应用回归课程设计_副本.docVIP

摘要 近年来中国的GDP不断增长，为了研究硬性GDP的潜在因素，我们对收集到的样本数据、通过运用SPSS软件结合应用回归分析相关知识，建立多元回归模型对我国GDP与进出口总额、固定资产投资、年底从业人数之间的关系进行研究，同时结合统计知识对模型做F检验、t检验、异方差检验以及多重共线性检验等，确定最终的经验回归模型。再通过得到的模型对未来我国GDP预测，分析得出GDP的主要影响因素，并提出一些较为可行的建议。 目 录 一、问题的提出 4 二、数据收集 4 三、模型设定 5 四、参数估计 5 五、模型的检验与处理 5 5、1自相关检验 5 5、2异方差的检验与处理 7 5、3多重共线性的诊断与处理 10 六、模型分析 13 七、参考文献 13 一、问题的提出 在下， 二、数据收集 我们的数据取自《中国统计年鉴》中我国1980-2012年国内生产总值GDP、进出口总额、固定资产投资、年底从业人数的统计数据。 下图为GDP影响因素的部分数据： 三、模型设定 由数据分析，可以设定模型为：，其中y表示GDP；表示进出口总额；表示固定资产投资；表示年底从业人数；表示在没有任何因素影响下的GDP值；表示进出楼总额对GDP的影响；表示固定资产投资对GDP的影响；表示年底从业人数对GDP的影响；为模型误差。 四、参数估计 通过普通最小二乘法可得下表： 表4.1 由表4.1可得回归方程为： 五、模型的检验与处理 5、1自相关检验 1、绘制的散点图如下： 图5.1 由图5.1可以看出残差序列随机的分布在第一、二、三、四象限，说明残差序列不存在自行关。 2、DW检验 图5.2 问题的假设条件为：，由图5.2可知，根据样本容量n为25，解释变量的数目k（包括常数项）为4查DW分布表，得到临界值，拒绝，认为残差序列不存在自相关。 5、2异方差的检验与处理 1、异方差检验 （1）绘制残差图如下： 图5.3 e与的残差图 由图5.3可以看出残差e值随值得增大而增大，具有明显的规律，可认为残差序列存在异方差。 图5.4 e与间的残差图 由图5.4可以看出残差e值随值得增大而增大，具有明显的规律，可认为残差序列存在异方差。 图5.5 e与间的残差图 由图5.4可以看出残差e值随值得增大而增大，具有明显的规律，可认为残差序列存在异方差。 （2）等级相关系数法 图5.6 由图5.6可得，对应的P值=0.0040.05，认为残差绝对值与自变量显著相关，存在异方差；，对应的P值=0.0070.05，认为残差绝对值与自变量显著相关，存在异方差；，对应P值=0.0090.05，认为残差绝对值与自变量显著相关，存在异方差。 2、异方差的处理 使用加权最小二乘法消除异方差结果如下： 图5.7 由图5.7可知，在m=1是对数似然函数达到极大，因而幂指数m的最优取值为m=1。 图5.8 由图5.8可知，所对应的t检验的P值都小于0.05，认为自变量与因变量有明显的线性关系。加权最小二乘法的回归方程为：。 图5.9 由图5.9可知，接近于1，说明回归方程拟合度好。 图5.10 由图5.10可知，F值为3614，概率P值小于0.05，说明回归方程的显著性好。 5、3多重共线性的诊断与处理 1、多重共线性的诊断 图5.11 由图5.11可以看出，的方差扩大因子较大，分别为都大于10，说明这两自变量与其余自变量间存在多重共线性。 图5.12 从5.12可以看出，最大条件数，说明自变量间存在严重的动车共线性，这与方差扩大因子法的结果一致。图中第四行常量与从业人数的系数都为1，说明二者之间存在很强的多重共线性；图中第三行进出口总额与固定资产投资的系数分别为0.52和0.83，说明二者之间存在严重多重共线性。 2、多重共线性的处理 采用主成分回归法消除多重共线性： 图5.13 图5.13中有3个主成分的特征值，最大的是，最小的是。方差百分比反映主成分所能解释数据变异的比例，也就是包含原数据的信息比例。第一个主成分的百分比等于90.723%，含有原始3个变量大部分信息量，因此取一个主成分已经足够了。 现在用y对前一个主成分做普通最小二乘的结果： 图5.14 由图5.14可得出主成分回归的回归方程： 图5.15 由图5.15可以看出，,说明回归方程拟合度好。 图5.16 由图5.16可以看出，F值为688.869，其对应的P值小于0.05，说明回归方程是显著的。 用第一主成分用做变量，用3个原始自变量为自变量做线性回归，所得的回归系数就是所需要的线性组合系数。如图5.17： 图5.17 由图5.17可得出： 还原后的主成分回归方程为： 每个回归系数的解释也是非常合理的。 六、模型分析 在获得模型参数估计值后，又经过了上述一系列检验而选出的最优（或较优）回归方程，还必须对模型的预测能力加以检验。