1、3937011464 19801359419965195598705297614453011599 1981154562048420711000723309139790l1758 1982l7616216232207101654363793313012123 198319608237562706103008402053471013670 1984229552789031671043S7469453189016429 19852541634487417910585l5773O4437020048 198627639396705257107507654204714021220 1987320434
2、58586658109300745124209021994 1988383105777281001ll026936015087023572 1989422806484079401127041055654699026649 19905017O685808594114333ll36523847029371 199l5288680871101511158231314595547031495 199258000102845l415O11717l1595215133034834 199368821141438228471185172018214883043490 19949457219359630126
3、1198502679605504052181 19951199302471833819612l12l3363504582162422 1996138442290826453051223894000394698974080 1997142112324121481061236264357945342986511 1998145996334298526201248104640595014598760解:1.打开SPSS软件,在弹出来的对话框中选择【Cancel】。2.定义变量。点击左下脚的【Variable View】标签,在表中设置变量如下:3.录入数据。点击左下脚的【Data View】标签,在
4、表中输入数据.4.建立回归方程。选择【Analyze】【Regression】【Linear.】,打开Linear Regression(线性回归分析)主对话框,将y(财政收入)导入Dependent(因变量)列表,将x1、x2、x3、x4、x5、x6导入Independent(s)(自变量)列表,如下图所示:如图所示,Method(方法)下拉菜单,可以指定自变量进入分析的方法。通过选择不同的方法,可对相同的变量建立不同的回归模型,建立多重回归的方法有5种:Enter(强迫引入法),Stepwise(逐步回归法),Remove(强迫剔除法),Backward(后向消去法),Forward(前向
5、逐步法)。5单击【Statistics.】按钮,打开Linear Regression:Statistics(统计量)对话框,如下图所示:如图所示,在Regression Coefficients(回归系数)选项中,选择了Estimates(估计值)显示回归系数B、SEB、标准化回归系数(Bate)、B的t值及双侧显著性水平(sig.);Confidence intervals(致信区间)显示每个回归系数的95%置信区间或协方差矩阵;Covariance matrix(协方差矩阵)显示B的方差-协方差矩阵,相关系数矩阵;Model fit(模型拟合)显示被引入模型或剔除的变量及拟合优度统计量,
6、复相关系数R、R2调整R2,估计值的标准误差及方差分析表。colinearity diagnostics显示共线性问题.在Residuals(残差统计量)选项中,选择Durbin-Watson选项,同时显示标准化与非标准化残差与预测值的汇总统计量。6单击【Continue】【Plots.】按钮,打开Linear Regression:Plots(图形)对话框,如下图所示:此处选择了一个Scatter(散点图),它是以DEPENDNT(因变量)作为Y轴,以*ZRESID(标准化残差)为X轴;同时还选择了Normal probability plot(正态概率图,即P-P图),和Histogram
7、标准化残差的直方图并给出正态曲线。7单击【Continue】【Save.】按钮,打开Linear Regression:Save(保存)对话框,如下图所示:此处在Predicted Values(预测值)中选择了Unstandardized(非标准化预测值),和Standardized(标准化预测值);在Prediction Intervals(预测区间)选择Individual(个体预测区间)和mean,根据题目要求,设置Confidence Interval(置信区间)为95%。8单击【Continue】【OK】按钮,得到主要结果。逐步回归法:1此表显示的是变量的引入与剔除,以及选用的方法
8、。Variables Entered/Removed(a)ModelVariables EnteredVariables RemovedMethod1.Stepwise (Criteria: Probability-of-F-to-enter = .100).a Dependent Variable: y2下表显示的是模型摘要。从表中可以得出:复相关系数R2 0.989和修正的复相关系数R2a0.988接近于1,这说明模型的拟合优度比较高;DW统计量为0.822,用于判别该模型是否存在一阶自相关。Model Summary(b)RR SquareAdjusted R SquareStd. Er
9、ror of the EstimateDurbin-Watson.994(a).989.988285.479745.822a Predictors: (Constant), x5b Dependent Variable:3下表是方差分析表。从表中可以得到有关SSR,SSE,SST的平方和、自由度和均方差等信息,以及MSR,MSE的值,如表中所示,F值为1669.841,Sig.值小于给定,表示此回归方程通过显著性检验。ANOVA(b) Sum of SquaresdfMean SquareFSig.Regression136089861.0321669.841.000(a)Residual15
10、48475.0081981498.685Total137638336.040204下表表示的是有关回归系数的信息。从表中可以看出,0695.441,10.180,经过标准化处理后,10.994,且x5的回归系数的Sig.值均小于给定的0.05,即通过了显著性检验。y关于x5的非标准化的二元线性回归方程为:y695.441+ 0.180x5 y关于x5标准化的二元线性回归方程为:y659.441 + 0.994x5Coefficients(a) Unstandardized CoefficientsStandardized Coefficientst95% Confidence Interval for BCollinearity StatisticsBStd. ErrorBetaLower BoundUpper BoundToleranceVIF1(Constant) x5695.44190.8267.657.000505.340885.542.180.004.99440.864.171.1901.0005. 由直方图中显示,总体分布接近正态分布。6.上图右为残差的正态概率图,即P-P图。从图中可以看到,点(q(i),e(i)近似在一条直线上,且e(i)与q(i)之间的相关系数非常接近于1,从而可以认为本题中误差正态性的假设是合理的。差分法: Variables E
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1