多元回归分析的步骤.docx

: .
三、研究方法本文采取多元线性回归的方法来设定并建立模型，再利用逐步回归来对变量予以确认和剔除。

.）做变量系数分析（表4-2用SPSS^数4-2表T显著性BetaB标准错误
（常数）---.--.
）中可以得到解释变量与因变量之间的方程为：从（表4-..-
=-3从（表）中发现，说明中不难发现农业从业人员、农田有效灌溉面积、农村用线性影响。但从表（4-2）2/5电量的P值较大，说明方程某些解释变量并不显著，对没有通过检验的回归系数，在一定程度上说明他们对应的自变量在方程中可有可无，一般为了使模型简化，需要剔除不显著的自变量，重新建立回归方程。而且粮食播种面积、农业从业人员、农田有效灌溉面积、化肥施用折纯量、农村用电量对国民总收入起正影响，农用机械总动力却对国民总收入起负影响，与常识相违背，可能存在多重共线性。应用SPSS进行异方差性检验。用斯皮尔曼相关系数检验异方差性也就是检验随机误差项的方差与解释变量观测值之间的相关性。若相关系数较高，则存在异方差性，则不能通过异方差性检验，此时可能会导致参数OLS估计的方差增大，t检验失效，预测精度降低。
4--.-.-.-.-.-.-.277-.258-.303-.090-.277-.294PredictedValue，-4中发现残差绝对值预与解释变量的皮尔逊相关系数最高为从表不能认为残差绝对值与解释变量显著相关。所以不存在异方差性。SPSS进行自相关检验。检验自相关性就是检验针对不同的样本点与随应用若则认为出现了序列相关性。如果存在某种相关性，机误差项之间是否不相关。估计量的被OLS存在自