《应用回归分析》课后题答案

1、使用回归分析部分课后习题答案 第一章回归分析概述 1.1变量间统计关系和函数关系的区别是什么？ 答：变量间的统计关系是指变量间具有密切关联而又不能由某一个或某一些变量 唯一确定另外一个变量的关系，而变量间的函数关系是指由一个变量唯一确定另 外一个变量的确定关系。 1.2回归分析和相关分析的联系和区别是什么？ 答：联系有回归分析和相关分析都是研究变量间关系的统计学课题。区别有a. 在回归分析中，变量 y称为因变量，处在被解释的特殊地位。在相关分析中，变 量x和变量y处于平等的地位，即研究变量y和变量x的密切程度和研究变量 x和 变量y的密切程度是一回事。b.相关分析中所涉及的变量y和变量x全是随

2、机变量 而在回归分析中，因变量y是随机变量，自变量x可以是随机变量也可以是非随机 的确定变量。C.相关分析的研究主要是为了刻画两类变量间线性相关的密切程度。 而回归分析不仅可以揭示变量 x对变量y的影响大小，还可以由回归 方程进行预测和控制。 1.3回归模型中随机误差项的意义是什么？ 答：为随机误差项，正是由于随机误差项的引入，才将变量间的关系描述为 一个随机方程，使得我们可以借助随机数学方法研究y和x1,x2 ? .xp的关系，由于 客观经济现象是错综复杂的，一种经济现象很难用有限个因素来准确说明， 随机误差项可以概括表示由于人们的认识以及其他客观原因的局限而没有考虑 的种种偶然因素。 1.

3、4线性回归模型的基本假设是什么？ 答：线性回归模型的基本假设有：1.解释变量x1.x2 ? .xp是非随机的，观测值 xi1.xi2 ? .xip是常数。2.等方差及不相关的假定条件为E( )=0 i=1,2 ? . Cov( , )= 22 3.正态分布的假定条件为相互独立。4.样本容量的个数要多于解释变量的个数， 即 np. 1.5回归变量的设置理论根据是什么？在回归变量设置时应注意哪些问题？ 答：理论判断某个变量应该作为解释变量，即便是不显著的，如果理论上无法判断 那么可以采用统计方法来判断，解释变量和被解释变量存在统计关系。应注意的问 题有：在选择变量时要注意和一些专门领域的专家合作，

4、不要认为一个回归模型所 涉及的变量越多越好，回归变量的确定工作并不能一次完成，需要反复试算，最终 找出最合适的一些变量。 1.6收集，整理数据包括哪些内容？ 答；常用的样本数据分为时间序列数据和横截面数据，因而数据收集的方法主要 有按时间顺序统计数据和在同一时间截面上统计数据，在数据的收集中，样本容量 的多少一般要和设置的解释变量数目相配套。而数据的整理不仅要把一些变量数据 进行折算差分甚至把数据对数化，标准化等有时还需注意剔除个别特别大或特别小 的“野值”。 1.7构造回归理论模型的基本依据是什么？ 答：选择模型的数学形式的主要依据是经济行为理论，根据变量的样本数据作出 解释变量和被解释变量

5、之间关系的散点图，并将由散点图显示的变量间的函数关 系作为理论模型的数学形式。对同一问题我们可以采用不同的形式进行计算机模 拟，对不同的模拟结果，选择较好的一个作为理论模型。 1.8为什么要对回归模型进行检验？ 答：我们建立回归模型的目的是为了使用它来研究经济问题，但如果马上就用这个 模型去预测，控制，分析，显然是不够慎重的，所以我们必须通过检验才能确定这 个模型是否真正揭示了被解释变量和解释变量之间的关系。 1.9回归模型有那几个方面的使用？ 答：回归模型的使用方面主要有：经济变量的因素分析和进行经济预测。 1.10为什么强调运用回归分析研究经济问题要定性分析和定量分析相结合？ 答：在回归模

6、型的运用中，我们还强调定性分析和定量分析相结合。这是因为数 理统计方法只是从事物外在的数量表面上去研究问题，不涉及事物质的规定性，单 纯的表面上的数量关系是否反映事物的本质？这本质究竟如何？必须依靠专 门的学科研究才能下定论，所以，在经济问题的研究中，我们不能仅凭样本数据 估计的结果就不加分析地说长道短，必须把参数估计的结果和具体经济问题以及 现实情况紧密结合，这样才能保证回归模型在经济问题研究中的正确使用。 第二章一元线性回归 2.14解答：(1)散点图为： (2) x和y之间大致呈线性关系。 Jk (3) 设回归方程为y o 1 x Xi yi 空1 v 为2 n(x)2 1 x 20 7

7、31 可得回归方程为 2 (4) (yi 2 yi) n-2 i=i (yi ix) n-2 i=i (10- -1+7 1) 3 ( 20 1 16 9 3 110/3 (-1+7 4) 0 49 36 6. 1 (5)由于 xx 2 (10- ( -1+7 2 ) (40- ( -1+7 2 2 2)( 20- ( -1+7翼3) 2 5) 0“ t 11 2/ Lxx 服从自由度为 n-2的t分布。因而 xx /2 (n 2) 1 也即：p( 1 t /2 L xx 11 t /2 l 、xx 可得1的置信度为95%的置信区间为( 即为：(2.49 , 11.5 ) 11尸 7-2.35

8、3 33 , 7+2.35333) 33 存12 N ( 0 ,( x) ) 2) L n xx 0= 1 ( 2 (X) 2 L xx 2 1( x) L xx n 服从自由度为 n n-2的t分布。因而 | t /2 (n 2) 1 1 ( x) 2 n 即p( 可得 0 t Lxx 1显？ L n xx 1的置信度为95%的置信区间为（ L n xx 切.77,5.77 ) n 2 厂、v ( y y) ji (6) n490 / 600 0.817 2 3 ( yi y) i 1 2 i 1 * x和y的决定系数r (7) 71 02 1 3. 6 6 d 33 1330 3 ANOV

9、 A x 平方和 df 1均方 F 1显著性 组间（组合） 9.000 2 4.500 9.000 .100 线性项加权的 8.167 1 8.167 16.333 .056 偏差 .833 1 .833 J1.667 .326 组内 1.000 2 .50C ) 总数 10.000 4 | | 由于F匸F（1,3）,拒绝H ,说明回归方程显著， x和y有显著的线性关系。 沪b 2 n n 2 (8) t 1 - _ xx 其中厂- 1ve 2-1 亍 (yy ) - 2 1 “FT 丿、1 i n - i = “ni 1= X JJ / ii / Lxx t /22.353 - tot t

10、3.66/2 接受原假设H 0j 0,认为 1显著不为0，因变量y对自变量x的一元线性回归成立。 (9 )相关系数 n r (Xi x)2 (yi y) n (Xi x)( yiy) 7070.904 10 600 60 r小于表中1%的相应值同时大于表中5%的相应值，x和y有显著的线性关系 (10) X y .I y e 1J 1 10_QC 6 4 (2 2 (10 13 -3 )3| 3 20 20 0 | 4 4 (20 27Y-Sr1 -7 5川 5 (40 134 【6 残差图为: 从图上看，残差是围绕e=0随机波动，从而模型的基本假定是满足的。 (11 )当广告费Xo =4.2万

11、元时，销售收入yo 28.4万元，置信度为95%的 置信区间 近似为 y 2 ，即(17.1，39.7) 2.15解答： (1) 散点图为： h f JJ”創xa护一淞 900swooMOOW&M X (2 ) x 和y之间大致呈线性关系。 x jjLj trjm (3)设回归方程为y o i x ncig Xi yi n x y i 1 1 = n (26370 21717) = 0.0036 瓷2 X2 n(x) (7104300 5806440) i七1 x 12.850.0036 7620.1068 可得回归方程为y 0.1068 0.0036 x n*2 1 (yiyi ) n-2

12、i=1 n 1( yi( 0 n-2 i=1 2 x) =0.2305 0.4801 (5)由于F； |丨n(, 1 2 ) 1Lxx i iiUd. t . 春 2 W / Lxxa 服从自由度为 n-2的t分布。因而 XX (LxX I t /2 (n 2) 1 也即: 八t AryI A P( 1 t /211/2 Jl XX a )=1 L XX 可得i的置信度为95%的置信区间为 (0.0036-1.860 0.4801/ 1297860 , 0.0036+1.8600.4801/ 1297860 ) 即为：(0.0028 , 0.0044 ) 2 (X) A1 0 N( 0,( n

13、Lxx n 服从自由度为 n n-2的t分布。因而 XX 2 1 ( x) V L XX P -P(n 0 0 / II t /2 1( X) 2 .L n xx 2) -a 即p( 可得 ( 1的置信度为 L XX 95%的置信区间为 +(x产tc/2 )弓 一 L n xx 0.3567,0.5703) v 16.82027 =0.908 18.525 n 、2 (yi y) 1 (6)x和y的决定系数 n (yi y)2 i 1 ANOV A 平方和 df 均方 F 显著性 组间(组合) 1231497.500 175928.214 5.302 .168 线性项加权的 1168713.0

14、36 1168713.036 35.222 .027 偏差 62784.464 )10464.077 .315 5.885 组内 66362.500 4 33181.250 总数 1297860.000 ( ) x和y有显著的线性关系 由于FF (1,9)，拒绝H o，说明回归方程显著， / Lxx 2 n 2 ei (yi 2 yi ) n 2 i i 0. 00361297860 8.542 0.04801 t /21.895 t 8.542 t /2 接受原假设 0: 1 0,认为 1显著不为 因变量y对自变量 的一元线性回归成立。 (9)相关系数 (x x)( yi y) n L x1

15、 L L xx yy 4653 129786018.525 0.9489 序号 y e x y 0.4232 1 825 3. 5 3.0768 0.1192 2 1 0.8808 215 ib y y 0.4232 1 825 3.0768 0.1192 2 1 0.8808 * 3. 5 215 r小于表中1%的相应值同时大于表中5%的相应值， x和y有显著的线性关系 * 从图上看，残差是围绕e=0随机波动，从而模型的基本假定是满足的。 (11) 新保单X01000时，需要加班的时间为yo右|3.7小时。 (12) y的置信概率为1息的置信区间精确为y 0目t /2 (n 2) 1 , h

16、 00, 即为(2.7，4.7) 近似置信区间为：y 2 ，即(2.74，4.66) (13 )可得置信水平为1-的置信区间 为y t/2 ( n 2) h 00 ，即为(3.33，4.07) 2.16 (1)散点图为： 可以用直线回归描述 y和x之间的关系 (2)回归方程为:y 12112.6293.314x 出血站必覘uai的唸购订秋起虑Xi临7罵山 WM 的标P-PM 第三章多元线性回归 3.11 解 从图上可看出，检验误差项服从正态分布。 1 ）用SPSS算出y，x1，x2,x3相关系数矩阵 相关性 y x1 x2 x3 Pears on相关性 y 1.000 .556 .731 .7

17、24 x1 .556 1.000 .113 .398 x2 .731 .113 1.000 .547 x3 .724 .398 .547 1.000 y .048 .008 .009 x1 .048 .378 .127 x2 .008 .378 .051 x3 .009 .127 .051 N y 10 10 10 10 x1 1C 10 10 10 x2 1C 10 10 10 x3 10 10 0 10 fl.000 0556 0731 U724 1.000 0.11? 0398 0731 0A13 000 0.547 0398 0547 1.000/ 所以r = 系数a 模型 非标准化系

18、数 |标准系 数 B 标准误差 试用版t B的95.0%置信区间 相关性 共线性统计量 下限 上限 IV 零阶偏部分 容差 VIF 1（ 常量） -348.2 176.459 -1.974 .096 -780.0 83.500 80 60 x1 3.754 1.933 .385 1.942 .100 -.977 8.485 .556 .621 .350 .825 1.211 x2 7.101 2.880 .535 2.465 .049 .053 14.149 .731 .709 .444 .687 1.455 x3 12.447 10.569 .277 1.178 .284 -13.41 38

19、.310 .724 .433 .212 .586 1.708 .5 Sig. （4） a. 因变量:y 所以三元线性回归方程为y? 348.283.754x17.101x212.447 x3 模型汇总 模型 R R方 .调整R方 标准估计的 误差 更改统计量 （R方更改 F更改 df1 df2 Sig. F 更改 1 .898 a .806 .708 23.44188 1 .806 . 8.283 3 6 .015 a.预测变量:( 常量),x3, x1, x2 (3) 由于决定系数R方=0.708R=0.898较大所以认为拟合度较高 b Anova 模型 平方和 df 均方 F Sig. 1

20、回归 13655.370 X. 4551.790 8.283 .015 a 残差 3297.130 6 549.522 总计 16952.500 a. 预测变量:（ 常量）,x3, x1, x2 b. 因变量:y 因为F=8.283P=0.01515,这是因为如果样本再小，利用残差就很难对自相关的存在性作出比较正 确的判断；DW检验不适合随机项具有高阶序列相关的检验。 4.13 解： 系数 模型非标准化系数标准系数 B标准误差 试用版 t -5.930 Sig. .000 1（常量） -1.435 .242 ) x a. 因变量:y .176 .002 .999 107.928 .000 y?

21、=-1.435+0.176x 模型汇总 模型标准估计的误 R R方 调整R方 差 Durbi n-Wats on 1 .999 a -.998 .998 -.09744 一 .663 a 预测变 量:（常量） X 。 b. 因变量:y DW=0.663 查 DW 分布表知：d l =0.95 所以DWd l ,故误差项存在正相关。 残差图为： et随t的变化逐次变化并不频繁的改变符口 说明误差项存在正相关。 Y x 8.49 51.17 7.39 44.90 7.88 47.26 7.65 45.80 8.77 52.33 6.84 40.69 8.93 52.69 8.00 48.50 9.

22、32 54.95 7.79 46.85 9.29 55.54 8.26 49.45 9.48 56.77 7.96 48.47 9.38 55.83 8.28 50.04 9.67 58.00 7.90 48.03 9.90 59.22 (3) ? =1-0.5*DW=0.6685 计算得: Y X 模型汇总b 模型 R R方 调整R方 1 .996 a .993 .993 标准估计的误 Durbi n-Watson .07395 1.344 a.预测变量:（常量）,xx b. 因变量:yy 系数a 模型 非标准化系数 标准系数 t 卩 Sig. B 标准 误差 试用版 1 （常量） -.30

23、3 .180 -1.684 .110 xx .173 一 .004 .996 49.011 .000 a. 因变量:yy 得回归方程y?=-0.303+0.173x 即：y?t =-0.303+0.6685 yt 1 +0.173 ( xt 0.6685 xt 1 ) （4） 模型汇总b 模型 R R方 调整R方 标准估计的误 1 差 Durbi n-Wats on 1 .978 a .957 .955 .07449 1.480 a. 预测变量:（常量）,x3 b. 因变量:y3 a 系数 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 （常量） .033 .026 1

24、.273 .220 x3 .161 .008 .978 19.528 .000 a.因变量:y3 yt =0.033+0.161 xt 即：y?t =0.033+ yt 1 +0.161（ xt - xt 1 ） ? （5）差分法的DW值最大为1.48消除相关性最彻底，但是迭代法的值最小为 0.07395，拟合的较好。 4.14 解：（1 模型汇总b 模型 R R方 调整R方 标准估计的误 差 Durbi n-Wats on 1 .541 a .293 .264 329.69302 .745 a. 预测变量:（常量）,x2, x1 b. 因变量:y 系数 模型 非标准化系数. ,标准系数 t

25、Sig. B 标准误差 试用版 1 （常量） -574.062 349.271 -1.644 .107 x1 191.098 73.309 .345 .2.607 .012 x2 2.045 .911 .297 2.246 .029 a. 因变量:y 回归方程为：y? =-574.062+191.098x1+2.045x2 DW=0.7450),那么XX+kl接近奇异的程度小得多，考 虑到变量的量纲问题，先对数据作标准化，为了计算方便，标准化后的设计阵仍然用| 1 卜K XXI XX I X y ，称为 3. 选择岭参数k有哪几种主要方法？ 答：选择岭参数的几种常用方法有 值。 4. 用岭回归

26、方法选择自变量应遵从哪些基本原则？ 答：用岭回归方法来选择变量应遵从的原则有： 示，定义为 的岭回归估计，其中 k称为岭参数。 1.岭迹法，2.方差扩大因子法，3.由残差平方和来确定 1. 在岭回归的计算中，我们假定设计矩阵X已经中心化和标准化了，这样可以直接比较标准化岭 回归系数的大小，我们可以剔除掉标准化岭回归系数比较稳定且绝对值很小的自变量。 2. 当k值较小时标准化岭回归系数的绝对值并不是很小，但是不稳定，随着k的增加迅速趋 于零。像这样的岭回归系数不稳定，震动趋于零的自变量，我们也可以予以删除。 3. 去掉标准化岭回归系数很不稳定的自变量，如果有若干个岭回归系数不稳定，究竟去掉几 个

27、，去掉哪几个， 这并无一般原则可循，这需根据去掉某个变量后重新进行岭回归分析的效 果来确定。 3个自变量 x1，x2，x5，用y对这3 GDP对第二产业增加值x2，和 5. 对第5章习题 9的数据，逐步回归的结果只保留了 个自变量做岭回归分析？ 答： 6. 对习题 3.12的 问题，分别用普通最小二乘和岭回归建立 第三产业增加值 x3的二元线性回归，解释所得到的回归系数? 答： R-SQUARE AND BETA COEFFICIENTS FOR ESTIMA TED VALUES OF K KRSQx2x3 .00000 .99923 .774524 .225943 .05000 .9980

28、3 .512296 .463711 .10000 .99629 .489067 .463649 .15000 .99367 .473860 .20000 .99025 .461162 .25000 .98615 .449761 .30000 .98147 .439219 .35000 .97628 .429332 .40000 .97067 .419984 .45000 .96470 .411101 .456649 .448152 .439303 .430476 .421821 .413400 .405242 .50000 .95842 .402632 .70000.93116 .372200

29、 .368419 .7500( ).92398 .365330 .361799 .8000( ).91672 .358717 .355405 .8500( ).90939 .352345 .349227 .90000.90202 .346201 .343255 .9500( ).89462 .340271 .337480 1.0000.88720 .334545 .331892 .60000 .94514 .386782 .382376 .65000 .93822 .379344 .375274 RIDGE TRACE 系数a 非标准化系数 标准系数 模型 B 标准误差 试用版 t Sig.

30、.397352 .55000 .95189 .394536 .389732 （常量） 4352.859 679.065 6.410 .000 第二产业增加值 第三产业增加值 a.因变量:GDP 1.438 .679 .151 .775 9.544 .000 .244 .226 2.784 .017 R-SQUARE AND BETA COEFFICIENTS FOR K RSQ x2 x3 .00000 .99923 .774524 .225943 .01000 .99888 .587428 .408049 .02000 .99866 .548878 .441659 .03000 .99847

31、 .531054 .454593 .04000 .99827 .520110 .460694 .05000 .99803 .512296 .463711 .06000 .99776 .506176 .465082 .07000 .99745 .501080 .465475 .08000 .99710 .496653 .465244 .09000 .99672 .492691 .464593 .10000 .99629 .489067 .463649 ESTIMA TED VALUES OF K Run MATRIX procedure: * Ridge Regressio n with k =

32、 0.01 * Mult R .999439 RSquare .998878 Adj RSqu .998691 SE 1301.292455 ANOVA table df SS MS Regress 2.000 1.81E+010 9.04E+009 Residual 12.000 20320345 1693362.1 Sig F F value 5341.336020 .000000 B SE(B) Beta B/SE(B) x2 1.090606 .060219 .587428 18.110661 x3 1.226660 .097506 .408049 12.580325 Con sta

33、nt 3980.247846 738.314258 .000000 5.390994 END MA TRIX - 表 及 图形可知 ， 用 普通最 小 二 乘 法得到 Variables in the Equati on 结合 的 回 归方程为 y 4352.859 1.438x 0.679x 显然回归系数 明显不合理。 3 ? -3 =0.679 2 ,当 k=0.01 从岭参数图来看， 岭参数k在0.0到0.1之间，岭参数已基本稳定，再参照复决定系数 R2 时，复决定系数=0.998691,仍然很大，固用 k=0.01做回归得到的未标准化的岭回归方程 为 y=3980?.2479+1.09

34、061x 21.2267x 3。 7. 一家大型商业银行有多家分行，近年来，该银行的贷款额平稳增长，但不良贷款额也有较 大比例的提高，为弄清楚不良贷款形成的原因，希望利用银行业务的有关数据做些定量分析， 以便找出控制不良贷款的办法，表7.5是该银行所属25家分行2002年的有关业务数据。 （1）计算y和其余四个变量的简单相关系数。 （2）建立不良贷款 y对4个自变量的线性回归方程，所得的回归系数是否合理？ （3）分析回归模型的共线性。 （4）采用后退法和逐步回归法选择变量，所得回归方程的回归系数是否合理，是否还存在 共线性？ （5）建立不良贷款 y对4个自变量的岭回归。 （6）对第4步剔除变量

35、后的回归方程再做岭回归。 （7） 某研究人员希望做 y对各项贷款余额，本年累计应收贷款.贷款项目个数这三个变量的 回归，你认为这种做是否可行，如果可行应该如何做？ 相关性 1. 本年累计 本年固定 不良贷 各项贷款 应收到款 贷款项目 资产投资 款y 余额x1 x2 个数x3 额x4 Pears on相 不良贷款y 1.000 .844 .73； .700 .519 L 1 关性 各项贷款余额x1 .844 1.000 .679 .848 .780 1 J 本年累计应收到 .732 .679 1.000 .58.472 款x2 贷款项目个数x3 .700 .848 .586 1.000 .74

36、7 * 本年固定资产投 .519 .780.47； .747 1.000 资额x4 Sig.（单侧） 不良贷款y .000 .000 .000 .004 L 各项贷款余额x1 .000 .000 .000 .000 j 本年累计应收到 .000 .000 . .001 .009 款x2 贷款项目个数 x3 .000 .000 .001 .000 本年固定资产投 .004 .000 .009 .00( . 资额x4 N 不良贷款y 25 25 25 25 |25 各项贷款余额x1 25 25 25 25 |25 本年累计应收到 25 25 25 25 |25 款x2 贷款项目个数 x3 25 2

37、5 25 25 |25 本年固定资产投 25 25 25 25 |25 资额x4 系数 非标准化系数 标准系数 共线性统计量 模型 B 标准误差 试用版 t Sig. 容差 VIF 1 （常量） -1.022 .782 -1.306 .206 各项贷款余额x1 .040 .010 .891 3.837 .001 1 .188 15.331 本年累计应收到款x2 .148 .079 .26C 1.879 .075 5.529 )1.890 贷款项目个数x3 .015 .083 .034 .175 .86： T 3.26- 3.835 本年固定资产投资额x4 -.029 .015 -.325 -1

38、.937 .067 7.36( )2.781 a.因变量 :不良贷款y 共线性诊断a 模型 维数 特征值 条件索 引 方差比例 （常量） 各项贷款余 额x1 本年累计应 收到款x2 贷款项目个 数x3 本年固定 资产投资 额x4 1 1 4.538 1.000 .01 .00 .01 .0( .00 2 .203 4.733 .68 .03 .02 .01 .09 3 .157 5.378 .16 .00 .66 1 .01 .13 4 .066 8.287 .00 .09 .20 .36 .72 51.03611.215 .15 .87 .12.63 .05 a.因变量:不良贷款y 后退法得

39、 系数 非标准化系数 标准系数 模型 B 标准误差 试用版 t Sig. 1 1 （常量） -1.022 .782 -1.306 .206 各项贷款余额x1 .040 .010 .891 3.837 .001 本年累计应收到款x2 .148 .079 .26( )1.879 .075 贷款项目个数x3 .015 .08- .034 .175 .863 本年固定资产投资额x4 -.029 .015 -.325 -1.937 .067 _ 2 （常量） -.972 .711 -1.366 .186 各项贷款余额x1 .041 .009 .914 4.814 .000 本年累计应收到款x2 .149

40、 .077 .261 1.938 .066 本年固定资产投资额x4 1 -.029 .014 -.317 -2.006 .058 3 （常量） -.443 .697 -.636 .531 各项贷款余额x1 .050 .007 1.12C )6.73： .000 本年固定资产投资额x4 -.032 .015 -.355 -2.133 .044 a.因变量:不良贷款y I* =JB iSI* 逐步回归得 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 （常量） -.830 .72- -1.147 |7.534 .263 各项贷款余额x1 .038 .005 .844 .00

41、0 2 （常量） -.443 .697 -.636 b .531 各项贷款余额x1 .050 .007 1.120 )6.73： .000 本年固定资产投资额X4 -.032 .015 -.355 -2.133 .044 R-SQUARE AND BETA COEFFICIENTS FOR a.因变量:不良贷款y ESTIMA TED VALUES OF K K RSQ x1 x2 x3 x4 .00000 .79760 .891313 .259817 .034471 -.324924 .05000 .79088 .713636 .286611 .096624 -.233765 .10000

42、.78005 .609886 .295901 .126776 -.174056 .15000 .76940 .541193 .297596 .143378 -.131389 .20000 .75958 .491935 .295607 .153193 -.099233 .25000 .75062 .454603 .291740 .159210 -.074110 .30000 .74237 .425131 .286912 .162925 -.053962 .35000 .73472 .401123 .281619 .165160 -.037482 .40000 .72755 .381077 .27

43、6141 .166401 -.023792 .45000 .72077 .364000 .270641 .166949 -.012279 .50000 .71433 .349209 .265211 .167001 -.002497 .55000 .70816 .336222 .259906 .166692 .005882 .60000 .70223 .324683 .254757 .166113 .013112 .65000 .69649 .314330 .249777 .165331 .019387 .70000 .69093 .304959 .244973 .164397 .024860

44、.75000 .68552 .296414 .240345 .163346 .029654 .80000 .68024 .288571 .235891 .162207 .033870 .85000 .67508 .281331 .231605 .161000 .037587 .90000 .67003 .274614 .227480 .159743 .040874 .95000 .66508 .268353 .223510 .158448 .043787 1.0000 .66022 .262494 .219687 .157127 .046373 RIDGE TRACE Run MATRIX procedure: * R