spss多元回归分析报告案例

企业管理 对居民消费率影响因素的探究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,三十多年间综合国力 得到显著增强,但我国居民消费率一直偏低,甚至一直有下降的趋势。 居民消费率 的偏低必然会导致我国内需的不足,进而会影响我国经济的长期健康发展。 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。 1995 1997 2000 2001 2002 2003 2004 2005 2006 2007 总消费C亿元总GDP（亿元）消费率 1.人口年龄结构一种比较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由 湖北省统计年鉴查得。 2008 2009 2010 （注数据来自湖北省统计年鉴） 一、计量经济模型分析一、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 总收入（亿元），X2人口增长率‰），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（）。 1995 1997 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 X3 居民消 Y消费率 X1总收入X2 人口增X4 少儿抚X5 老年抚X6 居民消 费价格指 （亿元）长率‰）养系数养系数费比重 （） 数增长率 39 2010 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 yt 0  1x1  2 x 2  3x3  4 x 4  5x5   6 x6 利用spss统计分析软件输出分析结果如下 表1 Variables Entered/RemovedVariables Entered/Removed Descriptive StatisticsDescriptive Statistics Variables Model 1 Entered X4, X3, X2, X6, X1, X5a b b 表2 Variables Removed MeanStd. Deviation .43785 N 13 13 13 13 13 13 13 Y . Enter X1 X2 a. All requested variables entered. X3 b. Dependent Variable Y X6 X5 这部分被结果说明在对模型进行回归分析时 所采用的方法是全部引入法 Enter。 表3 X4 CorrelationsCorrelations Y .480 .354 X1 .451 X2 .480 .656 X3 .354 .656 X6 .451 X5 .932 .722 X4 .927 .623 .392 Pearson CorrelationY X1 X2 X3 X6 X5 X4 Sig. 1-tailedY X1 X2 X3 X6 X5 X4 NY X1 X2 X3 X6 X5 X4 .927 . .000 .049 .118 .022 .000 .000 13 13 13 13 13 13 13 .932 .000 . .170 .240 .061 .000 .000 13 13 13 13 13 13 13 .623 .049 .170 . .007 .001 .020 .011 13 13 13 13 13 13 13 .392 .118 .240 .007 . .166 .110 .093 13 13 13 13 13 13 13 .722 .022 .061 .001 .166 . .003 .001 13 13 13 13 13 13 13 .000 .000 .020 .110 .003 . .000 13 13 13 13 13 13 13 .000 .000 .011 .093 .001 .000 . 13 13 13 13 13 13 13 这部分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，相关系数分别为和，表明他们 之间也存在相关性。 表4 Model SummaryModel Summary Adjusted R Model 1 R .991a b b Std. Error of the EstimateDurbin-WatsonR Square .982 Square .964 a. Predictors Constant, X4, X3, X2, X6, X1, X5 b. Dependent Variable Y 这部分结果得到的是常用统计量，相关系数R，判定系数，调整的判定系数 ，回归估计的标准误差 S。说明样本的回归效果比较好。 表5 ANOVAANOVA Model 1Regression Residual Total Sum of Squaresdf 6 6 12 Mean Square b b FSig. .000a a. Predictors Constant, X4, X3, X2, X6, X1, X5 b. Dependent Variable Y 该表格是方差分析表， 从这部分结果看出 统计量 F， 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,、残差平方和、总平方和为. 表6 CoefficientsCoefficients Standardized Unstandardized Coefficients Model 1Constant X1 X2 X3 X6 X5 X4 a. Dependent Variable Y a a Coefficients Betat .335 .029 .969 .269 B .861 .036 .527 Std. ErrorSig. .632 .037 .070 .774 .662 .233 .543 .002 .391 .121 .198 .818 .301 .644 该表格为回归系数分析，其中 Unstandardized Coefficients 为非标准化系数， Standardized Coefficients 为标准化系数，t 为回归系数检验统计量，Sig.为 相伴概率值。从表格中可以看出该多元线性回归方程 Y二、计量经济学检验 一、多重共线性的检验及修正 ①、检验多