用回归的分析方法的分析经济增长对犯罪率的影响.doc

云南财经大学统计与数学学院 《综合实验》课程论文 题目：用回归分析方法分析经济增长对犯罪率的影响 组员： 班级： 数学08-1班 时间： 2011年12月23日 用回归分析方法分析经济增长对犯罪率的影响 【摘要】本文对我国1981年至2009年人均国内生产总值、年平均工资、城市化程度、人口自然增长率、失业率、离婚率以及犯罪率的统计数据运用最小二乘方法建立多元线性回归模型，并应用平稳性检验、Granger因果关系检验等方法，最终对我国宏观经济因素对犯罪率的影响进行了实证分析。分析结果表明：人均国内生产总值、年平均工资、城市化程度、人口自然增长率、失业率以及离婚率均对犯罪率存在显著的影响作用。 【关键词】经济增长； 犯罪率；多元线性回归分析 一、引言 犯罪是严重危害社会、违反刑法并应受刑罚处罚的行为。 根据所选取变量的特征，本文采用最小二乘方法对模型进行估计。对于最小二乘方法，所选取的时间序列数据应满足以下条件： 解释变量非随机 解释变量矩阵X列满秩。 因此，在模型估计过程中，要对数据进行相关检验，若存在不符合使用最小二乘方法条件的现象，要进行修正。 四、实证分析 1、变量的定义 将犯罪率、人均国内生产总值、职工年平均工资、城市化、人口自然增长率、失业率、离婚率这7个变量依次分别定义为、、、、、、 2、相关分析 为研究影响犯罪率的宏观经济因素有哪些，因此，本文利用SPSS16.0软件绘制矩阵散点图，以研究犯罪率与、、、、、之间是否具有较强的线性关系。所绘制的矩阵散点图如图1 图1 图1表明，被解释变量与解释变量、、、、、之间都有较强的线性关系。因此粗略地看，犯罪率会受到本文所选取的这些因素的影响。 3、回归估计 为进一步研究本文所选取的经济因素对犯罪率是否存在影响以及影响的程度，本文对其进行多元线性回归分析。 运用最小二乘法在Eviews 6.0软件中作出对、、、、、的线性回归。得到结果如表1所示： 表1 Coefficient Std. Error t-Statistic Prob.?? C -489.5317 173.6108 -2.819708 0.0100 X1 -2.480386 0.702052 -3.533053 0.0019 X2 0.059602 0.017290 3.447140 0.0023 X3 36.35429 7.126255 5.101458 0.0000 X4 -7.826100 6.598020 -1.186129 0.2482 X5 21.99235 16.08985 1.366846 0.1855 X6 290.7806 121.7695 2.387960 0.0260 R-squared 0.939720 ????Mean dependent var 199.3690 Adjusted R-squared 0.923280 ????S.D. dependent var 123.5516 S.E. of regression 34.22170 ????Akaike info criterion 10.11010 Sum squared resid 25764.74 ????Schwarz criterion 10.44014 Log likelihood -139.5965 ????Hannan-Quinn criter. 10.21347 F-statistic 57.16085 ????Durbin-Watson stat 1.066186 Prob(F-statistic) 0.000000 由输出结果可得，回归方程为： 方程显著性检验F统计量的值为57.16085，伴随概率P值为0.0000000.05，方程显著，即被解释变量与所有解释变量的线性关系显著。可决系数=0.939720，即被解释变量可由模型解释的部分高达0.939720，模型拟合优度较高。在变量显著性检验中，、、、这四个变量在显著性水平=0.05下，t检验显著，即这4个解释变量与被解释变量间均存在显著的线性相关关系。而、这两个变量t检验不显著。由于本文所选用数据为时间序列数据，存在变量不显著的问题可能是由于多重共线性、序列相关等问题造成的，因此作出相关检验。 4、多重共线性 由于采用最小二乘法估计回归模型的一个前提条件为解释变量X列满秩。因此，一旦序列中存在多重共线性问题，易导致模型估计失效。而由表1的普通最小二乘结果可见，模型的可决系数和F统计量的值均较大，而、这两个变量t检验不显著，说明各解释变量对Y