多元回归(多重共线-异方差-残差检验eviews-spss)
数据处理:4.3模型建立
设年末实有耕地面积,有效灌溉率,农用塑料薄膜使用量,农药使用量,农业机械总动力,农业从业人数,农业投资额分别为X1,X2,L,X7;农业产值为Y。在此我们假设上述七个变量都与农业产值有显著影响,在SPSS中用进入法对其做出预判。>>>>
表4-3回归预判表
模型(常数)年末实有耕地面积有效灌溉率
农用塑料薄膜使用量
农药使用量农业机械总动力农业从业人数农业投资额
因变量:农业产值
非标准化系数
标准化系数
共线性统计允差.026
B1.987E-15.225.208-.396-.426.831.024.197
标准误差.018.291.116.489.564.282.179.140
Bata
.225.208-.396-.426.831.024.197
T.000.7751.797-.810-.7562.946.1361.401
显著性1.000.464.115.445.475.022.895.204
VIF
38.086
.004239.655.001677.462.001899.494.004225.582.011.018
90.38155.747
可以从表中得出回归方程:
Y0.225X10.208X20.396X30.426X40.831X50.024X60.197X7
从显著性水平上看,小于0.05的只有一个农业机械动力,显然不能够准确的表达出与农业产值之间的关系。根据表中的VIF值均大于10,其中四个大于了100,这说明模型中存在严重的多重共线性。并且在相关系数表中(附表1-2),我们也能够看出各个自变量之间相关系数较大,有较大的相关性。为了保证得到的回归模型能较好的反映真实意义,就要解决多重共线性问题。解决多重共线性我们一般使用逐步回归的方法。
4.3.1逐步回归
将标准化后的数据输入EVIEWS,首先找出与因变量拟合度最高自变量,的经过回归拟合可以得出7个变量的拟合优度,按降序排列如下表:
>>>>>>>>>>>>>>>>表>>>>4-4