回归分析论文

因变量: 财政收入 y 1415.884=-.645X1+-.264X2+-.452X3+-.002X4+.637X5+-.008X6 t=.598 -3.684 -1.266 -.798 -.074 4.903 -.967
四、检验及修正 1．经济意义检验 从上表中可以看出， 各指标符号与先验信息有点出入， 所估计结果与经济原理向悖，说明观测数据具有多重 共线性等问题，但仍具有经济意义。 2．统计推断检验 从回归结果可以看出,模型的拟合优度非常好 (������ 2 =0.996)，F 统计量的值在给定显著性水平 α=0.05 的情况下也较显著，t 统计值均不显著，由直观判定法 得知自变量的回归系数所带正负号与定性分析结果违 背。说明观测值变量之间存在多重共线的影响使其 t 值不显著。 3．基本假定检验 1）多重共线性检验 ①检验：由 F=122.712 > F0.05 (5,18)=2.64(显著性水平 α=0.05) 表明模型从整体上看粮食产量与解释变量间 线形关系显著。 这里采用“简单相关系数矩阵法”对其进行检验
.999
**
1
.867
**
.997
**
.495
*
显 著 性 （ 双 .000 侧） N 21
.000
.000
.000
.022
21
21
21
21
21
人口数 x4
Pearson 关性
相 .909
**
.872
**
.867
**
1
.892
**
.576
**
显 著 性 （ 双 .000 侧） N 21
.000
.000
Anova 模型 1
b
平方和 回归 残差 总计 1.364E8 554781.122 1.370E8
df 6 14 20
均方 2.274E7 39627.223
F 573.812
Sig. .000
a
a. 预测变量: (常量), 受灾面积 x6, 建筑业增加值 x3, 人口数 x4, 农业增加值 X1, 社 会消费总额 x5, 工业增加值 x2。 b. 因变量: 财政收入 y
三、参数估计
模型： Y=C+C1*X1+C2*X2+C3*X3+C4*X4+C5*X5+C6*X6+u
用 SPSS 估计结果为：
模型汇总 模型 1 R .998
a
R 方 .996
调整 R 方 .994
标准 估计的误差 受灾面积 x6, 建筑业增加值 x3, 人口数 x4, 农业增加值 X1, 社会消费总额 x5, 工业增加值 x2。
额 x5 .997
**
x6 .507
*
工业增加值 x2 Pearson 关性
相 .994
**
1
.999
**
.872
**
.999
**
.503
*
显 著 性 （ 双 .000 侧） N 21 21
.000
.000
.000
.020
21
21
21
21
建 筑 业 增加 值 Pearson x3 关性
相 .992
**
x2 表示工业增加值（单位：亿元） x3 表示建筑业增加值（单位：亿元） x4 表示人口数（单位：万人） x5 表示社会消费总额（单位：亿元） x6 表示受灾面积（单位：万 h ㎡） 数据如下：
年份 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 建 筑 业 农 业 增 工 业 增 增 加 值 加值 X1 加值 x2 x3 1018.4 1607 138.2 1258.4 1769.7 143.8 1359.4 1996.5 195.5 1545.6 2048.4 207.1 1761.6 2162.3 220.7 1960.8 2375.6 270.6 2295.5 2789 316.7 2541.6 3448.7 417.9 2763.9 3967 525.7 3204.3 4586.8 665.8 3831 5777.2 810 4228 6484 794 5017 6858 859.4 5228 8087.1 1015.1 5800 10284.5 1415 6882.1 14143.8 2284.7 9457.2 19359.6 3012.6 11993 24718.3 3819.6 13844.2 29082.6 4530.5 14211.2 32412.1 4810.6 14599.6 33429.8 5262 社 会 消 人 口 数 费 总 额 x4 x5 96529 2239.1 97524 2219.4 98705 2976.1 100072 3309.1 101654 3637.9 103008 4020.5 104357 4694.5 105851 5773 107505 6542 109300 7451.2 111026 9360.1 112704 10556.5 114333 11365.2 115823 13145.9 117171 15952.1 118517 20182.1 119850 26796 121121 33635 122389 40003.9 123626 43579.4 124810 46405.9 受 灾 面 财 政 收 积 x6 入y 50760 39370 44530 39370 33130 34710 31890 44370 47140 42090 50870 46990 38470 55470 51330 48830 55040 45821 46989 53429 50145 1132.3 1146.4 1159.9 1175.8 1212.3 1367 1642.9 2004.8 2122 2199.4 2357.2 2664.9 2937.1 3149.5 3483.4 4349 5218.1 6242.2 7408 8651.1 9876
系数 非标准化系数 模型 1 (常量) 农业增加值 X1 工业增加值 x2 建筑业增加值 x3 人口数 x4 社会消费总额 x5 受灾面积 x6 B 1415.884 -.645 -.264 -.452 -.002 .637 -.008
a
标准系数 标准 误差 2366.635 .175 .208 .567 .026 .130 .009 -1.133 -1.086 -.296 -.007 3.521 -.022 试用版 t .598 -3.684 -1.266 -.798 -.074 4.903 -.967 Sig. .559 .002 .226 .438 .942 .000 .350
相关性
农业增加值 工业增加值 建筑业增加 人 口 数 社会消费总 受 灾 面 积 X1 农业增加值 X1 Pearson 关性 显著性（双 侧） N 21 21 21 21 21 21 .000 .000 .000 .000 .019 相1 x2 .994
**
值 x3 .992
**
x4 .909
**
a
共线性统计量 Sig. .559 .002 .226 .438 .942 .000 .350 .003 .000 .002 .035 .001 .558 326.813 2544.416 475.199 28.723 1782.142 1.793 容差 VIF
.598 -3.684 -1.266 -.798 -.074 4.903 -.967
*
.495
*
.576
**
.513
*
1
显 著 性 （ 双 .019 侧）
.020
.022
.006
.017
N
21
21
21
21
21
21
**. 在 .01 水平（双侧）上显著相关。
*. 在 0.05 水平（双侧）上显著相关。
系数 非标准化系数 模型 1 (常量) 农业增加值 X1 工业增加值 x2 B 1415.884 -.645 -.264 标准 误差 2366.635 .175 .208 .567 .026 .130 .009 -1.133 -1.086 -.296 -.007 3.521 -.022 标准系数 试用版 t
调整 R 方 .988 .991 .995
标准 估计的误差 285.6474459 243.4661093 190.8518158
b
c
a. 预测变量: (常量), 社会消费总额 x5。 b. 预测变量: (常量), 社会消费总额 x5, 农业增加值 X1。 c. 预测变量: (常量), 社会消费总额 x5, 农业增加值 X1, 工业增 加值 x2。
d
均方 1.354E8 81594.463
F 1659.868
Sig. .000
a
6.796E7 59275.746
1146.501
.000
b
4.546E7 36424.416
1247.946
.000
c
a. 预测变量: (常量), 社会消费总额 x5。 b. 预测变量: (常量), 社会消费总额 x5, 农业增加值 X1。 c. 预测变量: (常量), 社会消费总额 x5, 农业增加值 X1, 工业增加值 x2。 d. 因变量: 财政收入 y
7
7.264E- 290.397 5
.88
.20
.87
.12
.87
.71
a. 因变量: 财政收入 y
有结果可知，X1 与 X2，X3，X4，X5 均存在高度多重相关性。
2）修正：采用逐步回归法对其进行补救，得到具体参数如下
模型汇总 模型 1 2 3 R .994 .996 .998
a
R 方 .989 .992 .995
Anova 模型 1 回归 残差 总计 2 回归 残差 总计 3 回归 残差 总计 平方和 1.354E8 1550294.803 1.370E8 1.359E8 1066963.434 1.370E8 1.364E8 619215.065 1.370E8 df 1 19 20 2 18 20 3 17 20
影响国家财政收入的因素分析
统计二班 马丽丽 20090645
【内容摘要】 ：为了建立国家财政收入的回归模型，这里以财政收入 Y(亿元)为因变量， 自变量;下:x1 表示农业增加值， x2 表示工业增加值， x3 表示建筑业增加值，x4 表示人口数，x5 表示社会消费总额，x6 表 示受灾面积。从我们所做的回归结果来看，自变量与因变量之间有显 著关系。 一 、导论 1、财政收入对国民经济的影响 在研究国家财政收入时， 把财政收入按收入形式分为： 各项税收收入, 企业收入，致癌物收入，国家能源交通重点建设基金收入，基本建设 贷款收入，国家预算调节基金收入，其他收入等。一国的财政收入对 该国的国民经济发展有重大影响。 2、模型设定的原理 鉴于国家财政收入在国民经济中有如此重要的作用， 我们尝试通过计 量经济学的方法来分析一下影响财政收入的因素， 并期望为我国财政 收入稳定增长思路提供一定基础。 二、模型设定 根据经济学理论把模型设定为： Y=C+C1*X1+C2*X2+C3*X3+C4*X4+C5*X5+C6*X6+u 其中：Y 代表国家财政收入 (单位：亿元) x1 表示农业增加值（单位：亿元）
建筑业增加值 x3 -.452 人口数 x4 -.002
社会消费总额 x5 .637 受灾面积 x6 a. 因变量: 财政收入 y -.008
共线性诊断 方差比例 模型 1 维数 1 2 3 4 5 6 特征值 条件索引 (常量) 6.126 .858 .011 .004 .001 .000 1.000 2.672 23.909 38.256 99.074 116.559 .00 .00 .01 .01 .02 .09
.000
.006
21
21
21
21
21
社 会 消 费总 额 Pearson x5 关性
相 .997
**
.999
**
.997
**
.892
**
1
.513
*
显 著 性 （ 双 .000 侧） N 21
.000
.000
.000
.017
21
21
21
21
21
受灾面积 x6
Pearson 关性
相 .507
*
.503
a
农业增加值 X1 工业增加值 x2 建筑业增加值 x3 人口数 x4 .00 .00 .00 .15 .13 .52 .00 .00 .00 .00 .08 .05 .00 .00 .00 .08 .78 .02 .00 .00 .00 .00 .01 .11
社会消费总额 x5 .00 .00 .00 .00 .08 .21