spss多元统计论文_回归分析在商品的需求量分析中的运用.docxVIP

回归分析在商品的需求量分析中的运用 摘要：本文结合多元统计分析理论中关于多元线性回归分析的应用，对商品需求量与商品价格和人均月收入的关系的线性方程进行探索研究。回归分析的基本思想是描述若干个变量间的统计关系，以研究一个或多个自变量与因变量之间的内在联系。而回归分析研究又包括线性回归和非线性回归。本文就是运用线性回归来分析商品需求量和商品价格，人均月收入之间的关系的。 关键词： 线性回归 线性方程 商品需求量 一．引言 随着我国经济的快速发展，人们的物质生活条件越来越好，各种各样的商品出现在人们的日常生活中。随着人们收入水平的不断变化，随着商品价格的不断变化，人们对某种商品的需求量也不同。如果生产的商品量大于商品的需求量，则会导致资源浪费，商品的价格下降；反之如果商品的生产量少于商品的需求量，则会导致商品供应不足，价格上涨。以上两种情况都会对经济发展造成不利的影响。因此，对商品需求量的预测是必要的。那么，应该如何预测商品的需求量呢？为此，本文在参阅相关文献的基础上，根据东方财富网所提供的某地1996~2995年10年间对某品牌的手表需求量和商品价格，人均月收入的数据采用线性回归的方法进行回归分析，并对模型进行检验，预测。 经济理论分析、所涉及的经济变量 经济理论分析： 1.需求：是指在各种不同价格水平下，消费者愿意且能够购买的商品或服务的数量； 2.需求与价格之间存在这需求规律，即“在其它条件不变的条件下，一种商品的价格上升会引起该商品的需求量减少，价格下降会引起该商品的需求量增多”；由此我们引出需求的价格弹性的概念，它是指需求量对价格变动的反应程度，是需求量变化的百分比除以价格变化 的百分比，即公式： 3.同理，需求与收入的关系可以用需求的收入弹性分析，它表示某一商品的 需求量对收入变化的反应程度，即公式： （2）变量的设定：在经济生活中，我们不难发现价格和收入水平的高低对商品需求量有着直接且密切的影响，故所建立的模型是一个回归模型！其中“商品价格”与“消费者平均收入”分别是自变量x1、x2，“商品需求量”是因变量y 。 模型的建立 经济理论指出，商品需求受多种综合因素的影响，如商品价格、消费者收入水平、消费者对未来的价格预期、相关商品的价格、消费者偏好等，而其中最重要的因素就是价格与消费者收入水平，即价格和消费者收入水平与需求量之间存在单方向的因果关系；由此，我们可设以下回归模型： 相关变量的数据收集 我们将以某地区消费者对当地某品牌电子手表的需求量随价格与平均收入变动的资料进行回归分析，并对估计模型进行检验,。 年份 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 商品价格（元/件） 89 78 70 60 69 52 45 56 32 45 人均月收入（元） 560 530 600 680 750 830 880 830 980 1100 需求量（件） 5800 4890 6200 6800 7100 8900 9000 8100 9990 9800 自变量： 商品价格（x1） 人均月收入（x2） 因变量： 商品需求量（y） 五．数据在SPSS软件中的输入,运行过程及模型的结果 打开SPSS软件选择输入数据如下图 选择分析——回归——线性回归 选择需求量为因变量，商品价格和人均月收入为自变量 得出模型结果 输入／移去的变量b 模型 输入的变量 移去的变量 方法 1 人均月收入, 商品价格 . 输入 a. 已输入所有请求的变量。 b. 因变量: 需求量 模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson 1 .977a .954 .941 427.95540 2.078 a. 预测变量: (常量), 人均月收入, 商品价格。 b. 因变量: 需求量 Anovab 模型 平方和 df 均方 F Sig. 1 回归 .201 2 .601 72.539 .000a 残差 .799 7 .828 总计 .000 9 a. 预测变量: (常量), 人均月收入, 商品价格。 b. 因变量: 需求量 系数a 模型 非标准化系数 标准系数 t Sig. 共线性统计量 B 标准 误差 试用版 容差 VIF 1 (常量) 4990.519 2280.093 2.189 .065 商品价格 -35.666 17.871 -.348 -1.996 .086 .216 4.636 人均月收入 6.193 1.652 .655 3.749 .007 .216 4.636 a. 因变量: 需求量 残差统计量a 极