《应用回归分析》(spss软件的应用)论文剖析Word格式.doc

《应用回归分析》(spss软件的应用)论文剖析Word格式.doc

《《应用回归分析》(spss软件的应用)论文剖析Word格式.doc》由会员分享，可在线阅读，更多相关《《应用回归分析》(spss软件的应用)论文剖析Word格式.doc（29页珍藏版）》请在冰豆网上搜索。

4.3样本的相关系数 4

第5章回归模型的建立 5

第6章回归模型的检验 6

6.1F检验 6

6.2T检验及模型的T检验分析 7

6.2.1T检验 7

6.2.2T检验分析 7

6.3偏相关性 10

第7章违背模型基本假设的情况 11

7.1异方差性的检验 11

7.1.1残差图检验 11

7.1.2怀特（White）检验 12

7.2自相关性的检验 12

7.3多元加权最小二乘估计 12

7.3.1权函数自变量的选取 13

7.3.2WeightEstimate估计幂指数m 13

7.3.3加权最小二乘估计拟合 14

第8章自变量选择与逐步回归 15

8.1前进逐步回归 15

8.2后退逐步回归 17

第9章多重共线性的情形及处理 18

9.1多重共线性的诊断 18

9.2多重共线性的消除 20

第10章回归模型总结 24

参考文献 25

26

第1章题目叙述

理论上认为影响成品钢材的需求量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。

为此，收集了我国成品钢材的需求量，选择与其相关的八个因素：

原油产量、生铁产量、原煤产量、发电量、铁路货运量、固定资产投资额、居民消费、政府消费作为影响变量，1980——1998年的有关数据如下表。

本题旨在通过建立这些经济变量的线性模型来说明影响成品钢材需求量的原因。

数据来源：

易丹辉.《数据分析与EViews应用》.中国人民大学出版社.2008（教材第85页）

原始数据（中国统计年鉴）：

年份

成品钢材（万吨）

原油（万吨）

生铁（万吨）

原煤（亿吨）

发电量（亿千瓦时）

铁路货运量（万吨）

固定资产投资额（亿元）

居民消费（亿元）

1980

2716.2

10595

3802.4

6.2

3006.2

111279

910.9

2317.1

1981

2670.1

10122

3416.6

3092.7

107673

961

2604.1

1982

2902

10212

3551

6.66

3277

113495

1230.4

2867.9

1983

3072

10607

3738

7.15

3514

118784

1430.1

3182.5

1984

3372

11461.3

4001

7.89

3770

124074

1832.9

3674.5

1985

3693

12489.5

4384

8.72

4107

130709

2543.2

4589

1986

4058

13068.8

5064

8.94

4495

135635

3120.6

5175

1987

4356

13414

5503

9.28

4973

140653

3791.7

5961.2

1988

4689

13704.6

5704

9.8

5452

144948

4753.8

7633.1

1989

4859

13764.1

5820

10.54

5848

151489

4410.4

8523.5

1990

5153

13830.6

6238

10.8

6212

150681

4517

9113.2

1991

5638

14009.2

6765

10.87

6775

152893

5594.5

10315.9

1992

6697

14209.7

7589

11.16

7539

157627

8080.1

12459.8

1993

7716

14523.7

8739

11.51

8395

162663

13072.3

15682.4

1994

8482

14608.2

9741

12.4

9281

163093

17042.1

20809.8

1995

8979.8

15004.94

10529.27

13.61

10070.3

165885

20019.3

26944.5

1996

9338.02

15733.39

10722.5

13.97

10813.1

168803

22974

32152.3

1997

9978.93

16074.14

11511.41

13.73

11355.53

169734

22913.5

34854.6

第2章问题假设

为了问题的简洁明了，现对题目中的变量给出以下假设：

中国成品钢材的需求量为（万吨）、原油产量（万吨）、生铁产量（万吨）、原煤产量（亿吨）、发电量（亿千瓦时）、铁路货运量（万吨）、固定资产投资额（亿元）、居民消费（亿元）、政府消费（亿元）作为影响变量，而且本题收集的数据均为定量变量，其符号和经济意义如下表：

变量

符号

代表意义

中国成品钢材的需求量为（万吨）

成品钢材需求总量

原油产量（万吨）

原油工业发展水平

生铁产量（万吨）

生铁工业发展水平

原煤产量（亿吨）

原煤工业发展水平

发电技术水平

运输产业水平

固定资产支出水平

居民支出水平

政府消费（亿元）

政府支出水平

第3章问题分析

在上述问题中，中国成品钢材的需求量（万吨）的影响因素不只是原油产量（万吨），还有生铁产量（万吨）、原煤产量（亿吨）、发电量（亿千瓦时）、铁路货运量（万吨）、固定资产投资额（亿元）、居民消费（亿元）、政府消费（亿元）等，这样因变量就与多个自变量有关。

因此，我们就可以采用多元线性回归进行问题的分析。

多元线性回归模型的基本形式：

设随机变量与一般变量的理论线性回归模型为：

其中，是个未知参数，称为回归常数，称为回归系数。

称为被解释变量（因变量），而是个可以精确测量并可控制的一般变量，称为解释变量（自变量）。

是随机误差，与一元线性回归一样，对随机误差项我们常假定

称

为理论回归方程。

第4章数据的预处理

4.1曲线统计图

分析：

从曲线统计图上我们可以大致的来看，变量和因变量在1980年到1986年的增长速度都相对平稳没有明显的增势；

从1986年到1993年，个变量开始缓慢增长；

从1993年到1998年，增长的幅度开始加大了。

的曲线近似为一条水平的直线，这两个变量分别表示原油和原煤的量，可能受到资源和政策的限制，因而增长的速度非常缓慢。

从图中可以明显看到随着年限的增加，我国的各种产业和支出水平都随之逐渐增长。

分析：

从散点统计图上我们可以细致的来看，变量（铁路运货量）的变化最为明显，还可以清楚的看到1981年，1991年，1998年，因为一些特殊事件而导致的铁路运输量降低。

与在1980年到1986年的增长速度都相对平稳没有明显的增势，从1986年到1993年，个变量开始缓慢增长；

但是（原油）与（原煤）的产量却始终保持相对平稳的增长趋势，而却增长速度非常的缓慢，这可能是受到了资源的限制和国家政策的影响。

从散点图中可以很明显的看到各年的真是数据，还可以看出随着年限的增加，我国的各种产业和支出水平都随之逐渐增长。

4.3样本的相关系数

从样本的相关系数表来看，各变量的相关系数都在0.9以上，说明自变量与因变量有高度的线性相关性，适合做与8个自变量的多元线性回归。

（说明：

本表格是由EViews软件计算得出，但由于不能导出，所以通过保存成图片后经WPS截图工具截得。

）

第5章回归模型的建立

将原始数据导入到spss19.0（简体中文版）的数据框中，然后用spss19.0软件回归线性分析得到下列表：

模型汇总

模型

R

R