基于多元线性回归的西安市经济影响因素分析.docxVIP

基于多元线性回归的西安市经济影响因素分析 【摘 要】 针对西安市经济发展的实际情况，采取了多元线性回归的方法对促进西安市经济增长的各个因素进行了多元回归分析。从回归结果可以看出：影响西安市域经济发展的重要因素是第一产业和财政支出这两项指标，这两个指标也体现了相关经济发展的动力所在，相关政策应该给予充分的重视。 【关键词】 市域经济发展 多元线性回归模型 产业结构 财政支出 一、西安市经济发展现状和研究意义 （一）西安市经济发展现状 从最近10年的相关数据显示， 面对不同的国内外经济发展形势和经济压力， 西安市秉承着省级领导的决策部署， 积极开展适应经濟发展“新常态”。科学配合实现稳定增长、 促进改革、 调整结构、 惠及民生的目标。从大致情况来说，其经济运行状态总体趋于平稳。共有 13个区县，共计GDP均维持在 6%以上的增速增长。 （二）研究意义剖析 鉴于市域经济发展可观性，作为陕西以及西北地区经济发展的中心城市，对于西安经济最关注的影响因素的分析可以进一步促进经济发展以及带动其他县域经济发展，所以研究市域经济也有一定的指导意义。 二、数据采集和指标确定 （一）样本数据的采集 经济发展过程中一个指标的影响因素往往不止一个，所以相对比于一元线性回归，多元线性回归更能直接反映各个因素对总体指标的影响程度。所以本文分析出影响市域经济增长的各个可收集因素在经济发展过程中所占据的比重对人均GDP的影响分析。本文采用时间序列数据，时间从到末，共十年的数据。 （二）指标的确定 各指标解释如下：X1表示：第一产业增加值占GDP的比重，X2表示：第二产业增加值占GDP的比重，X3表示：第三产业增加值占GDP的比重，X4表示：公共一般财政支出占GDP比重，X5表示：投资率，X6表示：城镇化，X7表示：城镇就业率，Y表示：人均GDP。 三、软件数据处理过程与模型回归结果 （一）基本模型建立 设被解释变量与解释变量X1，X2，X3，X4，X5，X6，X7的线性回归模型为： 其中字母分别表示：ξ是随机误差;β0称为回归常数;七个回归系数β1…β7称为偏回归系数，表示含义是在其他变量均不发生变化时，Xj增加或者减少一个单位时Y的平均变化量。为了方便地进行模型参数估计，对多元回归方程有如下基本假定： （1）解释变量XJ（1…7）是确定性，不相关性，且满足增广矩阵满秩。随机误差项ξ具有零均值和同方差，表明随机误差项在不同样本点之间是不相关的（在正态假定即是独立的），不存在序列相关，并且有相同精度。 （2）无多重共线性假定，各解释变量之间不具有线性关系或者说各个解释变量之间线性无关。 （二）采用SPSS软件对搜集数据进行多元回归分析 （1）剔除第一产业增加值占GDP的比重进行回归分析。 经过几次模型后退逐步回归结果，我们可以发现Adjusted R Square值最大的为0.976并且单个自变量的显著性由表格中可以得到的是只有财政支出占GDP比重的显著性检验的值满足P值小于等于0.05的要求，另外两个自变量第二产业增加值比重和第三产业增加值比重没有满足我们对于显著性检验的要求。 （2）剔除第二产业增加值占GDP的比重进行回归分析。 从回归结果可以得到以下现象结论：在就业率，投资率，第一产业增加值占GDP的比重，城镇率，第三产业增加值占GDP比重，财政支出率等六个因素模拟的模型的Adjusted R Square=0.961，在之后分别剔除投资率，第三产业增加值占GDP比率，城镇率，就业率后模型的Adjusted R Square=0.971，Adjusted R Square=0.976，Adjusted R Square=0.979，Adjusted R Square=0.980在第五个模型中回归的结果拟合优度效果最好。 （3）剔除第三产业增加值占GDP的比重进行回归分析。 用逐步回归的方法拟合可得，显然模型五中剔除财政支出占GDP的比重值得到Adjusted R Square=0.980是目前五个模型拟合效果最好的。 在经过五次后退逐步回归之后，发现了第一产业增加值占GDP比重和财政支出占GDP比重这两个指标数据最能明显且有效地反映陕西省西安市的经济发展状况。 综上所述：可以得到最优数据拟合多元回归分析模型 Y=1.893-1.214X1+0.621X4其中Y表示人均GDP，X1表示第一产业增加值占GDP比重，X4表示财政支出占GDP比重，对SPSS软件分析输出结果发现，第一产业增加值占GDP比重显著性检验P=0.003（P=0