spss多元回归分析报告案例Word文档格式.docx

1、6590.1942.27 20063124.377617.4741.02 20073709.699333.439.75 20084225.3811328.9237.30 20094456.3112961.134.38 20105136.7815806.0932.50 数据来自湖北省统计年鉴）一、计量经济模型分析（一）、数据搜集 根据以上分析，本模型在影响居民消费率因素中引入6个解释变量。X1:居民总收入（亿元），X2：人口增长率（），X3：居民消费价格指数增长率，X4：少儿抚养系数，X5：老年抚养系数，X6：居民消费占收入比重（%）。Y：总收入（亿元）X2：人口增长率（）X3：居民消费价格指数

2、增长率X4：少儿抚养系数X5：老年抚养系数X6：居民消费比重（%）51.961590.759.2717.145.39.4268.950.352033.688.122.841.19.4470.7244.962247.253.70.4399.5770.9345.542139.712.440.737.839.7282.646.322406.552.21-0.436.189.8181.0945.992594.612.322.234.439.8784.3343.542660.112.44.932.699.892.242.273172.413.052.931.099.7387.841.023538.43.

3、131.630.179.988.339.754168.523.234.829.4610.0488.9937.34852.582.716.328.6210.187.0734.385335.543.4828.0510.2583.5232.56248.754.3427.8310.4182.2（二）、计量经济学模型建立假定各个影响因素与Y的关系是线性的，则多元线性回归模型为：利用spss统计分析软件输出分析结果如下：Descriptive StatisticsMeanStd. DeviationNY42.76005.7457413X13.3068E31436.45490X23.87692.23538X

4、33.52314.57186X682.20387.53744X56.8638.43785X423.52542.93752表1 表2Variables Entered/RemovedbModelVariables EnteredVariables RemovedMethod1X4, X3, X2, X6, X1, X5a.Entera. All requested variables entered.b. Dependent Variable: Y这部分被结果说明在对模型进行回归分析时所采用的方法是全部引入法Enter。表3CorrelationsPearson Correlation1.000

5、-.965.480.354-.566-.960.927-.288-.215.451.932-.877.656-.767-.577.623-.293-.365.392.722-.795-.982Sig. （1-tailed）.000.049.118.022.170.240.061.007.001.020.011.166.110.093.003这部分列出了各变量之间的相关性，从表格可以看出Y与X1的相关性最大。且自变量之间也存在相关性，如X1与X5，X1与X4，相关系数分别为0.932和0.877，表明他们之间也存在相关性。表4Model SummarybRR SquareAdjusted R S

6、quareStd. Error of the EstimateDurbin-Watson.991a.982.9641.091502.710a. Predictors: （Constant）, X4, X3, X2, X6, X1, X5这部分结果得到的是常用统计量，相关系数R=0.991，判定系数=0.982，调整的判定系数=0.964，回归估计的标准误差S=1.09150。说明样本的回归效果比较好。表5ANOVAbSum of SquaresdfMean SquareFSig.Regression389.015664.83654.421.000aResidual7.1481.191Total

7、396.16312该表格是方差分析表，从这部分结果看出：统计量F=54.421，显著性水平的值P值为0，说明因变量与自变量的线性关系明显。Sum of Squares一栏中分别代表回归平方和为389.015,、残差平方和7.148、总平方和为396.163.表6CoefficientsaUnstandardized CoefficientsStandardized CoefficientstBStd. ErrorBeta（Constant）-33.36466.059-.505.632-.006.002-1.475-2.663.037.861.391.3352.201.070.036.121.0

8、29.301.774-.091.198-.120-.460.66212.7159.581.9691.327.233.527.818.269.644.543a. Dependent Variable:该表格为回归系数分析，其中Unstandardized Coefficients为非标准化系数，Standardized Coefficients为标准化系数，t为回归系数检验统计量，Sig.为相伴概率值。从表格中可以看出该多元线性回归方程：Y=-33.364-0.006X1+0.861X2+0.036X3+0.527X4+12.715X5-0.091X6二、计量经济学检验（一）、多重共线性的检验及

9、修正、检验多重共线性从“表3 相关系数矩阵”中可以看出，个个解释变量之间的相关程度较高，所以应该存在多重共线性。、多重共线性的修正逐步迭代法运用spss软件中的剔除变量法，选择stepwise逐步回归。输出表7：进入与剔除变量表。Variables Entered/RemovedaStepwise （Criteria: Probability-of-F-to-enter = .100）.2可以看到进入变量为X1与X2.表8：Model Summaryc.965a.9251.57016.988b.976.971.976731.983 （Constant）, X1b. Predictors: （C

10、onstant）, X1, X2c. Dependent Variable:表8是模型的概况，我们看到下图中标出来的五个参数，分别是负相关系数、决定系数、校正决定系数、随机误差的估计值和D-W值，这些值（除了随机误差的估计值，D-W越接近2越好）都是越大表明模型的效果越好，根据比较，第二个模型应该是最好的。表9：方差分析表ANOVAc369.043149.68927.119112.465386.623193.311202.632.000b9.54010.954方差分析表，四个模型都给出了方差分析的结果，这个表格可以检验是否所有偏回归系数全为0，sig值小于0.05可以证明模型的偏回归系数至少有

11、一个不为零。表10：参数检验55.5261.13149.109-.004-12.23552.497.99652.686-.902-17.599.565.132.2204.293参数的检验，这个表格给出了对偏回归系数和标准偏回归系数的检验，偏回归系数用于不同模型的比较，标准偏回归系数用于同一个模型的不同系数的检验，其值越大表明对因变量的影响越大。综上可得：模型2为最优模型。得出回归方程Y=52.497-0.004X1+0.056X2+（二）、异方差的检验输出残差图：如图1从图1看出，e2并不随x的增大而变化，表明模型不存在异方差。（三）、自相关检验-用D-W检验由输出结果表8得：DW= 1.98

12、3，查表得DL=0.861 ，DU=1.562，4-DU=2.438所以DUDW4-DU=2.438，因此误差项之间不存在自相关性。（四）、统计检验1.拟合优度检验：由表8相关系数R=0.988，判定系数=0.976，调整的判定系数=0.971，回归估计的标准误差S=0。9673。2.F值检验：由表9F=202.632。查表得，置信度为95%，自由度为1,12的F临界值为4.474，F值远远大于临界值，则说明模型显著。3.t检验由表10，0，1，2的t值分别问52.686，-17.599,4.293。查表得，t检验的临界值为1.771。说明回归方程对各个变量均有显著影响。（五）、模型结果因为最终进入模型的两个变量间不存在共线问题，各解释变量无异方差，D-W检验显示各误差项之间不存在自相关性。Y =52.497-0.004X1+0.056X2+ 三、经济意义检验模型估计结果表明：在假定其他解释变量不变的情况下，湖北居民总收入每增加1亿元其居民消费率降低0.004；在假定其他解释变量不变的情况下，人口增长率每提高1个千分点，居民消费率将增加0.056；: