表八
X前系数符号 S前系数符号 T前系数符号 Q前系数符号 修正可决系数 结论
Ls Y C X S 正 正 0.8179 对
Ls Y C X T 正 负 0.8594 对
Ls Y C X Q 正 负 0.7741 对
Ls Y C X S T 正 负 负 0.9001 错
Ls Y C X T Q 正 负 正 0.8529 错
Ls Y C S T 正 负 0.8250 对
Ls Y C S Q 正 正 0.8274 错
Ls Y C S T Q 正 负 正 0.8095 错
Ls Y C T Q 负 负 0.8010 对
由上表可以得出最佳模型: Y t=Co+C1Xt+C2Tt+ U t **
用模型**拟合表中相关数据,得到如下回归分析报告:
^
Y t=251.4126+0.0003Xt - 0.0026Tt
S e (90.3982) (8.66E-05) (0.0010)
t (2.7812) (3.4179) (-2.4710)
可绝系数为:0.8829 修正可绝系数为:0.8594 F=37.6802
表九
C、模型的检验与修正。
⑴模型**是否存在多重共线性。
多重共线性的检验:简单相关系数矩阵法
X T
X 1.000000 -0.769136
Y -0.769136 1.000000
由上表可得出解释变量X与T之间存在一定程度的线性相关性。
多重共线性的修正:由于模型**是利用逐步回归法(即判断是否存在多重共线性,又削弱了多重共线性的程度)确定出的最佳模型,因此其多重共线性程度较之其他模型应该较弱。
⑵模型**是否存在异方差性。
a.异方差性的检验:图形分析法
图六
由以上散点图可得出模型**存在异方差性。
b.异方差的修正:WLS估计法
g e n r e^2=r e s i d * r e s i d g e n r W=1/e^2
Ls(W=W) Y C X T 得到如下回归输入结果:
表十
表
Unweighted Statistics
R-squared 0.868749 Mean dependent var 56.61385
Adjusted R-squared 0.842499 S.D. dependent var 15.09165
S.E. of regression 5.989340 Sum squared resid 358.7219
Durbin-Watson stat 1.099410
⑶模型**是否存在自相关性。
a、 自相关性的检验:图示法
图七
由上图可知,模型**存在一定程度的自相关性。
b、自相关性的修正:①先利用对数线性回归修正自相关
g e n r LY=log(Y) g e n r LX=log(X) g e n r LT=log(T)
Ls LY C LX LT 得到如下回归输入结果:
表十一