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-tailed)Y 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 1(Constant) 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