spss多元回归分析案例

1、企业管理对居民消费率影响因素的探究以湖北省为例改革开放以来，我国经济始终保持着高速增长的趋势增强，但我国居民消费率一直偏低，甚至一直有下降的趋势致我国内需的不足，进而会影响我国经济的长期健康发展。,三十多年间综合国力得到显著）居民消费率的偏低必然会导本模型以湖北省1995年-2010年数据为例，探究各因素对居民消费率的影响及多元关系。（注：计算我国居民的消费率，用居民的人均消费除以人均到居民的消费率）。通常来说，影响居民消费率的因素是多方面的，如收入，人均GDP,人口结构状况1（儿童抚养系数，老年抚养系数），居民消费价格指数增长率等因素。（注：数据来自湖北省统计年鉴）GDP得:居民总总消费（C

2、:亿元）总GDP乙元）消费率（%）19951095.972109.3851.9619971438.122856.4750.3520001594.083545.3944.961d120011767.383880.5345.5420021951.544212.8246.3220032188.054757.4545.9920042452.625633.2443.5420052785.426590.1942.2720063124.377617.4741.0220073709.699333.439.75200814225.3811328.9237.30200914456.3112961.134.3820

3、105136.7815806.0932.50、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1.人口年龄结构一种比较精准的描述是：儿童抚养系数人口的比值）、老年抚养系数（65岁及以上人口与15-64（0-14岁人口与15-64岁岁人口的比值或总抚养系数（儿童和老年抚养系数之和）年鉴查得。0-14岁人口比例与65岁及以上人口比例可由湖北省统计X4:总收入（亿元），X2:人口增长率（少儿抚养系数，X5:老年抚养系数，%。），X3:居民消费价格指数增长率,X6:居民消费占收入比重（Y:消费率X1:总收入X2人口增X3居民消X4:少儿抚X5:老年

4、抚X6:居民消(%)（亿元）长率（%。）费价格指养系数养系数费比重（%数增长率199551.961590.759.2717.145.39.4268.9199750.352033.688.122.841.19.4470.72200044.962247.253.70.4399.5770.93200145.542139.712.440.737.839.7282.6200246.322406.552.21-0.436.189.8181.09200345.992594.612.322.234.439.8784.33200443.542660.112.44.932.699.892.2200542.2731

5、72.413.052.931.099.7387.8200641.023538.43.131.630.179.988.3200739.754168.523.234.829.4610.0488.99200837.34852.582.716.328.6210.187.07200934.385335.543.48-0.428.0510.2583.52201032.56248.754.342.927.8310.4182.2（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:而LI1x12x23x34x45x56x6利用spss统计分析软件输由分析结果如下:Descript

6、iveStatisticsStd11MeanDeviationNY42.76005.7457413X13.3068E31436.4549013X23.87692.2353813X33.52314.5718613X682.20387.5374413表1bVariablesEnteed/RemovedVariableModelVariablesEnteredsRemovedMethod1X4,X3,X2,X6,.EnterX1,X5a.Allrequestedvariablesentered.X5表26.8638.4378513b.DependentVariable:Y文部分被结果说明在对模:里进

7、行回.日分析时所采用的方法是wF部引入法Eniter。衣3CorrelaionsYX1X2X3X6X5X4PearsonCorrelationY1.000-.965.480,.354-.566-.960.92/-X1-.9651.000-.288-.215一.451.932.877X2.480-.2881.000.656I-.767-.577.623X3.354-.215.6561.000I1-.293-.365.392X6-.566.451-.767-.2931.00C.722.795X5-960932-577-3657221000-982.rr.1.00X4.927-.877.623.39

8、2I-.795-.982,0Sig.(1-tailed)Y.000.049.118I.022.000.000X1.000.170.240.061.000.000X2.049.170.007r.001.020.011X3.118.240.007.166.110.093X6.022.061.001.166.003.001X5X4.000.000.000.000.020.011.110.093.003.001.000.000.NY13131313131313X113131313131313X213131313131313X31：，1；31313131313X61：，1；31313131m=313X5

9、13，1；31F313131313X413_1：31313131313这部分列由了各变量之间的相关性，从表格可以看由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。bModelSummaryDurbin-Watson2.710AdjustedRStd.ErrorofModelRRSquareSquaretheEstimate1991a.9829641.09150a. Predictors.(Constant),X4,X3,X2,X6,X1,X5b. DependentVariable:Y这部分结果得到的理

10、常用统计量，相关系数R=0.991,判定系数=0.982,调S=1.09150O说明样本的回归效整的判定系数=0.964,回归估计的标准误差a.Predictors:(Constant),X4,X3,X2,X6,X1,X5b.DependentVariable:Y该表格是方差分析表，从这部分结果看由：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。SumofSquares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.CoefficienatsStandardizedUnstaCoendardizedfficient

11、sCoefficientsModel1pStd.Ojp.(ConstantBErrorBetatSig.)-33.36466.059-.505.632X1-.006.002-1.475-2.663.037X2.861.391.3352.201.070X3.036.121.029.301.774X6-.091.198-.120-.460.662X512.7159.581.9691.327.233X4.527.818.269.644.543a. DependentVariable:Y该表格为回归系数分析，其中UnstandardizedCoefficients为非标准化系数，Standardize

12、dCoefficients为标准化系数，t为回归系数检验统计量，Sig.为相伴概率值。从表格中可以看由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修正、检验多重共线性从“表3相关系数矩阵”中可以看由，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。、多重共线性的修正一一逐步迭代法公用spss软件中的剔除变量法，选择stepwise逐步回归。输由表7:进入与剔除变量表aVariablesEntered/RemovedVariablesVariable

13、sModel1EnteredRemovedMethodStepwise(Criteria:Probability-of-F-to-enterX1.=100)zStepwise(Criteria:Probability-2of-F-to-enter=.100).a.DependentVariable:Y同进入量为X1-目X2.羡8:ModelSummaryStd.ErrorAdjustedRofModelRRSquare1SquaretheEstimateDurbin-Watson1.965a.932.9251.570162.988b.976.971.976731.983a.Predictors

14、:(Constant),X1b. Predictors:(Constant),X1,X2羡8是被型的概况，我便看到下图中标出来的五个参数,分别是负相关系长、决定系娄：、校（决定系k随机误差的古计值和D-W值，这些值（除了随机误差的古计值，D-W越接迂或好）都是越大表明模型卜J鸵果越好，根据二匕较，第F也应该是羡9:方豉好的美分析表cANOVAModelSumofSquaresdfMeanSquareFSig.1Regression369.043,1369.043149.689.000aResidual27.119.112465Total396.16312p.DependentVariable:

15、Y2Regression386.6232193.311202.632Residual9.54010.954Total396.16312.000ba.b.c.Predictors:(Constant),X1Predictors:(Constant),X1,X2DependentVariable:Y方差分析表，四个模型都给由了方差分析的结果，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一个不为零。表10:参数检验CoefficienatsStandardizedUnstandarCoefficiendizeditsCoefficientsModelp

16、Std.aO：n(ConstantBSig.1)55.5261.13149.1091.000X1/JLf一4-.004.000-.965-12.235.0002(Constant)52.497.99652.686ri1.000X1-.004.000-.902-17.599.000X2.565.132.2204.293.001a.DependentVariable:Y参数的检验，这个表格给由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。得由回归方程Y=52.497-0.

17、004X1+0.056X2+（二）、异方差的检验输由残差图：如图1RegressionStandardizedPredictedValue从图1看由，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检验由输生结果表8得：DW=1.983,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）、统计检验于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=0O9673o说明样本的回归效果比较好。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