主模型的构建与回归分析.doc

5主模型的构建与回归分析 5.1模型的设定 影响我国电子商务发展的因素是非常复杂的，我们力求建立经济模型把所要研究的主要因素之间的关系，用适当的数学关系式近似地、简化地表达出来。 为此，我们基于收集到的数据，利用Eviews软件，观测y x1 x2 x3 x4 lny lnx1 lnx2 lnx3 lnx4 等数据及数据处理结果的趋势线，最终得到的回归模型为： Lny=c+α1lnX1+α2lnX2+α3X3+α4X4+α5X5+u 其中y为被解释变量，表示人均网络购物在线交易规模交易（元/人），其余为解释变量x1表示PC互联网用户(亿人) x2表示手机上网人数 x3社会物流总费用（亿元）x4表示城镇居民可支配收入（元）x5表示B2C、C2C企业数量（家）。 5.2模型的估计 利用Eviews软件生成所需对数数据，并进行普通最小二乘参数估计： 表格 51第一次回归结果 根据表中数据，模型的估计结果为 Lny ^=10.721+0.381lnX1+0.959lnX2-（5.28E-5）X3-3.728X4-(5.19E-5)lnX5 5.3模型的检验 5.3.1经济意义检验 　　从回归结果来看，回归系数表明在其他因素不变时，每一个单位的单个解释变量变化对于被解释变量变化的影响，其中，x1、x2 、x3的回归系数与预测符号相同x4、x5的回归系数与预测符号相反，说明模型可能存在多重共线。 5.3.2统计推断检验 从回归结果来看，可决系数R2=0.964126，调整后的R2=0.952915，说明模型整体拟合程度显著；给定α=0.05，查t分布表，在自由度=n-k=22-5=17时的临界值为2.1098，各解释变量对于被解释变量的影响不显著。 5.3.3多重共线检验 利用eviews软件计算各解释变量的相关系数，可以看出，各解释变量相互之间的相关系数较高，证实确实存在多重共线。 表格 52解释变量相关系数矩阵 采用逐步回归法，首先得到一元回归估计结果: 表格 53 解释变量逐步回归结果 变量 lnx1 lnx2 x3 x4 x5 参数估计值 1.211993 0.553117 8.39E-05 0.000523 0.000364 t统计量 13.61931 11.67580 2.672755 9.252268 5.705318 R2 0.902670 0.872061 0.263179 0.810614 0.619415 调整R2 0.897803 0.865664 0.226338 0.801145 0.600386 其中加入lnx1的方程调整R2最大，以lnx1为基础，顺次加入其他变量逐步回归。 表格 54以解释变量LNX1为基础加入变量 Lnx1 lnx2 X3 X4 X5 调整R2 Lnx1 lnx2 0.954070 (2.579691) 0.123475（0.719049） 0.895274 Lnx1 x3 1.341383 （12.28309） -2.6E-05 (-1.854597) 0.908913 Lnx1 x4 1.300794 （4.260394） -4.23E-05 (-0.304717) 0.892947 Lnx1 x5 1.55854 (8.542966) -0.000141 (-2.2126837) 0.913111 分别加入x3、x5之后，调整R2有所增加，x5对调整R2改进最大且lnx1与x5的t检验显著，保留x5，继续加入其余变量回归。 表格 55以解释变量LNX1、X5为基础加入变量 Lnx1 lnx2 X3 X4 X5 调整R2 Lnx1 x5 lnx2 0.859512 (2.993279) 0.468835 (2.891065) -0.000255 （-3.710661） 0.937367 Lnx1 x5 x3 1.520987 （7.613775） -1.04E-05 （-0.516404） -0.000104（-1.071921） 0.909622 Lnx1 x5 x4 1.226940 （4.641516） 0.000279 （1.669431） -0.000243 （-2.758753） 0.920580 分别加入lnx2、x4之后，调整R2有所增加，lnx2对调整R2改进最大且lnx1、lnx2与x5的t检验显著，保留lnx2，继续加入其余变量回归。 表格 56以解释变量LNX1、X5 、LNX2为基础加入变量 Lnx1 lnx2 X3 X4 X5 调整R2 Lnx1 x5 lnx2 x3 0.530534 （1.732714） 0.604186 （3.729922）