应用回归分析课后题复习资料

《应用回来分析》局部课后习题答案

第一章回来分析概述

1.1变量间统计关系和函数关系的区分是什么？

答：变量间的统计关系是指变量间具有亲密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确实定关系。

1.2回来分析及相关分析的联络及区分是什么？

答：联络有回来分析和相关分析都是探讨变量间关系的统计学课题。

区分有a.在回来分析中，变量y称为因变量，处在被说明的特殊地位。

在相关分析中­变量x和变量y处于同等的地位•即探讨变量y及变

量x的亲密程度及探讨变量x及变量y的亲密程度是一回事。b.相关

分析中所涉及的变量y及变量x全是随机变量。而在回来分析中，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确实定

变量°C.相关分析的探讨主要是为了刻画两类变量间线性相关的亲密

程度。而回来分析不仅可以提醒变量x对变量y的影响大小，还可以

由回来方程进展预料和限制。

1.3回来模型中随机误差项£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

系描绘为一个随机方程，使得我们可以借助随机数学方法探讨y及

xl,x2.•…xp的关系，由于客观经济现象是错综困难的­一种经济现象

很难用有限个因素来精确说明，随机误差项可以概括表示由于人们的

相识以及其他客观缘由的局限而没有考虑的种种偶尔因素。

1.4线性回来模型的根本假设是什么？

答：线性回来模型的根本假设有：1.说明变量xl.x2....xp是非随机的，

观测值xil.xi2.•…xip是常数2等方差及不相关的假定条件为任何）=0

i=l,2..„Cov（£i,Ej）={0A2

3.正态分布的假定条件为互相独立。4.样本容量的个数要多于说明变

量的个数，即n>p.

1.5回来变量的设置理论根据是什么？在回来变量设置时应留意哪

些问题？

答：理论推断某个变量应当作为说明变量，即便是不显著的，假如理

论上无法推断那么可以采纳统计方法来推断，说明变量和被说明变量

存在统计父系。应留意的问题有：在选择变量时要留意及一些特地领

域的专家合作，不要认为一个回来模型所涉及的变量越多越好，回来

变量确实定工作并不能一次完成，须要反复试算，最终找出最适宜的

-些变量°

1.6搜集•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•因此数据搜集

的方法主要有按时间依次统计数据和在同一时间截面上统计数据，在

数据的搜集中■样本容量的多少一般要及设置的说明变量数目相配

套。而数据的整理不仅要把一些变量数据进展折算差分甚至把数据对

数化•标准化等有时还需留意剔除个别特殊大或特殊小的"野值"。

1.7构造回来理论模型的根本根据是什么？

答：选择模型的数学形式的主要根据是经济行为理论，根据变量的样

本数据作出说明变量及被说明变量之间关系的散点图，并将由散点图

显示的变量间的函数父系作为理论模型的数学形式。对同一问题我们

可以采纳不同的形式进展计算机模拟，对不同的模拟结果，选择较好

的一个作为理论模型。

1.8为什么要对回来模型进展检验？

答：我们建立回来模型的目的是为了应用它来探讨经济问题，但假如

立刻就用这个模型去预料，限制，分析，明显是不够慎重的•所以我

们必需通过检验才能确定这个模型是否真正提醒了被说明变量和说

明变量之间的关系。

1.9回来模型有那几个方面的应用？

答：回来模型的应用方面主要有：经济变量的因素分析和进展经济预

料。

1.10为什么强调运用回来分析探讨经济问题要定性分析和定量分析

相结合？

答：在回来模型的运用中，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外表上去探讨问题，不

涉及事物质的规定性，单纯的外表上的数量关系是否反映事物的本

质？这本质原委如何？必需依靠特地的学科探讨才能下定论，所以，

在经济问题的探讨中，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，必需把参数估计的结果和详细经济问题以及现实状况严

密结合，这样才能保证回来模型在经济问题探讨中的正确应用。

第二章一元线性回来

2.14解答：(1)散点图为：

(2)x及y之间大致呈线性关系。

(3)设回来方程为：=/。+/产

(4)0=.i)

A2

(5)由于4W,，—)

听从自由度为n-2的t分布。因此

也即：p(3-,<片<4+/2

可得2的置信度为95%的置信区间为(7-2.353xgj万，7+2.353x；屈)

即为：(2.49，11.5)

听从自由度为n-2的t分布。因此

'10)2

即Q£

可得成的置信度为95%的置信区间为(-7.77,5.77)

_〃A-

X及确实定系数产=弋21-----=490/600«0.817

(6)yn-

ANOVA

平方和df均方F显著性

组间(组合)9.00024.5009.000

线性加权的8.16718.16716.33.056

项3

偏向,8331.8331.667.326

组内1.0002,500

总数10.004

0

由于尸>/(1,3),回绝“。，说明回来方程显著以及丫有显著的线性关系。

••・承受原假设“0：四=0,认为4显著不为0，因变量y对自变量X的一

元线性回来成立。

Z(x,.-x)(X-y)

(9)相父系数r=厂=4-

和(…)2(X7)4

Vi=\i=l

「小于表中a=l%的相应值同时大于表中a=5%的相应值■.-.X及y有

显著的线性今系.

(10)

Xye

序号y

111064

221013-3

3320200

442027-7

5540346

残差图为：

从图上看，残差是围绕e=0随机波动，从而模型的根本假定是满意

的。

(11)当广告费%=4.2万元时，销售收入

%=28.4万元，置信度为95%的置信区间

近似为y±2cr•即(17.1139.7)

2.15解答:

(1)散点图为：

X与y散点图

250.00500.00750.001000.001250.00

X

(2)x

及y之间大致呈线性关系。

(3)设回来方程为y=/o+/|x

A2]nA2

(4)b=—X(x--x)

n-2仁

=0.2305

2=0.4801

2

⑸由于公N（凡十）

听从自由度为n-2的t分布。因此

也即:P(A-心-S=<g<2+&2=\-a

可得2的置信度为95%的置信区间为

即为:(0.0028-0.0044)

听从自由度为n-2的t分布。因此

可得公的置信度为95%的置信区间为（-0.3567,0.5703）

A

16.82027

(6)x及y确实定系数/=个———=0.908

f(y-切?18.525

>=i

⑺

ANOVA

x

平方和df均方F显著性

组间（组合）1231497.7175928.25.302.168

50014

线性加权的1168713.11168713.35.22.027

项0360362

偏向62784.46610464.07.315.885

47

组内66362.50233181.25

00

总数1297860.9

000

由于尸＞月(1,9),回绝”。，说明回来方程显著以及y有显著的线性关系。

22

其中。1〃1A

（y-丫）

〃-2,=]〃-2,=]

.•・承受原假设“o：4=o,认为A显著不为0•因变量y对自变量X的一

元线性回来成立。

一-

Z（%—x）（y.—y）

(9)相关系数「1_L冷，

't（x,-x）2t（x-.y）

i=\/=1

r小于表中£=1%的相应值同时大于表中£=5%的相应值，；.X及y有

显著的线性关系.

（10）

Xy/\e

序号y

18253-53.07680.4232

221510.88080.1192

3107043.95880.0412

455022.0868-0.0868

548011.8348-0.8348

692033.4188-0.4188

713504.54.9688-0.4668

83251.51.27680.2232

967032.51880.4812

10121554.48080.5192

从图上看，残差是围绕e=0随机波动，从而模型的根本假定是满意

的。

(11)新保单升=1000时，需要加班的时间为3=3.7小时。

(12)M的置信概率为1-。的置信区间精确为丫0±如2(”-2)"^?6

即为(2.7•4.7)

近似置信区间为：，即(2.74-4.66)

(13)可得置信程度为的置信区间为J土%2("-2)师b，即为(3.33-

4.07).

2.16(1)散点图为：

可以用直线回来描绘y及x之间的关系.

⑵回来方程为:；=12112.629+3.314x

⑶

直方图

从图上可看出，检验误差项听从正态分布。

第三章多元线性回来

3.11解：（1）用SPSS算出y，xl，x2,x3相关系数矩阵:

相关性

yxlx2x3

Pearsony1.000.556.731.724

相关性xl.5561.000.113.398

x2.731,1131.000.547

x3.724,398,5471.000

y*,048.008.009

xl.048•.378.127

x2.008.378*.051

x3.009,127.051•

Ny10101010

xl10101010

x210101010

x310101010

1.0000.S560.7310.724

所以尸=0.5561.000<U130.398

0.7310.1131X1000.547

0.7240.39805471.000

系数a

模非标准化系标准B的95.0%共线性统计

型数系数置信区间相关性量

标准误试用上局

B版tSig.下限限零阶偏部容差VIF

（常-34176.4-1.9.096-7883.5

量）8.2859740.0600

00

xl3.751.93：3.3851L.94.100-.978.48.556,621.35.8251.21

427501

x27.102.880.5352.46.049.05314.1.731,709.44.6871.45

154945

x312.410.56.2771L.17.284-13.38.3.724.433.21.5861.70

47984151028

a.因变is:y

⑵

所以三元线性回来方程为夕=-348.28+3.754x1+7.101^2+12.447x3

模型汇总

模型标准估更改统计量

调整计的误R方更Sig.F更

RR方R方改F更改dfldf2

1.89.806.70823.441.8068.28336.015

8a88

a.预料变量:(常量),x3,xl,x20

(3)

由于确定系数R方=0.708R=0.898较大所以认为拟合度较高

(4)

Anovab

模型平方和df均方FSig.

1回来13655.334551.78.283.015a

7090

残差3297.136549.52

02

总计16952.59

00

a.预料变量:(常量),x3,xl,x20

b.因变量:y

因为F=8.283P=0.015<0.05所以认为回来方程在整体上拟

合的好

(5)

系数a

模型标准系B的95.0%共线性统计

非标准化系数数置信区间相关性量

标准误Sig

B差试用版t下限上限零阶偏局部容差VIF

1(-348.2176.4-1.9.09-780.083.5

常80597466000

量

)

X3.7541.933.3851.94.10-.9778.48.556.62.350.8251.2

1205111

X7.1012.880.5352.46.04.05314.1.731.70.444.6871.4

25949955

X12.4410.56.2771.17.28-13.4138.3.724.43.212.5861.7

37984510308

a.因变量:y

(6)可以看到P值最大的是x3为0.284•所以x3的回来系数没有

通过显著检验•应去除。

去除x3后作F检验，得：

Anovab

模型平方和df均方FSig.

1回来12893.126446.611.11,007a

99007

残差4059.307579.90

10

总计16952.59

00

a.预料变量:（常量）,x2,xl°

b.因变量:y

由表知通过F检验

接着做回来系数检验

系数a

模型标准系B的95.0%共线性

非标准化系数数置信区间相关性统计量

标准误容

B差试用版tSig.下限上限零阶偏局部差VIF

（常-459.6153.05-3.0.020-821.5-97.70

量）24803470

xl4.6761.816.4792.57.037.3818.970.556.697.476.981.0

5713

x28.9712.468,6763.63.0083.13414.80.731.808.672.981.0

48713

a.因变量:y

此时•我们发觉xl，x2的显著性大大进步。

(7)xl:(-0.997,8.485)x2:(0.053,14.149)

x3:(-13.415,38.310)

(8)夕*=0.385xl*+0.535x2*+0.277x3*

(9)

残差统计量a

标准偏

微小值极大值均值向N

预料值175.47292.55231.5038.95210

48450006

标准预料值-1.4381.567.0001.00010

预料值的标准误10.46620.19114.5263.12710

差

调整的预料值188.35318.10240.1849.83910

15673514

残差-25.19733.225.0000019.14010

594922

标准残差-1.0751.417.000.81610

Student化残差-2.1161.754-.1231.18810

已删除的残差-97.61550.882-8.68343.43210

23744820

Student化已删-3.8322.294-.2551.65810

除的残差

Mahal°间隔.8945.7772.7001.55510

Cook的间隔.0003.216.486.97610

居中杠杆值.099.642.300.17310

a.因变量:y

所以置信区间为(175.4748­292.5545)

(10)由于x3的回来系数显著性检验未通过，所以居民非商品支出

对货运总量影响不大，但是回来方程整体对数据拟合较好

3.12解：在固定第二产业增加值•考虑第三产业增加值影响的状况

下，第一产业每增加一个单位，GDP就增加0.607个单位。

在固定第一产业增加值，考虑第三产业增加值影响的状况下，

第二产业每增加一个单位，GDP就增加1.709个单位。

第四章违反根本假设的状况

4.8

加权变更残差图上点的漫步较之前的残差图，没有明显的趋势，点的

漫步较随机•因此加权最小二乘估计的效果较最小二乘估计好。

4.9解:

系数a

模型标准系

非标准化系数数

标准误

B差试用版tSig.

1(常-.831.442-1.882.065

量)

X,004,000,83911.03.000

0

a.因变量:y

由SPSS计算得：y=-0.831+0.004x

残差散点图为：

(2)由残差散点图可知存在异方差性

再用等级相关系数分析：

相关系数

Xt

SpearmanX相关系数1.000.318*

的rhoSig.(双*.021

根U)

N5353

T相关系数,318*1.000

Sig.（双.021•

侧）

N5353

*.在置信度（双测）为0.05时，相关性是显

著的。

P=0.021所以方差及自变量的相关性是显著的。

（3）

模型描绘

因变量y

自变1X

量

权重源X

器值1.500

模型:MOD_1.

M=1.5时可以建立最优权函数，此时得到：

ANOVA

平方

和df均方FSig.

回.0061.00698.6.000

来04

残.00351.000

差

总.00952

计

系数

未标准化系

数标准化系数

标准试用标准

B误版误tSig.

（常-.683.298-2.29.026

数）6

X.004.000.812.0829.93.000

0

所以:y=-0.683+0.004x

(4)

系数a

模型标准系

非标准化系数数

标准误

B差试用版tSig.

1(常.582,1304.481.000

量)

X,001,000.8059.699.000

a.因变量:yy

4.10经济变量的滞后性会给序列带来自相关性。如前期消费额对后

期消费额一般会有明显的影响，有时，经济变量的这种滞后性表现出

一种不规则的循环运动，当经济状况处于衰退的低谷时，经济扩张期

随之开场，这时，大多数经济时间序列上升的快一些。在经济扩张时

期•经济时间数列内部有一种内在的动力•受此影响，时间序列始终

上升到循环的顶点，在顶点时刻，经济收缩随之开场。因此，在这样

的时间序列数据中，依次视察值之间的相关现象是恨自然的。

4.11当一个线性回来模型的随机误差项存在序列相关时，就违反了

线性回来方程的根本假设，假如仍旧干脆用一般最小二乘估计未知参

数，将会产生严峻后果•一般状况下序列相关性会带来下列问题：

(1)参数的估计值不再具有最小方差线性无偏性。

(2)均方误差MSE可能严峻低估误差项的方差。

(3)简洁导致对t值评价过高，常用的F检验和t检验失效。假如

无视这一点，可能导致得出回来参数统计检验为显著，但事实上并不

显著的严峻错误结论。

(4)当存在序列相关时，最小二乘估计量对抽样波动变得特别敏感。

(5)假如不加处理地运用一般最小二乘法估计模型参数，用此模型

进展预料和进展构造分析将会带来较大的方差甚至错误的说明。

4.12优点：DW检验有着广泛的应用，对许多模型能简洁便利的推

断该模型有无序列相关性，当DW的值在2左右时，则无需查表，

即可放心的认为模型不存在序列的自相关性。

缺点：DW检验有两个不能确定的区域，一旦DW值落在这两个区域•

就无法推断•这时，只有增大样本容量或选取其他方法；DW统计量

的上'下界表要求n>15,这是因为假如样本再小，利用残差就很难对

自相关的存在性作出比拟正确的推断；DW检验不合适随机项具有高

阶序列相关的检验。

4.13解：

(1)

系数a

模型标准系

非标准化系数数

标准误

B差试用版tSig.

1(常-1.435.242-5.930.000

量)

X.176,002.999107.9.000

28

a.因变量:y

y=-1.435+0.176x

⑵

模型汇总b

模型调整R标准估计Durbin-

RR方方的误差Watson

1,999a,998,998,09744.663

a.预料变量:(常量),x°

b.因变量:y

DW=0.663查DW分布表知：4=0.95

所以DW<4,故误差项存在正相关。

残差图为：

e,随t的变更逐次变更并不常见的变更符号说明误差项存在正相关。

(3)P=1-O.5*DW=O.6685计算得：

Y'X，8.4951.17

7.3944.907.8847.26

7.6545.808.7752.33

6.8440.698.9352.69

8.0048.509.3254.95

7.7946.859.2955.54

8.2649.459.4856.77

7.9648.479.3855.83

8.2850.049.6758.00

7.9048.039.9059.22

Y'X'

模型汇总b

模型调整R标准估计Durbin-

RR方方的误差Watson

1,996a,993,993.073951.344

a.预料变量:（常量）,xx°

b.因变量:yy

系数a

模型标准系

非标准化系数数

标准误

B试用版tSig.

1（常-.303.180-1.684.110

量）

XX.173,004,99649.01.000

1

a.因变量:yy

得回来方程y'=-0.303+0.173x,

即:=-0.303+0.6685y,_,+0.173(%—0.6685x,_,)

(4)

模型汇总b

模型调整R标准估计Durbin-

RR方方的误差Watson

1.978a,957,955.074491.480

a.预料变量:（常量）,x3°

b.因变量:y3

系数a

模型标准系

非标准化系数数

标准误

B试用版tSig.

1（常.033.0261.273.220

量）

x3.161,008.97819.52.000

8

a.因变量:y3

△y,=0.033+0.161Ax,

即：y,=0.033+y,_,+0.161（）

（5）差分法的DW值最大为1.48消退相关性最彻底，但是迭代法

的3值最小为0.07395，拟合的较好。

4.14解：（1）

模型汇总b

模型调整R标准估计Durbin-

RR方方的误差Watson

1,541a,293,264329.6930.745

2

a.预料变量:（常量）,x2,xl°

b.因变量:y

系数a

模型标准系

非标准化系数数

标准误

B试用版tSig.

1(常-574.0349.27-1.644.107

量）621

xl191.0973.309.3452.607.012

8

x22.045,911.2972.246.029

a.因变量:y

回来方程为:y=-574.062+191.098x1+2.045x2

DW=0.745<DI所以误差项存在正相关

残差图为：

(2)p=l-0.5*DW=0.6275

模型汇总b

模型调整R标准估计Durbin-

RR方方的误差Watson

1,688a,474,452257.67061.716

4

a.预料变量:（常量）,x22,xl20

b.因变量:y2

系数,

模型标准系

非标准化系数数

标准误

B试用版tSig.

1(常-179.690.337-1.989.052

量）68

X12211.7747.778.5224.432.000

0

x221.434.628.2692.283.027

a.因变量:y2

此时得方程：＜=-179.668+211.77xl,+1.434x2'

所以回来方程为：

y,=-179.668+0.6275+211.77(x1,-0.6275+1.434(x2,-0.6275x2,_t)

(3)

模型汇总b

模型调整R标准估计Durbin-

RR方方的误差Watson

1,715a,511,490283.79102.042

2

a.预料变量:（常量）,x23,xl30

b.因变量:y3

系数a

模型标准系

非标准化系数数

标准误

B试用版tSig.

1(常7.69839.754.194.847

量）

X13209.844.143,5444.755.000

91

x231.399,583.2742.400.020

a.因变量:y3

此时得方程:△y,=7.698+209.891Axl+1.399Ax2

所以回来方程为：立=7.698+209.891(七一%_1)+1.399(x2,—x21)

4.15异样值缘由异样值消退方法

1）数据登记误差，存在抄写或录入的错误重新核实数据

2）数据测量误差重新测量误差

3）数据随机误差删除或重新观测异样值数据

4）缺少重要自变量增加必要的自变量

5）缺少观测数据增加观测数据，适当扩大自变

量取值范围

6）存在异方差采纳加权线性回来

7）模型选用错误，线性模型不适用改用非线性回来模型

4.16

编号学生化残差删除学生化残差杠杆值库克间隔

1-0.89353-0.876040.354180.16609

20.627670.592770.140250.03115

30.265170.243490.160790.00620

4-0.00433-0.003960.099350.00000

51.754002.293830.247020.40874

6-2.11566-3.832140.641873.21601

7-1.17348-1.220390.492770.50110

8-1.16281-1.206060.361290.28946

90.409350.379020.163660.01500

101.064621.079110.338830.22158

从上表中看到，肯定值最大的学生化残差为2.11566•小于3■因此

根据学生化残差诊断认为数据不存在异样值。肯定值最大的删除学生

化残差为3.83214，大于3，因此根据学生化残差诊断为第6个数据

为异样值，是因变量的异样值。其中心化杠杆值等于0.64187最大­

库克间隔等于3.21601也是最大，中心化杠杆平均值为0.3001，第

6个数据杠杆值等于0.64187大于2倍的中心化杠杆值，因此从杠杆

值看第6个数据是自变量的异样值•同时第6个数据的库克间隔等

于3.21601，大于1，这样第6个数据为异样值的缘由是由自变量异

样及因变量异样两个缘由共同引起的。

第五章自变量选择及逐步回来

5.9后退法：输出结果

系数a

模型非标准化标准

系数系数

标准试用

B误差版tSig.

1（常143225.638,533

量）8.122.47

02

农业-.62.168-1.0-3.7.002

xl69820

工业-.32.207-1.3-1.5.135

x285287

建筑-.38.555-.25-.69.501

业x3311

人口-.00,025-.01-.16.875

x4441

最终.672.1303.715.17.000

消费08

x5

受灾-.00.008-.01-.69.499

面积655

x6

2（常107299.3.60.003

量）9.757592

4

农业-.64.130-1.1-4.9.000

xl22625

工业-.30.131-1.2-2.3.035

x234914

建筑-.40,525-.26-.76.456

业x3235

r=i

取终.658.0953.636.90.000

消费65

x5

母vT7灾-.00.007-.01-.84.409

面积679

x6

3(常108295.3.66.002

量）3.158162

0

农业-.62.127-1.0-4.9.000

xl49531

工业-.37,093-1.5-3.9.001

x233598

r=i

取终.657.0943.626.98.000

消费71

x5

母VT7灾-.00.007-.01-.75.460

面积558

x6

4(常874.106.8.18.000

量）6048694

农业-.61.124-1.0-4.9.000

xl17336

工业-.35.088-1.4-3.9.001

x235494

日

取终.637.0893.517.14.000

消费62

x5

a.因变量：财政收入y

Anovae

模型平方

和df均方FSig.

1回1.36562.274602..000

来E8E7127a

残528791437770

差3.319.951

总1.37020

计E8

2回1.36552.729772..000

来E8E7734b

残529761535317

差7.852.857

总1.37020

计E8

3回1.36443.411991..000

来E8E7468C

残550441634402

差0.103.506

总1.37020

计E8

4回1.36434.547135.000

来E8E75.75d

3

残570181733540

差0.931.055

总1.37020

计E8

a.预料变量：（常量），受灾面积x6,建筑

业x3,人口x4,农业xl,最终消费x5,工

业x2°

b.预料变量：（常量），受灾面积x6,建筑

业x3,农业xl,最终消费x5,工业x2。

c.预料变量：（常量），受灾面积x6,农业

xl,最终消费x5,工业x2。

d.预料变量：（常量），农业xl,最终消费

x5,工业x2°

e.因变量：财政收入y

模型汇总

模更改统计量

型Sig.

标准估RF

R调整计的误方更F更更

R方R方差改改dfldf2改

1.998.996.994194.34.996602.614.00

a7501270

2.998.996.995187.93.000.026114.87

b0465

3.998.996.995185.47.000.585115.45

c9136

4.998.996.995183.13.000.574116.46

d9440

a.预料变量:（常量），受灾面积x6,建筑业x3,人口x4,农

业xl,最终消费x5,工业x2。

b.预料变量:（常量），受灾面积x6,建筑业x3,农业xl,最

终消费x5,工业x2。

c.预料变量：（常量），受灾面积x6,农业xl,最终消费x5,

工业x2°

d.预料变量:（常量），农业xl,最终消费x5,工业x2。

回来方程为:回874.604-0.611%-0.353%+0.637尤5

逐步回来法：输出结果

模型汇总

模型更改统计量

Sig.

调整R标准估计R方更F更

RR方方的误差改F更改dfldf2改

1.994a.989.988285.6837.9891659.4119.000

341

2.996b.992.991247.7776.0037.258118.015

8

3.998c.996.995183.1394.00415.948117.001

4

a.预料变量:（常量），最终消费x5。

b.预料变量:（常量），最终消费x5,农业xl。

c.预料变量:（常量），最终消费x5,农业xl,工业x2。

Anovad

模型平方和df均方FSig.

1回1.354E11.354E1659..000a

来88441

残1550681981615.

差8.654192

总1.370E20

计8

2回1.359E26.794E1106.,000b

来87637

残1105081861393.

差8.003778

总1.370E20

计8

3回1.364E34.547E1355.,000c

来87753

残5701801733540.

差.931055

总1.370E20

计8

a.预料变量:（常量），最终消费x5。

b.预料变量:（常量），最终消费x5,农业xl。

c.预料变量：（常量），最终消费x5,农业xl,工业

x2°

d.因变量：财政收入y

系数a

模型非标准化系标准

数系数相关性

标准试用局

B误差版tSig.零阶偏部

1（常710.90.87.81.000

量）37291