三、研究方法本文采取多元线性回归方法来设定并建立模型,再利用逐步回归来对变量给予确定和剔除。逐步回归是经过筛选,挑选偏回归平方和贡献最大因子建立回归方程,在决定是否引入一个新原因时,回归方程要用方差比进行显著性检验。假如判别该影响因子经过显著性检验,那么可选入方程中,不然就不应该进入到回归方程,回归方程中剔除一个变量标准也是用方差比进行显著性检验剔除偏回归平方和贡献最小变量,不管是入选回归方程还是从回归方程中剔除符合条件选入项和剔除项为止,逐步回归方法剔除了对因变量影响小原因减小了分析问题难度,提升了计算效率和回归方程稳定性有很好估计精度。利用多元线性回归估计基础思绪是在确定因变量和多个自变量和它们之间关系后,经过设定自变量参数回归方程对因变量进行估计。具体以下:式中:Y表示为粮食总产量,C和a为回归系数,C、a是待定参数,、消去法、向前选择法、向后剔除法和逐步进入法等,,对选择自变量全部进入回归模型,即强行进入法进行估计。该模型优点是方法简单、估计速度快、外推性好等。四、分析和结果本文选择6个解释变量,研究河南省粮食产量y,解释变量为:X1粮食播种面积,X2农业从业人,X3农用机械总动力,X4农田有效浇灌面积,X5化肥施用折纯量,X6农村用电量。以河南省粮食产量为因变量,以如上6个解释变量为自变量做多元线性回归(数据选择《河南统计年鉴》,见附录一)。用SPSS做变量相关分析,从相关矩阵(表4-1),说明所选择变量和y高度线性相关,用y和自变量做多元线性回归是适宜。表4-(表4-2)表4-2系数B标准错误BetaT显著性(常数)---.-.607-(表4-2)中能够得到解释变量和因变量之间方程为:表4-3变异数分析平方和df平均值平方F显著性回归40712064.**********.(表4-3)中发觉F=,说明6个自变量整体对因变量y产生显著线性影响。但从表(4-2)中不难发觉农业从业人员、农田有效浇灌面积、农村用电量P值较大,说明方程一些解释变量并不显著,对没有经过检验回归系数,在一定程度上说明她们对应自变量在方程中可有可无,通常为了使模型简化,需要
多元回归分析的步骤样本 来自淘豆网m.daumloan.com转载请标明出处.
