




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、-作者xxxx-日期xxxx計量經(jīng)濟學(xué)課后答案16888【精品文檔】思考與練習(xí)1. 隨機誤差項包括哪些內(nèi)容? 2. 一元線性回歸模型有哪些基本假定?3.證明公式(2.16)、公式(2.17)。4.理解樣本決定系數(shù)的含義。5.若我們搜集兩個變量的歷史資料如下:廣告費12345678銷售收入1014182025283040(1)繪制散點圖;(2)與之間是否大致呈線性關(guān)系?(3)用最小二乘法求出回歸方程;(4)求回歸標(biāo)準(zhǔn)誤差;(5)給出回歸系數(shù)的置信度為95的區(qū)間估計;(6)給出回歸方程的方差分解表;(7)計算與的決定系數(shù);(8)對回歸方程進行F檢驗。6.美國各航空公司業(yè)績的統(tǒng)計數(shù)據(jù)公布在華爾街日報
2、1999年年鑒(The Wall Street Journal Almanac 1999)上。航班正點到達的比率和每10萬名乘客投訴的次數(shù)的數(shù)據(jù)如下。航空公司名稱航班正點率(%)投訴率(次/10萬名乘客)西南(Southwest)航空公司大陸(Continental)航空公司西北(Northwest)航空公司美國(US Airways)航空公司聯(lián)合(United)航空公司美洲(American)航空公司德爾塔(Delta)航空公司美國西部(Americawest)航空公司環(huán)球(TWA)航空公司資料來源:(美)等商務(wù)與經(jīng)濟統(tǒng)計,第405頁,機械工業(yè)出版社。(1)求出描述投訴率是如何依賴航班按時到
3、達正點率的的回歸方程,并進行顯著性檢驗。(2)對估計的回歸方程的斜率作出解釋。(3)如果航班按時到達的正點率為80%,估計每10萬名乘客投訴的次數(shù)是多少?7.下面是對某個案例分析的EViews輸出結(jié)果。該案例的回歸分析結(jié)果是否理想?為什么?Dependent Variable: YMethod: Least SquaresDate: 05/28/03 Time: 10:25Sample: 1991 2000Included observations: 10VariableCoefficientStd. Errort-StatisticProb. CXR-squared Mean depende
4、nt varAdjusted R-squared S.D. dependent varS.E. of regressionAkaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat Prob(F-statistic)1. 解:一般說來,隨機項來自以下幾個方面:(1)變量的省略。由于人們認(rèn)識的局限不能窮盡所有的影響因素或由于受時間、費用、數(shù)據(jù)質(zhì)量等制約而沒有引入模型之中的對被解釋變量有一定影響的自變量。(2)統(tǒng)計誤差。數(shù)據(jù)搜集中由于計量、計算、記錄等導(dǎo)致的
5、登記誤差;或由樣本信息推斷總體信息時產(chǎn)生的代表性誤差。(3)模型的設(shè)定誤差。如在模型構(gòu)造時,非線性關(guān)系用線性模型描述了;復(fù)雜關(guān)系用簡單模型描述了;此非線性關(guān)系用彼非線性模型描述了等等。(4)偶然性誤差。被解釋變量還受一些不可控制的眾多的、細小的偶然因素的影響。2. 解:假定:()0。即隨機項的條件數(shù)學(xué)期望(均值)為零。假定: (,n)。即對于不同的,具有相同的方差,也就是說各次觀測值所受的隨機影響的程度相同。假定:(;,n;,n)。即在任意兩次觀測時,是相互獨立的,不相關(guān)的,也就是無序列相關(guān)。假定:。即解釋變量與誤差項同期獨立無關(guān)。因為如果兩者相關(guān),就不可能把對的影響和對的影響區(qū)分開來。假定:
6、。即對于給定的,為服從正態(tài)分布的隨機變量。3. 證明:(1)因為所以:(2) 所以:4. 答:是由回歸方程確定的,也就是由自變量變動引起的,又稱為回歸平方和;是由之外的隨機項的波動引起的,又稱不可解釋平方和。不難看出,回歸平方和(可解釋平方和)在總平方和中所占比例越大,殘差平方和在中所占比重就越小,說明回歸的效果就越好,即樣本回歸線與樣本觀測值擬合得越好。為此我們把回歸平方和占總平方和的比重定義為樣本決定系數(shù),記為 顯然。越接近于1,表示回歸直線與樣本觀測值擬合越好??梢娍梢杂脕矶攘炕貧w直線與樣本觀測值擬合優(yōu)度。另一方面,若大,則解釋變量對被解釋變量的解釋程度就高,可以推測總體線性相關(guān)關(guān)系顯著
7、,即總體回歸系數(shù)不會同時為零,回歸方程顯著。反之,可以推測總體線性相關(guān)關(guān)系不顯著,即與零沒有顯著差異,回歸方程不顯著。5. 解:(1)利用EXCEl繪制xy散點圖,如下所示:(2)通過xy的散點圖,可以明顯的看出與之間大致呈線性關(guān)系。(3)利用最小二乘法可以求出回歸方程如下:(4)回歸標(biāo)準(zhǔn)誤差(5)回歸系數(shù)的置信度為95的區(qū)間:3.144,4.595(6)回歸方程的方差分解表; 自由度平方和均方和F值Sig- F回歸分析1殘差6總計7(7)計算與的決定系數(shù):(8)對回歸方程進行F檢驗:因為Sig-f=1.25E-5<1%,所以通過=1%的總體顯著性檢驗(F檢驗)。6. 解:(1)描述投訴
8、率是如何依賴航班按時到達正點率的的回歸方程及顯著性檢驗如下:通過進行檢驗,該回歸方程總體線性顯著性顯著,擬合程度良好,解釋變量顯著。(2)回歸方程的斜率即回歸系數(shù)0.070表示航班正點率每提高1% ,在其他條件不變的情況下,投訴率將平均的減少0.070次(/10萬名乘客)。(3)航班按時到達的正點率為80%,即令回歸方程中的x=80,此時。7. 解:不理想,從相關(guān)的檢驗數(shù)據(jù)來看,擬合優(yōu)度檢驗R2=0.048024,F(xiàn)=0.403572(Sig-f=0.542989),t=0.635273(P=0.543,一次項回歸系數(shù)),顯然各類檢驗結(jié)果均不理想,說明該模型無論從總體而言還是從單個解釋變量而言
9、都是不顯著的。思考與練習(xí)1.寫出多元線性回歸模型的一般形式。2.多元線性回歸模型的基本假定有哪些?的無偏估計量的計算公式。4.如果一個樣本回歸方程的樣本決定系數(shù)為0.98,我們能否判定這個樣本回歸方程就很理想?5.根據(jù)例3.1數(shù)據(jù),利用OLS的正規(guī)方程組,估計樣本回歸方程。6.已知我國1990年1999年的貨運量y、工業(yè)總產(chǎn)值x1.農(nóng)業(yè)總產(chǎn)值x2資料如下表所示:年份貨運量(萬噸)工業(yè)總產(chǎn)值(億元)農(nóng)業(yè)總產(chǎn)值(億元)1990970602239241991985793266251992104589934599199311157714840219941180273701761995123481091
10、8941996129620099595199712780871137331998126720011904819991292650126111 要求計算:(1)二元線性回歸方程(2)對系數(shù)、方程分別進行顯著性檢驗。(3)當(dāng)工業(yè)總產(chǎn)值達到130000億元,農(nóng)業(yè)總產(chǎn)值達到25000億元時,貨運量能達到多少?(給定置信水平為95)7.以下是某個案例的方差分解結(jié)果,填上所缺數(shù)據(jù)。ANOVAModel 1Sum of SquaresdfMean SquareFSig.Regression .002 Residual Total a. Predictors: (Constant), X8, X6, X1,
11、X7, X2, X5, X3b. Dependent Variable: Y8.以下是某個案例的EViews分析結(jié)果。你對分析結(jié)果滿意嗎?為什么?Dependent Variable: YMethod: Least SquaresSample(adjusted): 1991 2000Included observations: 10 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C917366X1X2009899377910X3-0226440044R-squared Mean dependent
12、varAdjusted R-squared S.D. dependent var348783S.E. of regression Akaike info criterionSum squared resid Schwarz criterionLog likelihood F-statisticDurbin-Watson stat Prob(F-statistic)答案1.解: 如果被解釋變量(因變量)y與k個解釋變量(自變量),之間有線性相關(guān)關(guān)系,那么它們之間的多元線性總體回歸模型可以表示為其中, 是k+1個未知參數(shù),又稱為回歸系數(shù);u是隨機誤差項。2.解: 多元線性回歸模型的基本有:(1)隨
13、機誤差項的條件期望值為零。即,().(2)隨機誤差項的條件方差相同。即,().(3)隨機誤差項之間無序列相關(guān)。即,().(4)自變量與隨機誤差項獨立。即,().(5)隨機誤差項服從正態(tài)分布。即.(6)各解釋變量之間不存在顯著的線性相關(guān)關(guān)系。即,也就是說矩陣X的秩等于參數(shù)個數(shù),換句話說就是自變量之間不存在多重共線性.3. 解:的無偏估計量的計算公式為: 4. 解:如果一個樣本回歸方程的樣本決定系數(shù)為0.98,我們不能判定這個樣本回歸方程就很理想.因為對于多元模型而言,樣本決定系數(shù)接近1,只能說明模型的擬合度很高,總體線性性顯著,但模型中每個解釋變量是否是顯著的無法判定,所以還需要進行單個解釋變量
14、的顯著性檢驗,即t檢驗.5解:根據(jù)例3.1數(shù)據(jù),得到OLS的正規(guī)方程組:求解得到:所以樣本回歸方程為:6. 解:(1)利用OLS對數(shù)據(jù)進行回歸得到回歸方程如下:(2)由上述檢驗數(shù)據(jù)可以看出方程總體線性性顯著,單單個解釋變量并不顯著。(3)因為方程擬合程度較高,總體線性性顯著,所以模型可以用來進行預(yù)測:當(dāng)工業(yè)產(chǎn)量達到130000億元,農(nóng)業(yè)總產(chǎn)值達到25000億元時,貨運量能達到:(萬噸)7. 解:案例的方差分解結(jié)果所缺數(shù)據(jù)如下:ANOVAModel 1Sum of SquaresdfMean SquareFSig.Regression7 .002 Residual23 Total30 8. 解:
15、從該案例的分析數(shù)據(jù)來看,結(jié)果不滿意。因為但從模型的擬合優(yōu)度(R2=0.8528)和總體線性顯著性(F=11.5874,F(xiàn)-statistic=0.0066)來看,結(jié)果還令人滿意,但具體到每個解釋變量的顯著性時,可以看到x1(t=0.5788,P=0.5838)和x3(t=-1.4236,P=0.1978)甚至都無法通過=15%的顯著性檢驗,所以這兩個解釋變量顯然不顯著。 思考與練習(xí)1.什么是異方差性?舉例說明經(jīng)濟現(xiàn)象中的異方差性。 (1)式中的按下述方式取決于 (2)式中是一個獨立于且滿足全部古典假定的隨機變量。對原模型(1)是否可以利用?為什么?3.在如下回歸中,你是否預(yù)期存在異方差? 樣
16、本 (a)公司利潤(b)嬰兒死亡率(c)通貨膨脹率(d)收入水平(e)差錯率凈財富人均收入貨幣增長率年齡上機時間財富前500強100個發(fā)達國家和發(fā)展中國家美國、加拿大和15個拉美國家1000名經(jīng)濟學(xué)家200名電腦初學(xué)者4.對某沿海地區(qū)家庭每年生活開支和每年收入進行抽樣研究,調(diào)查了20個家庭,其中每五個家庭收入相同,共分作四組,數(shù)據(jù)列表如下:組 家庭生活開支(千元)家庭收入(千元)122252310351545620家庭生活開支模型設(shè)定為 式中:表示家庭生活開支,表示家庭收入利用求回歸方程。做散點圖,觀察家庭生活開支離差量的變化情況。把數(shù)據(jù)分作兩個子樣本,第一子樣本包括收入為5000元與1000
17、0元的家庭,即低收入家庭。第二個子樣本包括收入為15000元和20000元的家庭,即高收入的家庭。進行檢驗。設(shè),其中為一非零常數(shù),變換原模型求回歸方程。5. 什么是自相關(guān)性?自相關(guān)在線性回歸模型中存在的主要原因有哪些?自相關(guān)可能造成哪些后果?6. 利用以下給定的統(tǒng)計量進行序列相關(guān)檢驗。 (=自變量數(shù)目,=樣本容量)(1)=0.81,=3,=21,顯著性水平=5%(2)=3.48,=2,=15,顯著性水平=5%(3)=1.56,=5,=30,顯著性水平=5%(4)=2.64,=4,=35,顯著性水平=5%(5)=1.75,=1,=45,顯著性水平=5%(6)=0.91,=2,=28,顯著性水平=
18、5%(7)=1.03,=5,=26,顯著性水平=5%與其總公司年銷售額的觀測數(shù)據(jù)如下表:序號 序號 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20用估計關(guān)于的回歸方程;用檢驗分析隨機項的一階自相關(guān)性;用兩步法估計回歸模型的參數(shù);直接用差分法估計回歸模型參數(shù)。8.什么是多重共線性? 多重共線性在多元線性回歸模型中普遍存在的主要原因有哪些?多重共線性可能造成哪些不利后果?9. 考慮以下模型:。由于和是的函數(shù),所以它們之間存在多重共線性,你同意這種說法嗎?為什么?10. 將下列模型用適當(dāng)?shù)姆椒ㄏ嘀毓簿€性:(1) 消費模型為其中,、分別代表消費
19、、工資收入和非工資收入,與可能高度相關(guān),但研究表明(2) 需求模型為其中。、分別為需求量、收入水平、該商品價格水平及其替代品價格水平,、可能高度相關(guān)。11. 下表給出因變量與解釋變量的時間序列數(shù)據(jù):時間 1 2 3 4 5 6 7 8 910 108 94 108 100 99 99 101 97 93 102 63 72 86 100 107 111 114 116 119 121用適當(dāng)?shù)姆椒z驗多重共線性。用逐步回歸分析法確定一個較好的回歸模型。12. 利用工具變量法估計模型參數(shù)的基本思想是什么?13. 某經(jīng)濟學(xué)家想要估計稅收入函數(shù) 式中: =政府稅收 =國內(nèi)生產(chǎn)總值已知有測量誤差,為了把
20、注冊的汽車數(shù)量作為一個工具變量,研究者決定采用工具變量法。有關(guān)數(shù)據(jù)如下表。 年份19661967196819691970 稅收()(百萬元) GDP(x)(十億元) 注冊的汽車(z)(百萬輛) 3 4 5 2 1 1 5 7 6 6 8 6 4 5 4(1) 試用估計稅收函數(shù);(2) 用工具變量法估計稅收函數(shù),比較這兩個估計函數(shù);(3) 是不是 的一個好的工具變量?思考與練習(xí)1. 解:古典線性回歸模型的一個很重要的假定是隨機項的同方差性,即對于每個,的方差都是同一個常數(shù),當(dāng)此假定不能滿足時,則的方差在不同次的觀測中不再是一個常數(shù),而是取得不同的數(shù)值,即常數(shù) 1,2,則稱隨機項具有異方差性(He
21、teroscedasticity)。例如,考慮家庭的可支配收入和儲蓄的關(guān)系,如建立如下模型其中,為第個家庭的儲蓄,為第個家庭的收入。從二者的關(guān)系不難看出,當(dāng)收入增加時,儲蓄平均也會隨之增加。如果我們對不同收入水平家庭的儲蓄進行觀察,同樣也會發(fā)現(xiàn),低收入的家庭儲蓄差異性較小,而高收入的家庭儲蓄的差異性較大。這是因為低收入的家庭,其收入中扣除必要的生活支出以外,用于其他支出和儲蓄的部分也較少,因此隨機項波動的程度小,即方差小;而高收入家庭,其收入中扣除必要的生活支出以外,剩余的就較多,就有更大的使用選擇余地,這樣儲蓄的差異就較大,因而隨機項波動的程度就大,即方差大。因此,對于家庭儲蓄模型,隨機項具
22、有異方差性。2. 解:模型(1)無法使用OLS進行參數(shù)估計,因為隨機誤差項,即隨機誤差項與解釋變量的平方之間有著顯著地相關(guān)關(guān)系,這樣會造成隨機誤差項的異方差現(xiàn)象,所以O(shè)LS不可以使用。3. 解: 樣 本 是否存在異方差(a)公司利潤(b)嬰兒死亡率(c)通貨膨脹率(d)收入水平(e)差錯率凈財富人均收入貨幣增長率年齡上機時間財富前500強100個發(fā)達國家和發(fā)展中國家美國、加拿大和15個拉美國家1000名經(jīng)濟學(xué)家200名電腦初學(xué)者存在不存在不存在存在存在4. 解:對某沿海地區(qū)家庭每年生活開支和每年收入進行抽樣研究,調(diào)查了20個家庭,其中每五個家庭收入相同,共分作四組,數(shù)據(jù)列表如下:組 家庭生活開
23、支(千元)家庭收入(千元)122252310351545620家庭生活開支模型設(shè)定為 式中:表示家庭生活開支,表示家庭收入利用求回歸方程: 。做散點圖,觀察家庭生活開支離差量的變化情況。由圖形可以看出隨著收入的增加,家庭生活開支的波動幅度逐漸增大。把數(shù)據(jù)分作兩個子樣本,第一子樣本包括收入為5000元與10000元的家庭,即低收入家庭。第二個子樣本包括收入為15000元和20000元的家庭,即高收入的家庭。進行檢驗。設(shè),其中為一非零常數(shù),變換原模型求回歸方程。5. 解:在古典假設(shè)下,線性回歸模型中參數(shù)的最小二乘估計量具有線性、無偏和有效性。其中,有效性不僅依賴于古典假設(shè)中關(guān)于隨機項的同方差假定,
24、還依賴與隨機項不存在序列自相關(guān)假定,即 這表明隨機項在不同觀測點下取值不相關(guān)。若這個假定違背,,即在不同觀測點下的取值相關(guān)聯(lián),則稱存在序列相關(guān)或叫自相關(guān)(Autoregression)。自相關(guān)產(chǎn)生的原因很多,主要有:(1)被解釋變量的自相關(guān),許多經(jīng)濟變量往往會有自相關(guān),使用時間序列數(shù)據(jù)更是如此,其本期值往往受滯后值的影響。(2)模型省略了自相關(guān)的解釋變量。在建立回歸模型時,總是要略去某些次要的解釋變量。如果略去的解釋變量有一些存在自相關(guān),它必然在隨機項中反映出來,從而使隨機項具有自相關(guān)性。(3)隨機項本身存在自相關(guān)。在許多情況下,隨機因素(如干旱、暴風(fēng)雨、戰(zhàn)爭、地震等)所產(chǎn)生的影響,常常持續(xù)好
25、長時間。(4)回歸模型的數(shù)學(xué)形式不正確。若回歸模型所采用的數(shù)學(xué)形式與所研究問題的真實關(guān)系不一致,隨機項就可能存在自相關(guān)。(5)經(jīng)濟變量的慣性作用。大多數(shù)的經(jīng)濟時間序列都有一個明顯的特點,就是他們的慣性。由于經(jīng)濟變量的慣性,使得許多經(jīng)濟變量前后期總是相互關(guān)聯(lián)的。自相關(guān)產(chǎn)生的后果,如果模型中的隨機項存在自相關(guān),仍然采用普通最小二乘法,會有以下后果:(1)最小二乘估計量仍然是線性的和無偏的,但不具有最小方差性,即不是最優(yōu)的。(2)最小二乘估計量的方差估計是有偏的,用來估計隨機項的方差和回歸參數(shù)的方差公式會嚴(yán)重低估真實的方差和標(biāo)準(zhǔn)差,導(dǎo)致值偏大,使得某些參數(shù)顯著不為零,即高估了部分參數(shù)的顯著性。(3)
26、因變量的預(yù)測精度降低。6. 利用以下給定的統(tǒng)計量進行序列相關(guān)檢驗。(=自變量數(shù)目,=樣本容量)(1)=0.81,=3,=21,顯著性水平=5%:DL=1.03, DU=1.67,因為=0.81< DL, 所以存在一階正自相關(guān)。(2)=3.48,=2,=15,顯著性水平=5%:DL=0.95, DU=1.54,因為=3.48>4-DL, 所以存在一階負自相關(guān)。(3)=1.56,=5,=30,顯著性水平=5%:DL=1.07, DU=1.83,因為DL<=1.56<DU, 所以無法判斷。(4)=2.64,=4,=35,顯著性水平=5%:DL=1.22, DU=1.73,因為
27、(4-DU)<=2.64<(4-DL), 所以無法判斷。(5)=1.75,=1,=45,顯著性水平=5%:DL=1.48, DU=1.57,因為DU <=1.75<(4-DU), 所以不存在自相關(guān)。(6)=0.91,=2,=28,顯著性水平=5%:DL=1.26, DU=1.56,因為=0.91< DL, 所以存在一階正自相關(guān)。(7)=1.03,=5,=26,顯著性水平=5%:DL=0.98, DU=1.88,因為DL<=1.03<DU, 所以無法判斷。7. 解: 用估計關(guān)于的回歸方程為:用檢驗分析隨機項的一階自相關(guān)性:因為DW=1.662,DL=1.
28、20,DU=1.41,DU <DW<(4-DU), 所以不存在自相關(guān)。用兩步法估計回歸模型的參數(shù);直接用差分法估計回歸模型參數(shù)。8. 解:古典線性回歸模型的假定之一是,模型中包含的解釋變量的觀測值矩陣(包括常數(shù)項)其秩等于模型中解釋變量的個數(shù)加1,即,此時就稱解釋變量1,2 , ,之間不存在多重共線性。但如果,說明觀測值矩陣是降秩的,即矩陣的列向量存在某種線性相關(guān)關(guān)系,也就是解釋變量之間存在某種線性相關(guān),稱為存在多重共線性(Multicollinearity)。多重共線性存在的原因主要是經(jīng)濟活動經(jīng)濟變量之間復(fù)雜的相互聯(lián)系。另外在計量經(jīng)濟學(xué)的研究中,將某些解釋變量的滯后值作為單獨的新
29、解釋變量包含在模型中,已得到廣泛的應(yīng)用。這樣由于解釋變量的前后期數(shù)值相關(guān)使得產(chǎn)生多重共線性。后果:多元線性回歸模型中如果存在完全的多重共線性(Complete Multicollinearity,或Exact Multicollinearity)則參數(shù)的最小二乘估計量是不確定的,其標(biāo)準(zhǔn)差為無窮大;如果存在接近的多重共線性(Near Multicollinearity),則參數(shù)的最小二乘估計量是確定的,而且具有無偏性,但其方差較大,常產(chǎn)生以下結(jié)果:(1)參數(shù)估計值不精確,也不穩(wěn)定,樣本觀測值稍有變動,增加或減少解釋變量等都會使參數(shù)估計值發(fā)生較大變化,甚至出現(xiàn)符號錯誤,從而不能正確反映解釋變量對因
30、變量的影響。(2)參數(shù)估計值的標(biāo)準(zhǔn)差較大,使參數(shù)的顯著性檢驗增加了接受零假設(shè)的可能,從而舍去對因變量有顯著影響的解釋變量。(3)難以區(qū)分每個解釋變量的單獨影響。計量經(jīng)濟研究中經(jīng)常需要利用回歸系數(shù)定量分析各個解釋變量對因變量的單獨影響程度。而在多重共線性的情況下,解釋變量的相關(guān)性將無法“保持其他變量不變”,從而也難以分離出每個解釋變量的單獨影響。9. 解:它們之間不存在多重共線性,這是因為雖然和是的函數(shù),但它們之間并沒有顯著地線性相關(guān)關(guān)系。10. 解:(1)將代入原模型得:(2)可以考慮將相對價格引入模型,建立如下模型:11. 解:(1)利用SPSS對上述數(shù)據(jù)進行回歸得到以下結(jié)果:Model S
31、ummary(b)ModelRR SquareAdjusted R SquareStd. Error of the Estimate1.990(a).980.963.23611a Predictors: (Constant), x4, x3, x2, x1b Dependent Variable: yANOVA(b)ModelSum of SquaresdfMean SquareFSig.1Regression4.000(a)Residual.2795.056Total9a Predictors: (Constant), x4, x3, x2, x1b Dependent Variable:
32、yCoefficients(a)ModelUnstandardized CoefficientsStandardized CoefficientstSig.Collinearity Statistics BStd. ErrorBeta ToleranceVIF1(Constant) .101 x1.060.048.480.268.027 x2.089.037.407.062.141 x3.018.519.738 x4.007.018.123.420.692.048a Dependent Variable: y由多重共線性的經(jīng)典判斷法可以看出該模型擬合優(yōu)度及總體線性顯著性都非常好,但單個解釋變量顯著性卻都不理想,所以模型存在多重共線性。此外從解釋變量的方差擴大因子(VIF1=36.448,VIF4=20.948,二者均遠大于10)也可以看出解釋變量之間存在多重共線性。(2)利用SPSS中逐步回歸分析法確定一個較好的回歸模型如下:Model Summary(c)ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Wat
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 系統(tǒng)分析師考試項目管理考察試題及答案
- 2024年系統(tǒng)分析師考試中的實踐技能提升試題及答案
- 秘書證考試時間管理策略試題及答案
- 2025餐廳經(jīng)營合同范本
- 2025中外合作企業(yè)股權(quán)轉(zhuǎn)讓合同
- 混合復(fù)習(xí)統(tǒng)計學(xué)試題及答案解析
- 2025鋼筋混凝土廠房建設(shè)合同范本
- 江蘇科技大學(xué)《綜合材料視覺表現(xiàn)》2023-2024學(xué)年第一學(xué)期期末試卷
- 西北師范大學(xué)《地理語言學(xué)》2023-2024學(xué)年第一學(xué)期期末試卷
- 四川省棠湖中學(xué)2025屆高三下學(xué)期第一次質(zhì)量檢測試題歷史試題含解析
- 唐這個姓氏的研究報告
- 二年級下冊三位數(shù)加減混合計算練習(xí)200題及答案
- 證劵公司招聘筆試題及答案
- 施工現(xiàn)場安全圍擋
- 拐杖及助行器的使用方法課件
- 2024年黃芩素行業(yè)分析報告及未來發(fā)展趨勢
- 風(fēng)濕免疫科學(xué)教學(xué)設(shè)計案例
- 金屬風(fēng)管預(yù)制安裝施工技術(shù)
- 2023年數(shù)學(xué)競賽AMC8真題D卷(含答案)
- 宴席設(shè)計實務(wù)(烹飪專業(yè)高職)全套教學(xué)課件
- 牙刷的營銷方案和策略
評論
0/150
提交評論