2022年spss多元回归分析案例

1、. -企业治理对居民消费率影响因素的探究-以XX 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,三十多年间综合国力得到显著增强 ,但我国居民消费率始终偏低 ,甚至始终有下降的趋势；居民消费率的偏低必定会导致我国内需的缺乏,进而会影响我国经济的长期安康开展；本模型以 XX 省1995年-2022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：运算我国居民的消费率 ,用居民的人均消费除以人均 GDP,得到 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 :居民总收入,人均 GDP,人口构造状况 格指数增长率等因素；1儿童抚养系数,老年抚养系数,居民消费价1995 总

2、消费 C:亿元 总GDP亿元消费率 % 1095.97 2109.38 51.96 1997 1438.12 2856.47 50.35 2022 1594.08 3545.39 44.96 2022 1767.38 3880.53 45.54 2022 1951.54 4212.82 46.32 2022 2188.05 4757.45 45.99 1. 人口年龄构造一种比拟精准的描述是：儿童抚养系数0-14 岁人口与 15-64 岁人口的比值 、老年抚养系数 65 岁及以上人口与 15-64岁人口的比值或总抚养 系数 儿童和老年抚养系数之和 ；0-14 岁人口比例与 65岁及以上人口比例可

3、由.XX省统计年鉴 .查得；- word.zl. -2022 2452.62 5633.24 43.54 2022 2785.42 6590.19 42.27 2022 3124.37 7617.47 41.02 2022 3709.69 9333.4 39.75 2022 4225.38 11328.92 37.30 2022 4456.31 12961.1 34.38 2022 5136.78 15806.09 32.50 注：数据来自 .XX省统计年鉴 .一、计量经济模型分析一、数据搜集依据以上分析,本模型在影响居民消费率因素中引入6个说明变量； X1:居民总收入亿元, X2：人口增长率

4、 , 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 %；X2：人口X3：居民X6：居民Y：消费率X1:总收入增长率消费价格X4：少儿X5：老年消费比重% 亿元 指数增长抚养系数抚养系数%率1995 51.96 1590.75 9.27 17.1 45.3 9.42 68.9 1997 50.35 2033.68 8.12 2.8 41.1 9.44 70.72 2022 44.96 2247.25 3.7 0.4 39 9.57 70.93 - word.zl. -2022 45.54 2139.71 2.44 0.7 37.83 9.72

5、 82.6 2022 46.32 2406.55 2.21 -0.4 36.18 9.81 81.09 2022 45.99 2594.61 2.32 2.2 34.43 9.87 84.33 2022 43.54 2660.11 2.4 4.9 32.69 9.8 92.2 2022 42.27 3172.41 3.05 2.9 31.09 9.73 87.8 2022 41.02 3538.4 3.13 1.6 30.17 9.9 88.3 2022 39.75 4168.52 3.23 4.8 29.46 10.04 88.99 2022 37.3 4852.58 2.71 6.3 28

6、.62 10.1 87.07 2022 34.38 5335.54 3.48 -0.4 28.05 10.25 83.52 2022 32.5 6248.75 4.34 2.9 27.83 10.41 82.2 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,那么多元线性回来模型为：yt01 x12x23x34x45x 56x6利用 spss统计分析软件输出分析结果如下：Descriptive StatisticsY Mean Std. Deviation N 13 42.7600 5.74574 X1 3.3068E3 1436.45490 13 - word.zl. -表1 M

7、ethod X2 3.8769 表2 2.23538 13 b Variables Entered/RemovedX3 3.5231 4.57186 13 X6 82.2038 7.53744 13 Variables X5 6.8638 .43785 13 X4 23.5254 2.93752 13 Model Variables Entered Removed 1 X4, X3, X2, X6, . Enter X1, X5aa. All requested variables entered. b. Dependent Variable: Y 这局部被结果说明在对模型进展回来分析时所采纳

8、的方法是全部引入法 Enter；表3 CorrelationsPearson Correlation Y Y X1 X2 X3 X6 X5 X4 1.000 -.965 .480 .354 -.566 -.960 .927 Sig. 1-tailed X1 -.965 1.000 -.288 -.215 .451 .932 -.877 X2 .480 -.288 1.000 .656 -.767 -.577 .623 X3 .354 -.215 .656 1.000 -.293 -.365 .392 X6 -.566 .451 -.767 -.293 1.000 .722 -.795 X5 -

9、.960 .932 -.577 -.365 .722 1.000 -.982 X4 .927 -.877 .623 .392 -.795 -.982 1.000 Y . .000 .049 .118 .022 .000 .000 N X1 .000 . .170 .240 .061 .000 .000 X2 .049 .170 . .007 .001 .020 .011 X3 .118 .240 .007 . .166 .110 .093 X6 .022 .061 .001 .166 . .003 .001 X5 .000 .000 .020 .110 .003 . .000 X4 .000

10、.000 .011 .093 .001 .000 . Y 13 13 13 13 13 13 13 - word.zl. -X1 13 13 13 13 13 13 13 X2 13 13 13 13 13 13 13 X3 13 13 13 13 13 13 13 X6 13 13 13 13 13 13 13 X5 13 13 13 13 13 13 13 X4 13 13 13 13 13 13 13 这局部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,说明他们之间也存

11、在相关性；表4 bModel SummaryStd. Error of the Model R a .991R Square Adjusted R Square Estimate Durbin-Watson 1 .982 .964 1.09150 2.710 a. Predictors: Constant, X4, X3, X2, X6, X1, X5 b. Dependent Variable: Y 这局部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,回来估量的标准误差S=1.09150；说明样本的回来成效比拟好；表5 Model Regr

12、ession Sum of Squares ANOVAb6 Mean Square F Sig. df 1 389.015 64.836 54.421 a .000Residual 7.148 6 1.191 - word.zl. -Total 396.163 12 a. Predictors: Constant, X4, X3, X2, X6, X1, X5 b. Dependent Variable: Y 该表格是方差分析表,从这局部结果看出：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

13、.015,、残差平方和 7.148、总平方和为 396.163. 表6 aCoefficientsStandardized Model Constant Unstandardized Coefficients Coefficients t Sig. B Std. Error Beta 1 -33.364 66.059 -1.475 -.505 .632 X1 -.006 .002 -2.663 .037 X2 .861 .391 .335 2.201 .070 X3 .036 .121 .029 .301 .774 X6 -.091 .198 -.120 -.460 .662 X5 12.71

14、5 9.581 .969 1.327 .233 X4 .527 .818 .269 .644 .543 a. Dependent Variable: Y 该表格为回来系数分析,其中Unstandardized Coefficients为非标准化系数,Standardized Coefficients为标准化系数, t 为回来系数检验统计量, Sig.为相伴概率 值；从表格中可以看出该多元线性回来方程：- word.zl. -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

15、线性从“ 表 3 相关系数矩阵中可以看出,个个说明变量之间的相关程度较高,所以应当存在多重共线性；、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,挑选 输出表 7：进入与剔除变量表；stepwise逐步回来；a Variables Entered/RemovedModel 1 2 Variables Entered Variables Removed Method X1 . Stepwise Criteria: Probability-of-F-to-enter = .100. X2 . Stepwise Criteria: Probability-of-F-to-enter =

16、 .100. a. Dependent Variable: Y 可以看到进入变量为 X1与X2. 表8：c Model SummaryStd. Error of the Model R a .965R Square Adjusted R Square Estimate Durbin-Watson 1 .932 .925 1.57016 2 b .988.976 .971 .97673 1.983 a. Predictors: Constant, X1 b. Predictors: Constant, X1, X2 - word.zl. -c Model SummaryStd. Error of

17、 the Model R a .965R Square Adjusted R Square Estimate Durbin-Watson 1 .932 .925 1.57016 2 b .988.976 .971 .97673 1.983 a. Predictors: Constant, X1 c. Dependent Variable: Y 表8是模型的概况,我们看到以下图中标出来的五个参数,分别是负相关系数、打算系数、校正打算系数、随机误差的估量值和D-W值,这些值除了随机误差的估量值, D-W越接近 2越好都是越大说明模型的成效越好,依据比拟,其次个模型应当是最好的；表9：方差分析表Mo

18、del Regression Sum of Squares ANOVAcMean Square F Sig. df 1 369.043 1 369.043 149.689 a .0002 Residual 27.119 11 2.465 202.632 b .000Total 396.163 12 193.311 Regression 386.623 2 Residual 9.540 10 .954 Total 396.163 12 a. Predictors: Constant, X1 b. Predictors: Constant, X1, X2 c. Dependent Variable

19、: Y 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全部偏回来系数全为 0,sig值小于 0.05可以证明模型的偏回来系数至少有一个不为零；表10：参数检验aCoefficients- word.zl. -Standardized Model Constant Unstandardized Coefficients Coefficients t Sig. B Std. Error Beta 1 55.526 1.131 49.109 .000 2 X1 -.004 .000 -.965 -12.235 .000 Constant 52.497 .996 52.686 .000 X1 -.004 .000 -.902 -17.599 .000 X2 .565 .132 .220 4.293 .001 a. Dependent Variable: Y 参数的检验, 这个表格给出了对偏回来系数和标准偏回来系数的检验,偏回来系数用于不同模型的比拟, 标准偏回来系数用于同一个模型的不同系数的检验,其值越大说明对因变量的影响越大；综上可得：模型 2为最优模型；得出回来方程Y=52.497-0