江西省地区生产总值影响因素的多元回归分析.doc

《江西省地区生产总值影响因素的多元回归分析.doc》由会员分享，可在线阅读，更多相关《江西省地区生产总值影响因素的多元回归分析.doc（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、江西省地区生产总值影响因素的多元回归分析史文强南昌航空大学 经管学院一研究背景 研究劳动资源总数、城镇失业人数、工资总额、城乡居民储蓄存款年末余额是否与地区生产总值成线性关系。 考虑到地区生产总值的增长可能与劳动资源的总数成正相关，工资总额和城乡居民年末总额的增长也可能对地区生产总值增加产生影响，城镇失业人数也可能对地区生产总值产生波动。 前人对于地区生产总值的研究也把进出口贸易总额、人口数、社会就业人数、固定资产投资等因素作为解释变量放入模型进行分析考虑，得出社会就业人数、进出口贸易总额等因素可以作为主成分对国民生产总值进行解释。 这里在前人的基础上加以考虑，将社会就业人数以社会劳动资源总数

2、进行替代，观察江西省社会劳动资源总数的解释力度；在社会就业人数的基础上，考虑城镇失业人数是否能对地区生产总值起到副作用，并抑制其增长；考虑到固定资产的投资额度能对地区生产总值起重要解释的基础上，我们引进城乡居民储蓄存款年末余额作为解释变量；考率工资的增长将会促使人们的工作的积极性，进而影响当期生产总值的上涨。 第一步：提出因变量和自变量 选取因变量y为地区生产总值（亿元）自变量：x1-劳动资源总数，（万人） x2-城镇失业人数(万人）, x3-上期工资总额（亿元）, x4-上期城乡居民储蓄存款年末余额（亿元） 第二步：收集数据（江西省统计年鉴）2000-2009年 第三步：设定理论模型：设定x

3、1,x3,与x4,与y成正 线性相关，x2与y成负线性相关。 第四步：用SPSS软件计算表1：数据数据的显示（其中工资总额、城乡居民储蓄存款年末余额都是选取当年的上期的水平来加以衡量）表2：相关性统计相关性劳动资源总数(万人)x1地区生产总值(亿元)y城镇失业人数(万人)x2工资总额(亿元)x3城乡居民储蓄存款年末余额x4(亿元）劳动资源总数(万人)x1Pearson 相关性1.988*.963*.972*.990*显著性（双侧）.000.000.000.000N1010101010地区生产总值(亿元)yPearson 相关性.988*1.922*.995*.990*显著性（双侧）.000.0

4、00.000.000N1010101010城镇失业人数(万人)x2Pearson 相关性.963*.922*1.895*.943*显著性（双侧）.000.000.000.000N1010101010工资总额(亿元)x3Pearson 相关性.972*.995*.895*1.985*显著性（双侧）.000.000.000.000N1010101010城乡居民储蓄存款年末余额x4(亿元）Pearson 相关性.990*.990*.943*.985*1显著性（双侧）.000.000.000.000N1010101010*. 在 .01 水平（双侧）上显著相关。相关性分析：各个解释变量与因变量之间相关

5、性显著，各自都和因变量显著相关。但个解释变量之间的相关性也非常的明显，可能存在共线性的问题。用了逐步回归的方法：可减少相关性表所发现的多重共线性的问题表3：选入的变量输入移去的变量a模型输入的变量移去的变量方法1工资总额(亿元)x3.步进（准则: F-to-enter 的概率 = .100）。2劳动资源总数(万人)x1.步进（准则: F-to-enter 的概率 = .100）。a. 因变量: 地区生产总值(亿元)ya.优先选择F值大于标准的优先选入自变量b.再剩下的为选入的与已经选入的变量搭配建立二元线性，选取F值达到标准以上的，或者sig.值较小的。偏相关系数最大的也可以优先选入变量集当中

6、c.再次从未选的变量中，直到未被引入的F值均小于临界表4：模型汇总模型汇总c模型RR 方调整 R 方标准 估计的误差Durbin-Watson1.995a.989.988222.854122.999b.997.997115.647082.393a. 预测变量: (常量), 工资总额(亿元)x3。b. 预测变量: (常量), 工资总额(亿元)x3, 劳动资源总数(万人)x1。c. 因变量: 地区生产总值(亿元)y 首先引进的预测变量是工资总额，他的调整R2是0.988，拟合优度很高，说明可以与y显著相关 第二个引进的变量是劳动资源总数，两个自变量共同的调整R2是0.997.拟合优度很高，则说明x

7、1,x3,与y显著相关。D-W值是2.393，说明自相关问题不明显。表5：方差检验表Anovac模型平方和df均方FSig.1回归3.666E713.666E7738.144.000a残差397311.675849663.959总计3.706E792回归3.696E721.848E71381.867.000b残差93619.734713374.248总计3.706E79a. 预测变量: (常量), 工资总额(亿元)x3。b. 预测变量: (常量), 工资总额(亿元)x3, 劳动资源总数(万人)x1。c. 因变量: 地区生产总值(亿元)y Anova方差分析的结论： 第一个变量工资总额引入时，F

8、值为738.144，sig.=0.00,第二个变量引入时两个变量的二元回归是F值是1381.86. sig.=0.00,故拒绝零假设，两个变量和y显著相关,拟合效果较好。表6：系数分析及偏相关系数系数a模型非标准化系数标准系数tSig.相关性B标准 误差试用版零阶偏部分1(常量)-949.559202.897-4.680.002工资总额(亿元)x315.644.576.99527.169.000.995.995.9952(常量)-11607.0392238.996-5.184.001工资总额(亿元)x39.8031.262.6237.770.000.995.947.148劳动资源总数(万人)x

9、14.035.847.3824.765.002.988.874.091a. 因变量: 地区生产总值(亿元)y系数分析 简单判定系数：对应的是单一的变量，表示xi能消除y的变差的比例 只引入工资总额时，偏相关系数为0.995，t=27.169，sig.=0.00说明显著相关。自变量对因变量影响较大。 VIF值=1认为自变量之间不相关。 当在引入工资总额后，再引入劳动资源总数，1.对于工资总额的偏相关系数=0.947，t=7.770,， sig.=0.00.。2.对于劳动资源总数的偏相关系数=0.874，t=4.765，sig.=0.002.。都是与y显著相关，可以拒绝原假设。表7：已排除变量已排

10、除的变量c模型Beta IntSig.偏相关共线性统计量容差1劳动资源总数(万人)x1.382a4.765.002.874.056城镇失业人数(万人)x2.159a2.472.043.683.199城乡居民储蓄存款年末余额x4(亿元）.359a1.981.088.599.0302城镇失业人数(万人)x2-.093b-1.035.340-.389.044城乡居民储蓄存款年末余额x4(亿元）-.172b-.923.392-.353.011a. 模型中的预测变量: (常量), 工资总额(亿元)x3。b. 模型中的预测变量: (常量), 工资总额(亿元)x3, 劳动资源总数(万人)x1。c. 因变量: 地区生产总值(亿元)y排除变量 排除变量的过程。和选入变量类似，首先排除了x1,x2,x4三个变量,但x1变量中偏相关系数较大，且t值和显著性水平都达到要求。 最后只排除x2,x4p-p图观测值在实际值线周边波动，则说明基本符合正态分布，说明数据的可以进行回归检验。函数表达式：结果：每增加一亿元的的地区生产总值，劳动资源总数增加4.035万人，上期工资总额将增加9.803亿元。