.96199750.35200044.96200145.54200246.32創(chuàng)作時間：二零二一年六月三十日創(chuàng)作時間：二零二一年六月三十日創(chuàng)作時間：二零二一年六月三十日創(chuàng)作時間：二零二一年六月三十日200345.99200443.54200542.27200641.02200739.75200837.30200934.38201032.50注：數(shù)據(jù)來自《湖北省統(tǒng)計年鑒》）一、計量經(jīng)濟模型分析（一）、數(shù)據(jù)搜集根據(jù)以上分析,本模型在影響居民消費率因素中引入6個解釋變量.XI:居民總收入（億元），X2:人口增長率（％。），X3:居民消費價格指數(shù)增長率，X4：少兒撫養(yǎng)系數(shù)，X5：老年撫養(yǎng)系數(shù)，X6：居民消費占收入比重（％）.Y:消費率X1:總收入（%）億元）X2:人口Y:消費率X1:總收入（%）億元）X2:人口增長率（%0）X3:居民消費價格指數(shù)增長率X4:少兒X5:老年消費居民（%）撫養(yǎng)系數(shù)撫養(yǎng)系數(shù)39391995199720002001200220032004200520062007200820092010（二）、計量經(jīng)濟學模型建立

假定各個影響因素與Y的關系是線性的，則多元線性回歸模型為：yt=卩o+卩1X1+卩2x2+卩3x3+卩4x4+卩5X5+卩6X6+￡利用SPSS統(tǒng)計分析軟件輸出分析結果如下：表1表2ModelVariablesEnteredVariablesRemovedMethodModelVariablesEnteredVariablesRemovedMethod1X4,X3,X2,X6,X1,X5aEntera.Allrequestedvariablesentered.VariablesEntered/Removedbb.DependentVariable:Y這部份被結果說明在對模型進行回DescriptiveStatisticsMeanStd.DeviationNY13X113X213X313X613X5.4378513X413歸分析時所采納的方法是全部引入法Enter.表3CorrelationsYX1X2X3X6X5X4PearsonCorrelationY.480.354.927X1.451.932X2.480.656.623X3.354.656.392X6.451.722X5.932.722X4.927.623.392

Sig.(1-tailed)Y.000.049丄18.022.000.000X1.000丄70.240.061.000.000X2.049丄70.007.001.020.011X3丄18.240.007丄66丄10.093X6.022.061.001丄66.003.001X5.000.000.020丄10.003.000X4.000.000.011.093.001.000NY13131313131313X113131313131313X213131313131313X313131313131313X613131313131313X513131313131313X413131313131313這部份列出了各變量之間的相關性，從表格可以看出Y與XI的相關性最年夜.且自變量之間也存在相關性，如XI與X5,XI與X4,相關系數(shù)分別為0.932和0.877,標明他們之間也存在相關性.ModelSummarybModelSummarybModelRRSquareAdjustedRSquareStd.ErroroftheEstimateDurbin-Watson1.991a.982.964a.Predictors:(Constant),X4,X3,X2,X6,X1,X5b.DependentVariable:Y1,判定系數(shù)臚82,調整的判定系數(shù)護64,回歸估計的標準誤差S=.說明樣本的回歸效果比力好.ANOVAbModelSumofSquaresdfMeanSquareFSig.1Regression6.000aResidual6Total12a.Predictors:(Constant),X4,X3,X2,X6,X1,X5b.DependentVariable:Y該表格是方差分析表，從這部份結果看出：統(tǒng)計量F二，顯著性水平的值P值為0,說明因變量與自變量的線性關系明顯.SumofSquares—欄中分別代表回歸平方和為，、殘差平方和、總平方和為396.163.表6CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant).632X1.002.037X2.861.391.335.070X3.036丄21.029.301.774X6丄98.662X5.969.233X4.527.818.269.644.543a.DependentVariable:Y該表格為回歸系數(shù)分析，其中UnstandardizedCoefficients為非標準化系數(shù)，StandardizedCoefficients為標準化系數(shù)，t為回歸系數(shù)檢驗統(tǒng)計量，Sig.為相伴概率值.從表格中可以看出該多元線性回歸方程：123456二、計量經(jīng)濟學檢驗（一）、多重共線性的檢驗及修正、檢驗多重共線性從“表3相關系數(shù)矩陣”中可以看出,個個解釋變量之間的相關水平較高,所以應該存在多重共線性.、多重共線性的修正一一逐步迭代法運用spss軟件中的剔除變量法，選擇stepwise逐步回歸.輸出表7：進入與剔除變量表.VariablesEntered/RemovedaModelVariablesEnteredVariablesRemovedMethod1X1Stepwise(Criteria:Probability-of-F-to-enter<=.050,Probability-of-F-to-remove>=.100).2X2Stepwise(Criteria:Probability-of-F-to-enter<=.050,Probability-of-F-to-remove>=.100).a.DependentVariable:Y可以看到進入變量為XI與X2.表8：ModelSummarycModelRRSquareAdjustedRSquareStd.ErroroftheEstimateDurbin-Watson1.965a.932.9252■988b.976.971.97673

a.Predictors:(Constant),X1b.Predictors:(Constant),X1,X2c.DependentVariable:Y表8是模型的概況，我們看到下圖中標出來的五個參數(shù)，分別是負相關系數(shù)、決定系數(shù)、校正決定系數(shù)、隨機誤差的估計值和D-W值,這些值（除隨機誤差的估計值，D-W越接近2越好）都是越年夜標明模型的效果越好，根據(jù)比力，第二個模型應該是最好的.表9：方差分析表ANOVAcModelSumofSquaresdfMeanSquareFSig.1Regression1.000aResidual11Total122Regression2.000bResidual10.954Total12a.Predictors:(Constant),X1b.Predictors:(Constant),X1,X2c.DependentVariable:YCoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant).000X1.000.0002(Constant).996.000X1.000.000X2.565丄32.220.001

CoefficientModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant).000X1.000.0002(Constant).996.000X1.000.000X2.565丄32.220.001a.DependentVariable:Y參數(shù)的檢驗，這個表格給出了對偏回歸系數(shù)和標準偏回歸系數(shù)的I檢驗，偏回歸系數(shù)用于分歧模型的比力，標準偏回歸系數(shù)用于同I一個模型的分歧系數(shù)的檢驗，其值越年夜標明對因變量的影響越I輸出殘差圖：如圖從圖1看出^2其實不隨X的增年夜而變動^標型不存在異方差.（三）、自相關檢驗一用D-W檢驗由輸出結果表8得：DW=1.983,查表得61,DU=1.562,4-DU=2.438所以DU〈DW〈4-DU=2.438,因此誤差項之間不存在自相關性.（四）、統(tǒng)計檢驗1.擬合優(yōu)度檢驗：由表88&判定系數(shù)護76，調整的判定系數(shù)F71,回歸估計的標準誤差S=0.9673.說明樣本的回歸效果比力好.2.F值檢驗：由表9F=.查表得，置信度為95%,自由度為1,12的F臨界