spss多元回歸分析案例

1創(chuàng)作時(shí)間：二零二一年六月三十日1創(chuàng)作時(shí)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(shí)間：二零二一年六月三十日對(duì)居民消費(fèi)率影響因素的探究---以湖北省為例改革開放以來(lái),我國(guó)經(jīng)濟(jì)始終堅(jiān)持著高速增長(zhǎng)的趨勢(shì),三十多年間綜合國(guó)力獲得顯著增強(qiáng),但我國(guó)居民消費(fèi)率一直偏低,甚至一直有下降的趨勢(shì).居民消費(fèi)率的偏低肯定會(huì)招致我國(guó)內(nèi)需的缺乏,進(jìn)而會(huì)影響我國(guó)經(jīng)濟(jì)的長(zhǎng)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(duì)居民消費(fèi)率的影響及多元關(guān)系.（注：計(jì)算我國(guó)居民的消費(fèi)率,用居民的人均消費(fèi)除以人均GDP,獲得居民的消費(fèi)率）.通常來(lái)說(shuō)，影響居民消費(fèi)率的因素是多方面的，女口:居民總收入，人均GDP,人口結(jié)構(gòu)狀況1（兒童撫養(yǎng)系數(shù),老年撫養(yǎng)系數(shù)）,居民消費(fèi)價(jià)格指數(shù)增長(zhǎng)率等因素.總消費(fèi)（C：億元）總GDP（億元）消費(fèi)率（%）199551.96199750.35200044.96200145.54200246.32創(chuàng)作時(shí)間：二零二一年六月三十日創(chuàng)作時(shí)間：二零二一年六月三十日創(chuàng)作時(shí)間：二零二一年六月三十日創(chuàng)作時(shí)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(lái)自《湖北省統(tǒng)計(jì)年鑒》）一、計(jì)量經(jīng)濟(jì)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(fèi)率因素中引入6個(gè)解釋變量.XI:居民總收入（億元），X2:人口增長(zhǎng)率（％。），X3:居民消費(fèi)價(jià)格指數(shù)增長(zhǎng)率，X4：少兒撫養(yǎng)系數(shù)，X5：老年撫養(yǎng)系數(shù)，X6：居民消費(fèi)占收入比重（％）.Y:消費(fèi)率X1:總收入（%）億元）X2:人口Y:消費(fèi)率X1:總收入（%）億元）X2:人口增長(zhǎng)率（%0）X3:居民消費(fèi)價(jià)格指數(shù)增長(zhǎng)率X4:少兒X5:老年消費(fèi)居民（%）撫養(yǎng)系數(shù)撫養(yǎng)系數(shù)39391995199720002001200220032004200520062007200820092010（二）、計(jì)量經(jīng)濟(jì)學(xué)模型建立

假定各個(gè)影響因素與Y的關(guān)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(jì)分析軟件輸出分析結(jié)果如下：表1表2ModelVariablesEnteredVariablesRemovedMethodModelVariablesEnteredVariablesRemovedMethod1X4,X3,X2,X6,X1,X5aEntera.Allrequestedvariablesentered.VariablesEntered/Removedbb.DependentVariable:Y這部份被結(jié)果說(shuō)明在對(duì)模型進(jìn)行回DescriptiveStatisticsMeanStd.DeviationNY13X113X213X313X613X5.4378513X413歸分析時(shí)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(guān)性，從表格可以看出Y與XI的相關(guān)性最年夜.且自變量之間也存在相關(guān)性，如XI與X5,XI與X4,相關(guān)系數(shù)分別為0.932和0.877,標(biāo)明他們之間也存在相關(guān)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(diào)整的判定系數(shù)護(hù)64,回歸估計(jì)的標(biāo)準(zhǔn)誤差S=.說(shuō)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(jié)果看出：統(tǒng)計(jì)量F二，顯著性水平的值P值為0,說(shuō)明因變量與自變量的線性關(guān)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(biāo)準(zhǔn)化系數(shù)，StandardizedCoefficients為標(biāo)準(zhǔn)化系數(shù)，t為回歸系數(shù)檢驗(yàn)統(tǒng)計(jì)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(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)（一）、多重共線性的檢驗(yàn)及修正、檢驗(yàn)多重共線性從“表3相關(guān)系數(shù)矩陣”中可以看出,個(gè)個(gè)解釋變量之間的相關(guān)水平較高,所以應(yīng)該存在多重共線性.、多重共線性的修正一一逐步迭代法運(yùn)用spss軟件中的剔除變量法，選擇stepwise逐步回歸.輸出表7：進(jìn)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(jìn)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(biāo)出來(lái)的五個(gè)參數(shù)，分別是負(fù)相關(guān)系數(shù)、決定系數(shù)、校正決定系數(shù)、隨機(jī)誤差的估計(jì)值和D-W值,這些值（除隨機(jī)誤差的估計(jì)值，D-W越接近2越好）都是越年夜標(biāo)明模型的效果越好，根據(jù)比力，第二個(gè)模型應(yīng)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(yàn)，這個(gè)表格給出了對(duì)偏回歸系數(shù)和標(biāo)準(zhǔn)偏回歸系數(shù)的I檢驗(yàn)，偏回歸系數(shù)用于分歧模型的比力，標(biāo)準(zhǔn)偏回歸系數(shù)用于同I一個(gè)模型的分歧系數(shù)的檢驗(yàn)，其值越年夜標(biāo)明對(duì)因變量的影響越I輸出殘差圖：如圖從圖1看出^2其實(shí)不隨X的增年夜而變動(dòng)^標(biāo)型不存在異方差.（三）、自相關(guān)檢驗(yàn)一用D-W檢驗(yàn)由輸出結(jié)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(xiàng)之間不存在自相關(guān)性.（四）、統(tǒng)計(jì)檢驗(yàn)1.擬合優(yōu)度檢驗(yàn)：由表88&判定系數(shù)護(hù)76，調(diào)整的判定系數(shù)F71,回歸估計(jì)的標(biāo)準(zhǔn)誤差S=0.9673.說(shuō)明樣本的回歸效果比力好.2.F值檢驗(yàn)：由表9F=.查表得，置信度為95%,自由度為1,12的F臨界