计量经济学实验报告(多元线性回归分析)
实验2：多元线性回归分析
实验目的：学习利用Eviews建立多元线性回归模型，研究64国家婴儿死亡率与妇女文盲率之间的关系。
一、实验内容：
1、先验的预期CM和各个变量之间的关系。
2、做CM对FLR的回归，得到回归结果。
3、做CM对FLR和PGNP的回归，得到回归结果。
4、做CM对FLR，PGNP和TFR的回归结果，并给出ANOVA。
5、根据各种回归结果，选择哪个模型？为什么？
6、如果回归模型（4）是正确的模型，但却估计了（2）或（3），会有什么后果？
7、假定做了（2）的回归，如何决定增加变量PGNP和TFR？使用了哪种检验？给出必要的计算结果。
二、实验报告
----多元线性回归分析
1、问题提出
婴儿死亡率(CM)是指婴儿出生后不满周岁死亡人数同出生人数的比率。一般以年度为计算单位，以千分比表示。婴儿死亡率是反映一个国家和民族的居民健康水平和社会经济发展水平的重要指标，特别是妇幼保健工作水平的重要指标。
婴儿死亡率(CM)的高低是一个国家或地区社会经济多方面因素协调发展的结果。由于世界各国婴儿死亡率差别很大，所以就64个国家社会综合发展状况，针对性的研究婴儿死亡率（CM）与女性识字率（FLR）、人均GNP（PGNP）、总生育率（TFR）之间的关系
2.指标选择
本次实验研究婴儿死亡率与妇女文盲率之间的关系，故应采用婴儿死亡率（CM）和女性识字率（FLR）作为指标。但影响婴儿死亡率的因素较复杂，尤其是经济发展状况、总生育率等也会对其产生重要影响，考虑到实验的准确性，故引入人均GNP（PGNP）和总生育率（TFR）相关数据。
3.数据来源
数据来源：教师提供
4.数据处理
此次实验可直接使用数据，无需进行数据处理。
5.先验的预期CM和各个变量之间的关系【题1】
5-1预期CM与FLR存在负相关关系。
一方面，女性受教育程度越高，其知识越丰富，自我保护意识和能力就越强，则更善于保护自己和婴儿；另一方面，女性教育程度越高，其就业机会与收入获得途径就越多，可以更好的保障自己和婴儿的生活。因此，我们预期FLR的提高会导致CM降低。5-2预期CM与PGNP存在负相关关系。
人均GNP的提高使人们的物质生活水平得到提高，改善了人民、食、住、行等诸方面的条件，特别是使人们摄取的营业素增加，营养素结构合理，从而增加人们的体质；
使人们从繁重的体力劳动和恶劣的工作环境中解脱出来，有充足的精力和时间来关心自己及其后代的身体健康，提高生活质量。因此，我们预期PGNP的提高会导致CM降低。
5-3预期CM与TFR存在正相关关系。
总生育率直接或间接地影响着婴儿死亡率，总生育率提高，人口数量上升，人均GNP，人均受教育程度等一系列人均享受的权利和福利都会有所下降。因此，我们预期TFR 的提高会导致CM降低。
6.数据分析
6-1 对各个变量数据进行观察分析
观察数据可知0
<
PGNP CM，与经济社会现 FLR < < > ,0 1000 , 0> 1000 0, 实相符，不存在与经济意义相违背的数据，所以可以保证我们所取的各项数据满足此次实验要求。 6-2 变量的相关性 ①CM与FLR的相关性 表2 图1 由散点图（图1）和相关系数（表2）知，这两组数据的相关性较高，满足实验要求，且CM 与FLR 之间存在负相关关系，与预期相反。 ②CM 与PGNP 的相关性 图2 表3 由散点图（图2）和相关系数（表3）知，这两组数据有一定的相关性，满足实验要求，且CM 与PGNP 之间存在负相关关系，与预期相同。 ③CM 与TFR 的相关性 图3 表3 由散点图（图3）和相关系数（表3）知，这两组数据的相关性较高，满足实验要求， 且CM 与TFR 之间存在正相关关系，与预期相同。 总结:CM 与FLR 之间存在负相关关系，与PGNP 之间存在负相关关系，与TFR 之间存在正相关关系。 7.建立模型及模型检验 7-1 CM 对FLR 的回归模型建立及检验 【题2】 （1）建立回归模型 根据图1，建立如下线性模型：i i i FLR CM μββ++=10 得出回归结果： 图4 回归方程式：8635.263*390496.2+-=∧ ∧ FLR CM 【回归模型（2）】 其中： )22499.12)(213263.0(=Se )58395.21)(20917.11(-=t )0000.0)(0000.0(=p 669590.02 =R 6455.125=F （2）模型检验 ①经济意义检验 所估计的参数1^ β= - 2.390496，说明女性识字率(FLR)与婴儿死亡率（CM ）负 相关，且在其他条件不变的情况下女性识字率（FLR ）增加1%，可导致婴儿死亡率（CM ）减少2.390496%。 ②统计检验 A 、拟合优度检验： 可决系数669590.02=R ，说明所建模型整体上对样本数据还不算很好，即解释变量CM 对 FLR 的大部分差异作出了解释，但可能还有其他因素影响婴儿死亡率。 B 、t 检验： 对回归系数的t 检验:针对0H :0β=0 1H :0β≠0和0H :1β=0 1H ：1β≠0， 由图4可知：估计的回归系数^ 0β的标准误差和t 值分别为Se(^ 0β)=12.22499, t(^ 0β)=21.58395;^1β的标准误差和t 值分别为Se(^ 1β)=0.213263, t(^ 1β)=-11.20917.取α=0.05,查t 分布表得自由度为n-2=64-2=62的临界值025.0t （62） =2.000，因为t(^ 0β)=21.58395>025.0t （62）=2.000所以拒绝原假设0H :0β=0；因为 t(^ 1β)=-11.20917<- 025.0t （62）=-2.000,所以拒绝原假设0H :1β=0。这说明在95%的置信水平下，解释变量女性识字率(FLR)通过了显著性检验，即解释变量女性识字率(FLR)对婴儿死亡率（CM ）有显著影响。 7-2 CM 对FLR 和PGNP 的回归模型建立及模型检验 【题3】 （1）建立回归模型 根据图2，建立如下线性模型：i i i i PGNP FLR CM μβββ+++=210 得出回归结果： 图5 回归方程式：6416.263*005647.0*231586.2+--=∧ ∧ ∧ PGNP FLR CM 【回归模型（3）】 其中： )59318.11)(002003.0)(209947.0(=Se )74109.22)(818703.2)(62927.10(--=t )0000.0)(0065.0)(0000.0(=p 707665.02 =R 83254.73=F （2）模型检验 ①经济意义检验 所估计的参数1^ β,2^ β均为负数，说明女性识字率(FLR)和人均GNP(PGNP)与婴儿 的死亡率（CM ）负相关，与预期假设相同。1^ β=-2.231586表示，在其他变量保持不 变的情况下，女性识字率每增加1%，婴儿死亡率减少2.231586%。2^ β= - 0.005647表明，在其他变量保持不变的条件下，人均GNP 每增加1%，婴儿死亡率减少0.005647%。 ②统计检验 A 、拟合优度检验： 可决系数2R =0.707665，说明所做模型对样本数据大体上拟合不是很好，可能还有其他因素对婴儿死亡率产生影响。 B 、t 检验： 对回归系数的t 检验:在显著性水平α=0.05,查t 分布表得自由度为n-3 = 64 – 3 = 61的临界值025.0t （61）=2.000， 由图5知t(^ 1β)=-10.62927 < - 025.0t （61） =- 2.00 t(^ 2β)=-2.818703 < - 025.0t （61）= -2.0000,。说明在95%的置信水平下，解释变量女性识字率(FLR) 和人均GNP(PGNP)均通过了显著性检验，即解释变量女性识字率 (FLR) 和人均GNP(PGNP)对婴儿死亡率（CM ）有显著影响。 7-3 CM 对FLR 、PGNP 和TFR 的回归模型建立及模型检验，并给出 ANOVA 。 【题4】 （1）建立回归模型 根据图2，建立如下线性模型：i i i i TFR PGNP FLR CM μββββ++++=3210 得出回归结果： 图5 回归方程式：3067.16886864.12005511.0768029.1++--=∧ ∧ ∧ ∧ TFP PGNP FLR CM 【回归模型（4）】 其中： )89165.32)(190533.4)(001878.0)(248017.0(=Se )117003.5)(070883.3)(934275.2)(128663.7(--=t )0000.0)(0032.0)(0047.0)(0000.0(=p 747372.02 =R 16767.59=F （2）模型检验 ①经济意义检验 所估计的参数1^ β,2^ β均为负数，3^ β为正数，说明女性的文化率(FLR)和人均GNP(PGNP)与婴儿的死亡率（CM ）负相关，总生育率(TFR)和婴儿的死亡率（CM ）正相关， 与预期假设相同。1^ β=– 1.768029表示，在其他变量保持不变的情况下，女性识字率 每增加1%，婴儿死亡率减少 1.768029%。2^ β=- 0.005511表明，在其他变量保持不变的条 件下，人均GNP 每增加1%，婴儿死亡率减少- 0.005511%。3^ β=12.86864表明，总生育率增加1%，婴儿死亡率增加12.86864%。 ②统计检验 A 、拟合优度检验： 可决系数2R =0.747372 ，说明所做模型整体对样本数据拟合较好，即解释变量 FLR 、PGNP 和TFR 对CM 的大多数差异作了解释，但该模型仍有进一步改良的空间。 B 、t 检验： 在显著性水平α=0.05,查t 分布表得自由度为n-4 = 64 – 4 = 60的临界值025 .0t （60）=2.000， 由图6知t(^ 1β)=-7.128663 < - 025.0t （60）= -2.000, t(^ 2β)=-2.934275 < - 025.0t （60）= -2.0000, t(^ 3β)= 3.070883>025.0t （60）= 2.000.说明在95%的置信水平下，解释变量女性识字率(FLR) ,人均GNP(PGNP)和总生育率(TFR)均通过了显著性检验，即解释变量女性识字率(FLR) 、人均GNP(PGNP) 、总生育率(TFR)对婴儿死亡率（CM ）均有显著影响。 （3）给出ANOVA ： 2由于ESS=R 2 *TSS ，RSS=(1-R 2 )*TSS ，可知： 60 /3 /)(././244 3 3 22 ∑∑ ∑∑∧ ∧ ∧ ++= = i i i i i i i e x y x y x y f d RSS f d ESS F βββ F 服从分子自由度为3，分母自由度为n-4的F 分布；F 分布用于联合统计检验。 H 0:R 2=0,H 1:R 2 ≠0,得 15.6061 /)747372.01(3/747372.061 /)1(3/) 4/(3/22 ≈-= -= -= R R n RSS ESS F 又当α=5%，d.f=3.60时F 分布的临界值约为2.76 ∵F=60.15>2.76, ∴拒绝H 0:R 2 =0。 从上述方差分析以及F 检验所得出的结果显示实验所得出的结果拒绝零假设：妇女文盲率、人均国民生产总值和总生育率联合对婴儿死亡率没有影响；实验结果不仅拒绝零假设： FLR （妇女文盲率）、PGNP(人均国民生产总值)和TFR(总生育率)各自是统计不显著的，而且拒绝零假设：FLR （妇女文盲率）、PGNP(人均国民生产总值)和TFR(总生育率)是联合不显著的。因此F 联合检验通过。 8、结果解释 8—1根据各种回归结果，选择哪个模型？为什么？【题5】 根据各种回归结果，应选择CM 对FLR ，PGNP 和TFR 的回归模型。 因为从各个回归结果中的可决系数 看，CM 对FLR 的回归模型中 =0.669590 ，CM 对FLR 和PGNP 回归模型中 =0.707665，CM 对FLR ，PGNP 和TFR 的回归模型中 =0.747372，因为CM 对FLR ，PGNP 和TFR 的回归模型中 最大，对样本数据的拟合程度最高 8—2、如果回归模型（4）是正确的模型，但却估计了（2）或（3），会有什么后果？【题6】 如果回归模型CM 对FLR ，PGNP 和TFR 是正确的模型，但却估计了前两种回归模型，就 忽略了影响婴儿死亡率的其他重要因素，而且根据上面各模型的分析可知正确回归模型中FLR,PGNP 和TFR 这三个解释变量的系数的绝对值都小于其他模型，采用前两种回归模型会使模型中仅有的解释变量对被解释变量的影响增大，使回归模型的误差可能很大，失去其意义，甚至得出与实际相反的结论。 8—3、假定做了（2）的回归，如何决定增加变量PGNP 和TFR ？使用了哪种检验？给出必要的计算结果。【题7】 在实际中，为了解释某个现象，往往面临着在若干解释变量间进行取舍的问题。通常的做法是：只要校正判定系数R 2 值增加，就可以增加新的解释变量。如果增加变量系数的t 值大于1，修正判定系数就会增加，这里的t 值是在零假设：总体系数为零下计算得到的。 ①增加变量PGNP i i i FLR CM μββ++=10 * i i i i PGNP FLR CM μβββ+++=210 ** **可以看做*的受约束回归，此时0H :2β=0，1H :2β≠0，)]364(),12[(--F 。 ) 1() () (----= u U R U U R k n RSS K K RSS RSS F = 61 6 .1063151) 6.1063150.120163(- =7.945 显著性水平为5%的情况下，自由度为（1,61）的F 统计量的临界值为05.0F =4.00<7.945,所以拒绝原假设0H :2β=0，接受2β≠0，PGNP 对CM 有显著影响，因此加入PGNP 这一变量。 ②增加变量TFR i i i i TFR PGNP FLR CM μββββ++++=3210 *** ***可以看做**的受约束回归，此时0H ：3β=0，1H :3β≠0，)]464(),23[(--F 。 ) 1() () (----= u U R U U R k n RSS K K RSS RSS F = 60 38 .918751) 38.918756.106315(- =9.43 显著性水平为5%的情况下，自由度为（1,60）的F 统计量的临界值为05.0F =4.00<9.43,所以拒绝原假设0H :3β=0，接受3β≠0，TFR 对CM 有显著影响，因此加入解释变量TFR. 9、实验总结 （1）现实生活中的大多数经济现象并不只受一种因素制约，多元线性回归模型某种意义上比一元线性回归模型更具普适性。由于存在多个解释变量，需要考虑变量选择等问题，只有经过不断的调试才会找到合适的模型。在模型建立并得出参数后还要对模型进行经济检验和统计检验，以确定模型的适用性。 （2）在实验之前先判断了先验的预期CM 对各个变量间的关系，但是在具体的实验过程中得到的数据显示结果与预期有部分冲突，说明该实验所得到的模型不是一个设定型模型，实验存在着设定误差。这是因为解释变量（妇女识字率FLR ）与被解释变量（婴儿死亡率CM ）之间的因果关系并不确定，只是我们从理论上进行的预测。 （3）进行多元线性回归分析时，解释变量多少的界定标准主要来自于校正判定系数2 R 是否随着解释变量的逐渐增多而逐渐增大，同时考虑校正后的模型是否通过了统计检验，特别是F 统计检验。本实验模型（4）中三个解释变量确实是影响婴儿死亡率CM 的重要因素，但还有继续增加解释变量的空间。 三、实验点评 此次试验最终选择的回归模型（4）的可决系数仍不是很高，建议进行模型的相关的扩展性分析，进一步分析婴儿死亡率受到其他因素的影响，完善多元回归模型。 《数据分析实务与案例实验报告》 曲线估计 学号：2013111104000614 班级：2013 应用统计 姓名： 日期： 2 0 1 4 – 12 – 7 数学与统计学学院 一、实验目的 1. 准确理解曲线回归分析的方法原理。 2. 了解如何将本质线性关系模型转化为线性关系模型进行回归分析。 3. 熟练掌握曲线估计的SPSS 操作。 4. 掌握建立合适曲线模型的判断依据。 5. 掌握如何利用曲线回归方程进行预测。 6. 培养运用多曲线估计解决身边实际问题的能力。 二、准备知识 1. 非线性模型的基本内容 变量之间的非线性关系可以划分为 本质线性关系和本质非线性关系。所谓本质线性关系是指变量关系形式上虽然呈非线性关系，但可以通过变量转化为线性关系，并可最终进行线性回归分析，建立线性模型。本质非线性关系是指变量之间不仅形式上呈现非线性关系，而且也无法通过变量转化为线性关系，最终无法进行线性回归分析，建立线性模型。本实验针对本质线性模型进行。 下面介绍本次实验涉及到的可线性化的非线性模型，所用的变换既有自变量的变换，也有因变量的变换。 乘法模型： 123y x x x βγδαε= 其中α，β，γ，δ 都是未知参数，ε是乘积随机误差。对上式两边取自然对数得到 123ln ln ln ln ln ln y x x x αβγδε=++++ 上式具有一般线性回归方程的形式，因而用多元线性回归的方法来处理。然而，必须强调指出的是，在求置信区间和做有关试验时，必须是2ln (0,)n N I εδ: ， 而不是2n N I εδ:（0，） ,因此检验之前，要先检验ln ε 是否满足这个假设。 三、实验内容 已有很多学者验证了能源消费与经济增长的因果关系，证明了能源消费是促进经济增长的原因之一。也有众多学者利用C-D 生产函数验证了劳动和资本对经济增长的影响机理。所有这些研究都极少将劳动、资本、和能源建立在一个模型中来研究三个因素对经济增长的作用方向和作用大小。 现从我国能源消费、全社会固定资产投资和就业人员的实际出发，假定生产技术水平在短期能不会发生较大变化，经济增长、全社会固定资产投资、就业人员、能源消费可以分别采用国内生产总值、全社会固定资产投资总量、就业总人数、能源消费总量进行衡量，并假定经济增长与能源消费、资本和劳动力的关系均满足C-D 生产函数。 问题中的C-D 生产函数为： Y AK L E αβγ= 式中：Y 为GDP ，衡量总产出；K 为全社会固定资产投资，衡量资本投入量；L 为就业人数，衡量劳动投入量；E 为能源消费总量，衡量能源投入量；A,α，β， γ 为未知参数。根据C-D 函数的假定，一般情形α，β，γ均在0和1之间，但当α，β，γ中有负数时，说明这种投入量的增长，反而会引起GDP 的下降，当α，β，γ中出现大于1的值时，说明这种投入量的增加会引起GDP 成倍增加，这在经济学现象中都是存在的。 以我国1985—2004年的有关数据建立了SPSS 数据集，参见 1. 表1列出了某地区家庭人均鸡肉年消费量Y 与家庭月平均收入X ，鸡肉价格P 1，猪肉价格P 2与牛肉价格P 3的相关数据。 年份 Y/千 克 X/ 元 P 1/(元/千克) P 2/(元/千克) P 3/(元/千克) 年份 Y/千克 X/元 P 1/(元/ 千克) P 2/(元/ 千克) P 3/(元/千克) 1980 2.78 397 4.22 5.07 7.83 1992 4.18 911 3.97 7.91 11.40 1981 2.99 413 3.81 5.20 7.92 1993 4.04 931 5.21 9.54 12.41 1982 2.98 439 4.03 5.40 7.92 1994 4.07 1021 4.89 9.42 12.76 1983 3.08 459 3.95 5.53 7.92 1995 4.01 1165 5.83 12.35 14.29 1984 3.12 492 3.73 5.47 7.74 1996 4.27 1349 5.79 12.99 14.36 1985 3.33 528 3.81 6.37 8.02 1997 4.41 1449 5.67 11.76 13.92 1986 3.56 560 3.93 6.98 8.04 1998 4.67 1575 6.37 13.09 16.55 1987 3.64 624 3.78 6.59 8.39 1999 5.06 1759 6.16 12.98 20.33 1988 3.67 666 3.84 6.45 8.55 2000 5.01 1994 5.89 12.80 21.96 1989 3.84 717 4.01 7.00 9.37 2001 5.17 2258 6.64 14.10 22.16 1990 4.04 768 3.86 7.32 10.61 2002 5.29 2478 7.04 16.82 23.26 1991 4.03 843 3.98 6.78 10.48 （1） 求出该地区关于家庭鸡肉消费需求的如下模型： 01213243ln ln ln ln ln Y X P P P u βββββ=+++++ （2） 请分析，鸡肉的家庭消费需求是否受猪肉及牛肉价格的影响。 先做回归分析，过程如下： 输出结果如下： 回归分析基本分析： 将毕业生人数移入因变量，其他解释变量移入自变量。在统计量中选择估计和模型拟合度，得到如图 注解：模型的拟合优度检验： 第二列：两变量（被解释变量和解释变量）的复相关系数R=0.999。 第三列：被解释向量（毕业人数）和解释向量的判定系数R2=0.998。 第四列：被解释向量（毕业人数）和解释向量的调整判定系数R2=0.971。在多个解释变量的时候，需要参考调整的判定系数，越接近１，说明回归方程对样本数据的拟合优度越高，被解释向量可以被模型解释的部分越多。 第五列：回归方程的估计标准误差＝9.822 回归方程的显著性检验-回归分析的方差分析表 F检验统计量的值=776.216，对应的概率p值=0.000，小于显著性水平0.05，应拒绝回归方程显著性检验原假设（回归系数与0不存在显著性差异），认为：回归系数不为0，被解释变量(毕业生人数)和解释变量的线性关系显著，可以建立线性模型。 注解：回归系数的显著性检验以及回归方程的偏回归系数和常数项的估计值第二列：常数项估计值=-544.366；其余是偏回归系数估计值。 第三列：偏回归系数的标准误差。 第四列：标准化偏回归系数。 第五列：偏回归系数T检验的t统计量。 第六列：t统计量对应的概率p值；小于显著性水平0.05，拒接原假设（回归系数与0不存在显著性差异），认为回归系数部位0，被解释变量与解释变量的线性关系是显著的；大于显著性水平0.05，接受原假设（回归系数与0不存在显著性差异），认为回归系数为0被解释变量与解释变量的线性关系不显著的。 于是，多元线性回归方程为： y=-544.366+0.032x1+0.009x2+0.001x3-0.1x5+3.046x6 回归分析的进一步分析： 1.多重共线性检验 从容差和方差膨胀因子来看，在校学生数和教职工总数与其他解释变量的多重共线性很严重。在重新建模中可以考虑剔除该变量 计量经济学·多元线性回归模型 2006年 217656.6 77597.2 63376.86 2007年 268019.4 93563.6 73300.1 2008年 316751.7 100394.94 79526.53 2009年 345629.2 82029.69 68618.37 2010年 408903 107022.84 94699.3 2011年 484123.5 123240.56 113161.39 2012年 534123 129359.3 114801 2013年 588018.8 137131.4 121037.5 2014年 636138.7 143911.66 120422.84 数据来源：国家统计局 三、模型的检验及结果的解释、评价 (一）OLS 法的检验 相关系数： Y X1 X2 Y 1 0.9799919175967026 0.98352422945 0628 X1 0.97999191759 67026 1 0.99756527944 46187 X2 0.983524229450628 0.99756527944 46187 1 线性图： 100,000 200,000300,000400,000500,000600,000700,000Y X1 X2 估计参数： Dependent Variable: Y Method: Least Squares Date: 12/14/15 Time: 14:47 Sample: 1985 2014 Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. C 3775.319359 326024 8769.9280467 183 0.4304846447 102545 0.67026006 64360232 X1 -0.91272630 85551189 1.9385186318 83585 -0.470837005 9194414 0.64153894 75333828 X2 5.522785592 51161 2.2548570541 42605 2.4492841275 08302 0.02108703 0146243 R-squared 0.967586049 4429319 Mean dependent var 173871.823 3333334 Adjusted R-squared 0.965185016 0683343 S.D. dependent var 187698.441 4104575 S.E. of regression 35022.22758 863741 Akaike info criterion 23.8599929 764685 Sum squared resid 3311702348 2.29852 Schwarz criterion 24.0001127 1463471 Log likelihood -354.899894 6470274 Hannan-Quinn criter. 23.9048184 8460881 F-statistic 402.9873385 683694 Durbin-Watson stat 0.54328498 36158895 Prob(F-statistic) 7.850214650 723685e-21 统计检验： （1）拟合优度：从上表可以得到R2=0.9675860494429319，修正后的可决系数R2=0.9651850160683343，这说明模型对样本的拟合很好。 （2）F检验：针对H0： （二）多重共线性的检验及修正 相关系数矩阵： X1 X2 中国税收增长的分析 一、研究的目的要求 改革开放以来，随着经济体制的改革深化和经济的快速增长，中国的财政收支状况发生了很大的变化，中央和地方的税收收入1978年为519.28亿元到2002年已增长到17636.45亿元25年间增长了33倍。为了研究中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济学模型。 影响中国税收收入增长的因素很多，但据分析主要的因素可能有：（1）从宏观经济看，经济整体增长是税收增长的基本源泉。（2）公共财政的需求，税收收入是财政的主体，社会经济的发展和社会保障的完善等都对公共财政提出要求，因此对预算指出所表现的公共财政的需求对当年的税收收入可能有一定的影响。（3）物价水平。我国的税制结构以流转税为主，以现行价格计算的DGP等指标和和经营者收入水平都与物价水平有关。（4）税收政策因素。我国自1978年以来经历了两次大的税制改革，一次是1984—1985年的国有企业利改税，另一次是1994年的全国范围内的新税制改革。税制改革对税收会产生影响，特别是1985年税收陡增215.42%。但是第二次税制改革对税收的增长速度的影响不是非常大。因此可以从以上几个方面，分析各种因素对中国税收增长的具体影响。 二、模型设定 为了反映中国税收增长的全貌，选择包括中央和地方税收的‘国家财政收入’中的“各项税收”（简称“税收收入”）作为被解释变量，以放映国家税收的增长；选择“国内生产总值（GDP）”作为经济整体增长水平的代表；选择中央和地方“财政支出”作为公共财政需求的代表；选择“商品零售物价指数”作为物价水平的代表。由于税制改革难以量化，而且1985年以后财税体制改革对税收增长影响不是很大，可暂不考虑。所以解释变量设定为可观测“国内生产总值（GDP）”、“财政支出”、“商品零售物价指数” 从《中国统计年鉴》收集到以下数据 财政收入（亿元） Y 国内生产总值(亿 元） X2 财政支出（亿 元） X3 商品零售价格指 数（%) X4 1978519.283624.11122.09100.7 1979537.824038.21281.79102 1980571.74517.81228.83106 实验报告 课程名称计量经济学 实验项目名称多元线性回归自相关 异方差多重共线性班级与班级代码 08国际商务1班实验室名称（或课室）实验楼910 专业国际商务 任课教师刘照德 学号： 043 姓名：张柳文 实验日期： 2011 年 06 月 23日 广东商学院教务处制 姓名张柳文实验报告成绩 评语： 指导教师（签名） 年月日说明：指导教师评分后，实验报告交院（系）办公室保存。 计量经济学实验报告 实验项目：多元线性回归、自相关、异方差、多重共线性 实验目的：掌握多元线性回归模型、自相关模型、异方差模型、多重共线性模型的估计和检验方法和处理方法 实验要求：选择方程进行多元线性回归；熟悉图形法检验和掌握D-W 检验，理解广义差分法变换和掌握迭代法；掌握Park或 Glejser检验，理解同方差性变换； 实验原理：普通最小二乘法图形检验法 D-W检验广义差分变换加权最小二乘法 Park检验等 实验步骤： 首先：选择数据 为了研究影响中国税收收入增长的主要原因，选择国内生产总值（GDP）、财政支出（ED）、商品零售价格指数（RPI）做为解释变量，对税收收入（Y）做多元线性回归。从《中国统计年鉴》2011中收集1978—2009年各项影响因素的数据。如下表所示： 中国税收收入及相关数据 实验一：多元线性回归 1、将数据导入后，分别对三个解释变量与被解释变量做散点图，选择两个变量作为group打开，在数据表“group”中点击view/graph/scatter/simple scatter，出现数据的散点图，分别如下图所示： 从散点图看，变量间不一定呈现线性关系，可以试着作线性回归。 2、进行因果关系检验 实验报告 1. 实验目的随着中国经济的发展，居民的常住收入水平不断提高，粮食销售量也不断增长。研究粮食年销售量与人均收入之间的关系，对于探讨粮食年销售量的增长的规律性有重要的意义。 2. 模型设定 为了分析粮食年销售量与人均收入之间的关系,选择“粮食年销售量” 为被解释变量（用Y 表示），选择“人均收入”为解释变量（用X 表 示）。本次实验报告数据取自某市从1974 年到1987 年的数据（教材书上101页表3.11），数据如下图所示： 1粮食年销售量Y/万吨人均收入X/ rF1974[ 9& 45153.2 1975100.7190 pl1976102.8240.3 1977133. 95301.12 [61978140.13361 71979143.11420 8—1980146.15491.76「91981144.6501 101982148. 94529.2 1 11-1983158.55552. 72匸1984169. 68771.16 131985P 162.1481L8 14二1986170. 09988.43 1519871F& 691094.65为分析粮食年销售量与人均收入的关系，做下图所谓的散点图 从散点图可以看出粮食年销售量与人均收入大体呈现为线性关 系，可以建立如下简单现行回归模型: 3?估计参数 Y t = ■? 1 2 X t ——I t 假定所建模型及其中的随机扰动项叫满足各项古典假定，可以 用OLS法估计其参数。 通过利用EViews对以上数据作简单线性回归分析，得出回归结果如下表所示： Dependent Variable Y Method: Least Squares Date 10/15/11 Time 14 49 Sample- 1 14 Included observations: 14 Variable Coefficient Std Error t-Statistic Prob C99 61349 6 431242 15 489000 0000 X0.0814700.010738 7.5071190.0000 R-squared0 827493Mean dependent var142 7129 Adjusted R-squared0 813123S.D. dependent var26.09805 S E of regression11 28200Akaike info criterion7 915858 Sum squared resid1527 403Schwarz criterion7 907152 Log likelihood-52.71101F-statisti c5756437 Durbin-V/atson stat0 638969Prob(尸-statistic)0 000006 可用规范的形式将参数估计和检验的结果写为: A Y t =99.61349+0.08147 X t （6.431242）（0.10738） t= (15.48900) (7.587119) R2=0.827498 F=57.56437 n=14 4?模型检验 （1）.经济意义检验 A A 所估计的参数1=99.61349, 1 2=0.08147,说明人均收入每增加 1元，平均说来可导致粮食年销售量提高0.08147元。这与经济学中 SPSS 统计分析 多元线性回归分析方法操作与分析 实验目的： 引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素。 实验变量： 以年份、商品房平均售价（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。 实验方法：多元线性回归分析法 软件：spss19.0 操作过程： 第一步：导入Excel数据文件 1.open data document——open data——open； 2. Opening excel data source——OK. 第二步： 1.在最上面菜单里面选中Analyze——Regression——Linear ，Dependent（因变量）选择商品房平均售价，Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率；Method 选择Stepwise. 进入如下界面： 2.点击右侧Statistics，勾选Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、Casewise diagnostics默认；接着选择Model fit、Collinearity diagnotics；点击Continue. 3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue. 4.点击右侧Save，勾选Predicted Vaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue. 计量经济学·多元线性回归模型应用作业 1985~2014年中国GDP与进口、出口贸易总额的关系 一、概述 在当今市场上，一国的GDP与多个因素存在着紧密的联系，例如进口总额和出口总额等都是影响一国GDP 的重要因素。本次将以中国1985－2014年GDP和进口总额、出口总额两个因素因素的数据，通过建立计量经济模型来分析上述变量之间的关系，强调贸易对GDP 的重要性，从而促进国内生产总值的发展。 二、模型构建过程 ⒈变量的定义 解释变量：X1进口贸易总额，X2出口贸易总额被解释变量：Y国内生产总值 建立计量经济模型：解释原油产量与进口贸易总额、出口贸易总额之间的关系。 ⒉模型的数学形式 设定GDP与两个解释变量相关关系模型，样本回归模型为： ⒊数据的收集 该模型的构建过程中共有两个变量,分别是中国从1990－2006年民用汽车拥有量、电力产量、国内生产总值以及能源消费总量，因此为时间序列数据，最后一个即2006年的数据作为预测对比数据，收集的数据如下所示 时间国内生产总值(亿元) 出口总额(人民币亿 元) 进口总额(人民币亿 元) 1985年9039.9 808.9 1257.8 1986年10308.8 1082.1 1498.3 1987年12102.2 1470 1614.2 1988年15101.1 1766.7 2055.1 1989年17090.3 1956 2199.9 1990年18774.3 2985.8 2574.3 1991年21895.5 3827.1 3398.7 1992年27068.3 4676.3 4443.3 1993年35524.3 5284.8 5986.2 1994年48459.6 10421.8 9960.1 1995年61129.8 12451.8 11048.1 1996年71572.3 12576.4 11557.4 1997年79429.5 15160.7 11806.5 1998年84883.7 15223.6 11626.1 1999年90187.7 16159.8 13736.5 2000年99776.3 20634.4 18638.8 2001年110270.4 22024.4 20159.2 2002年121002 26947.9 24430.3 2003年136564.6 36287.9 34195.6 2004年160714.4 49103.3 46435.8 2005年185895.8 62648.1 54273.7 我国农民收入影响因素的回归分析 本文力图应用适当的多元线性回归模型,对有关农民收入的历史数据和现状进行分析,探讨影响农民收入的主要因素,并在此基础上对如何增加农民收入提出相应的政策建议。?农民收入水平的度量常采用人均纯收入指标。影响农民收入增长的因素是多方面的，既有结构性矛盾因素，又有体制性障碍因素。但可以归纳为以下几个方面：一是农产品收购价格水平。二是农业剩余劳动力转移水平。三是城市化、工业化水平。四是农业产业结构状况。五是农业投入水平。考虑到复杂性和可行性，所以对农业投入与农民收入，本文暂不作讨论。因此，以全国为例，把农民收入与各影响因素关系进行线性回归分析，并建立数学模型。 一、计量经济模型分析 (一)、数据搜集 根据以上分析，我们在影响农民收入因素中引入7个解释变量。即：2x -财政用于农业的支出的比重，3x -第二、三产业从业人数占全社会从业人数的比重，4x -非农村人口比重，5x -乡村从业人员占农村人口的比重，6x -农业总产值占农林牧总产值的比重，7x -农作物播种面积，8x —农村用电量。 资料来源《中国统计年鉴2006》。 (二)、计量经济学模型建立 我们设定模型为下面所示的形式： 利用Eviews 软件进行最小二乘估计，估计结果如下表所示： DependentVariable:Y Method:LeastSquares Sample: Includedobservations:19 Variable Coefficient t-Statistic Prob. C X1 X3 X4 X5 X6 X7 X8 R-squared Meandependentvar AdjustedR-squared 表1最小二乘估计结果 回归分析报告为： () ()()()()()()()()()()()()()()() 2345678 2? -1102.373-6.6354X +18.2294X +2.4300X -16.2374X -2.1552X +0.0100X +0.0634X 375.83 3.7813 2.066618.37034 5.8941 2.77080.002330.02128 -2.933 1.7558.820900.20316 2.7550.778 4.27881 2.97930.99582i Y SE t R ===---=230.99316519 1.99327374.66 R Df DW F ====二、计量经济学检验 (一)、多重共线性的检验及修正 ①、检验多重共线性 (a)、直观法 从“表1最小二乘估计结果”中可以看出，虽然模型的整体拟合的很好，但是x4x6 计量经济学多元线性回归、多重共线性、异方差实验报告记录 ————————————————————————————————作者：————————————————————————————————日期： 计量经济学实验报告 多元线性回归、多重共线性、异方差实验报告 一、研究目的和要求： 随着经济的发展，人们生活水平的提高，旅游业已经成为中国社会新的经济增长点。旅游产业是一个关联性很强的综合产业，一次完整的旅游活动包括吃、住、行、游、购、娱六大要素，旅游产业的发展可以直接或者间接推动第三产业、第二产业和第一产业的发展。尤其是假日旅游，有力刺激了居民消费而拉动内需。2012年，我国全年国内旅游人数达到亿人次，同比增长%，国内旅游收入万亿元，同比增长%。旅游业的发展不仅对增加就业和扩大内需起到重要的推动作用，优化产业结构，而且可以增加国家外汇收入，促进国际收支平衡，加强国家、地区间的文化交流。为了研究影响旅游景区收入增长的主要原因，分析旅游收入增长规律，需要建立计量经济模型。 影响旅游业发展的因素很多，但据分析主要因素可能有国内和国际两个方面，因此在进行旅游景区收入分析模型设定时，引入城镇居民可支配收入和旅游外汇收入为解释变量。旅游业很大程度上受其产业本身的发展水平和从业人数影响，固定资产和从业人数体现了旅游产业发展规模的内在影响因素，因此引入旅游景区固定资产和旅游业从业人数作为解释变量。因此选取我国31个省市地区的旅游业相关数据进行定量分析我国旅游业发展的影响因素。 二、模型设定 根据以上的分析，建立以下模型 Y=β 0+β 1 X 1 +β 2 X 2 +β 3 X 3 +β 4 X 4 +Ut 参数说明： Y ——旅游景区营业收入/万元 X 1 ——旅游业从业人员/人 X 2 ——旅游景区固定资产/万元 X 3 ——旅游外汇收入/万美元 X 4 ——城镇居民可支配收入/元 多元线性回归模型案例分析 ——中国人口自然增长分析一·研究目的要求 中国从1971年开始全面开展了计划生育,使中国总和生育率很快从1970年的5.8降到1980年2.24,接近世代更替水平。此后，人口自然增长率（即人口的生育率）很大程度上与经济的发展等各方面的因素相联系，与经济生活息息相关，为了研究此后影响中国人口自然增长的主要原因，分析全国人口增长规律，与猜测中国未来的增长趋势，需要建立计量经济学模型。 影响中国人口自然增长率的因素有很多，但据分析主要因素可能有：（1）从宏观经济上看，经济整体增长是人口自然增长的基本源泉；（2）居民消费水平，它的高低可能会间接影响人口增长率。(3)文化程度，由于教育年限的高低，相应会转变人的传统观念，可能会间接影响人口自然增长率（4）人口分布，非农业与农业人口的比率也会对人口增长率有相应的影响。 二·模型设定 为了全面反映中国“人口自然增长率”的全貌，选择人口增长率作为被解释变量，以反映中国人口的增长；选择“国名收入”及“人均GDP”作为经济整体增长的代表；选择“居民消费价格指数增长率”作为居民消费水平的代表。暂不考虑文化程度及人口分布的影响。 从《中国统计年鉴》收集到以下数据（见表1）： 表1 中国人口增长率及相关数据 设定的线性回归模型为： 1222334t t t t t Y X X X u ββββ=++++ 三、估计参数 利用EViews 估计模型的参数，方法是： 1、建立工作文件：启动EViews ，点击File\New\Workfile ，在对 话框“Workfile Range ”。在“Workfile frequency ”中选择“Annual ” (年度)，并在“Start date ”中输入开始时间“1988”，在“end date ”中输入最后时间“2005”，点击“ok ”，出现“Workfile UNTITLED ”工作框。其中已有变量：“c ”—截距项 “resid ”—剩余项。在“Objects ”菜单中点击“New Objects”，在“New Objects”对话框中选“Group”，并在“Name for Objects”上定义文件名，点击“OK ”出现数据编辑窗口。 年份 人口自然增长率 （%。） 国民总收入（亿元） 居民消费价格指数增长 率（CPI ）% 人均GDP （元） 1988 15.73 15037 18.8 1366 1989 15.04 17001 18 1519 1990 14.39 18718 3.1 1644 1991 12.98 21826 3.4 1893 1992 11.6 26937 6.4 2311 1993 11.45 35260 14.7 2998 1994 11.21 48108 24.1 4044 1995 10.55 59811 17.1 5046 1996 10.42 70142 8.3 5846 1997 10.06 78061 2.8 6420 1998 9.14 83024 -0.8 6796 1999 8.18 88479 -1.4 7159 2000 7.58 98000 0.4 7858 2001 6.95 108068 0.7 8622 2002 6.45 119096 -0.8 9398 2003 6.01 135174 1.2 10542 2004 5.87 159587 3.9 12336 2005 5.89 184089 1.8 14040 2006 5.38 213132 1.5 16024 多元线性回归模型实验报告 13级财务管理 101012013101 蔡珊珊 【摘要】首先做出多元回归模型，对于解释变量作出logx等变换，选择拟合程度最高的模型，然后判断出解释变量之间存在相关性，然后从检验多重线性性入手，由于解释变量之间有的存在严重的线性性，因此采用逐步回归法，将解释变量进行筛选，保留对模型解释能力较强的解释变量，进而得出一个初步的回归模型，最后对模型进行异方差和自相关检验。 【操作步骤】1.输入解释变量与被解释变量的数据 2.作出回归模型 R^2=0.966951 DW=0.626584 F-statictis=241.3763 ②我们令y1=log(consumption),x4=log(people),x5=log(price),x6=log(retained),x7= log(gdp), 作出回归模型 ② 发现拟合程度很高，也通过了F检验与T检验。但是我们首先检查模型的共线性 发现x4与x6,x4与x7,x6与x7存在很强的共线性，对模型会造成严重影响。 目前暂用模型y1=10.55028-3.038439x4-0.236518x5+2.647396x6-0.557805x7，我们将陆续进行调整。 3.分别作出各解释变量与被解释变量之间的线性模型 ①作出汽车消费量与汽车保有量之间的线性回归模型 R^2=0.956231 DW=0.147867 F-statistic=786.4967 因为prob小于α置信度，则可说明β1不明显为零。经济意义存在 Y1^=4.142917 + 0.761197x6 (8.283960) （28.04455） SPSS--回归-多元线性回归模型案例解析！(一） 多元线性回归，主要是研究一个因变量与多个自变量之间的相关关系，跟一元回归原理差不多，区别在于影响因素（自变量）更多些而已，例如：一元线性回归方程为： 毫无疑问，多元线性回归方程应该为： 上图中的x1, x2, xp分别代表“自变量”Xp截止，代表有P个自变量，如果有“N组样本，那么这个多元线性回归，将会组成一个矩阵，如下图所示： 那么，多元线性回归方程矩阵形式为： 其中：代表随机误差，其中随机误差分为：可解释的误差和不可解释的误差，随机误差必须满足以下四个条件，多元线性方程才有意义（一元线性方程也一样） 1：服成正太分布，即指：随机误差必须是服成正太分别的随机变量。 2：无偏性假设，即指：期望值为0 3：同共方差性假设，即指，所有的随机误差变量方差都相等 4：独立性假设，即指：所有的随机误差变量都相互独立，可以用协方差解释。 今天跟大家一起讨论一下，SPSS---多元线性回归的具体操作过程，下面以教程教程数据为例，分析汽车特征与汽车销售量之间的关系。通过分析汽车特征跟汽车销售量的关系，建立拟合多元线性回归模型。数据如下图所示： 点击“分析”——回归——线性——进入如下图所示的界面： 将“销售量”作为“因变量”拖入因变量框内，将“车长，车宽，耗油率，车净重等10个自变量拖入自变量框内，如上图所示，在“方法”旁边，选择“逐步”，当然，你也可以选择其它的方式，如果你选择“进入”默认的方式，在分析结果中，将会得到如下图所示的结果：（所有的自变量，都会强行进入） 如果你选择“逐步”这个方法，将会得到如下图所示的结果：（将会根据预先设定的“F统计量的概率值进行筛选，最先进入回归方程的“自变量”应该是跟“因变量”关系最为密切，贡献最大的，如下图可以看出，车的价格和车轴跟因变量关系最为密切，符合判断条件的概率值必须小于0.05，当概率值大于等于0.1时将会被剔除） 云南大学数学与统计学实验教学中心 实验报告 一、实验目的 1.熟悉MATLAB的运行环境. 2.学会初步建立数学模型的方法 3.运用回归分析方法来解决问题 二、实验内容 实验一：某公司出口换回成本分析 对经营同一类产品出口业务的公司进行抽样调查,被调查的13家公司,其出口换汇成本与商品流转费用率资料如下表。试分析两个变量之间的关系,并估计某家公司商品流转费用率是6.5%的出口换汇成本. 实验二：某建筑材料公司的销售量因素分析 下表数据是某建筑材料公司去年20个地区的销售量（Y，千方），推销开支、实际帐目数、同类商品 竞争数和地区销售潜力分别是影响建筑材料销售量的因素。1）试建立回归模型，且分析哪些是主要的影响因素。2）建立最优回归模型。 提示：建立一个多元线性回归模型。 三、实验环境 Windows 操作系统; MATLAB 7.0. 四、实验过程 实验一：运用回归分析在MATLAB 里实现 输入：x=[4.20 5.30 7.10 3.70 6.20 3.50 4.80 5.50 4.10 5.00 4.00 3.40 6.90]'; X=[ones(13,1) x]; Y=[1.40 1.20 1.00 1.90 1.30 2.40 1.40 1.60 2.00 1.00 1.60 1.80 1.40]'; plot(x,Y,'*'); [b,bint,r,rint,stats]=regress(Y,X,0.05); 输出： b = 2.6597 -0.2288 bint = 1.8873 3.4322 -0.3820 -0.0757 stats = 0.4958 10.8168 0.0072 0.0903 即==1,0?6597.2?ββ，-0.2288,0?β的置信区间为[1.8873 3.4322],1,?β的置信区间为[-0.3820 -0.0757]； 2r =0.4958, F=10.8168, p=0.0072 因P<0.05, 可知回归模型 y=2.6597-0.2288x 成立. 1 1.5 2 2.5 散点图 估计某家公司商品流转费用率是6.5%的出口换汇成本。将x=6.5代入回归模型中，得到 >> x=6.5; >> y=2.6597-0.2288*x y = 1.1725 实验报告 课程名称金融计量学 实验项目名称多元线性回归模型班级与班级代码 实验室名称（或课室） 专业 任课教师xxx 学号：xxx 姓名：xxx 实验日期：2012年5 月3日 广东商学院教务处制 姓名xxx 实验报告成绩 评语： 指导教师（签名） 年月日说明：指导教师评分后，实验报告交院（系）办公室保存 多元线性回归模型 一、实验目的 通过上机实验,使学生能够使用 Eviews 软件估计可化为线性回归模型的非线性模型，并对线性回归模型的参数线性约束条件进行检验。二、实验内容 （一）根据中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L进行回归分析。（二）掌握可化为线性多元非线性回归模型的估计和多元线性回归模型的线性约束条件的检验方法 （三）根据实验结果判断中国该年制造业总体的规模报酬状态如何？三、实验步骤 （一）收集数据 下表列示出来中国某年按行业分的全部制造业国有企业及规模以上制造业非国有企业的工业总产值Y，资产合计K及职工人数L。 序号工业总产值Y （亿元） 资产合计K （亿元） 职工人数L （万人）序号 工业总产 值Y（亿元） 资产合计K （亿元） 职工人数L （万人） 1 3722.7 3078.2 2 11 3 17 812.7 1118.81 43 2 1442.52 1684.4 3 67 18 1899.7 2052.16 61 3 1752.37 2742.77 8 4 19 3692.8 5 6113.11 240 4 1451.29 1973.82 27 20 4732.9 9228.2 5 222 5 5149.3 5917.01 327 21 2180.23 2866.65 80 6 2291.16 1758.7 7 120 22 2539.76 2545.63 96 7 1345.17 939.1 58 23 3046.95 4787.9 222 8 656.77 694.94 31 24 2192.63 3255.29 163 9 370.18 363.48 16 25 5364.83 8129.68 244 10 1590.36 2511.99 66 26 4834.68 5260.2 145 11 616.71 973.73 58 27 7549.58 7518.79 138 12 617.94 516.01 28 28 867.91 984.52 46 13 4429.19 3785.91 61 29 4611.39 18626.94 218 14 5749.02 8688.03 254 30 170.3 610.91 19 15 1781.37 2798.9 83 31 325.53 1523.19 45 16 1243.07 1808.44 33 表1 低碳农业发展影响因素分析——以新疆南疆五地州为例 学生姓名方芳 学号１０７５７１７００８ 所属学院经济与管理学院 专业农村与区域发展 塔里木大学教务处制 目录 1 引言 (1) 2 数据来源和研究方法 (1) 2.1数据来源 (1) 2.2研究方法 (2) 3 模型检验与结果 (3) 3.1初始模型计量 (3) 3.2检验 (3) 4 结论与建议 (4) 5 参考文献 (4) 低碳农业发展影响因素分析 --以新疆南疆五地州为例 方芳 摘要：全球变暖问题引起世界各国的广泛关注，这一变化使得自然灾害频发，甚至危及人类安全，因此解决这一问题迫在眉睫。通过对新疆南疆五地州的农业总产值与化肥施用量、农用机械总动力及农作物总播种面积进行回归分析后，发现化肥施用量对农作物的总产值影响极大，是其主要的制约因素。要发展低碳农业应转变农业生产方式，实施保护性耕作；应推广施肥新技术，提高化肥利用率；应改进装置，利用新技术生产化肥；发展生态农业，实现经济循环发展。 关键字：低碳农业影响因素回归分析 1 引言 近年来气候变化所导致的高温热潮、暴雨连连、旱灾、沙尘暴频发事件的概率持续增加，CO2是造成该现象的源头之一，因此，发展低碳经济、发展节能减排成为全球关注的热点。2014 年《中美气候变化联合声明》提出我国将于2030 年左右达到碳排放峰值的庄严承诺，2015 年12 月12 日，195个缔约方在巴黎达成了新的全球气候协议———《巴黎协议》，提出努力将气温升幅限制在1.5℃内的目标。农业碳排放量介于电热生产和尾气之间，成为第二大排放源，占我国碳排放总量的17%。新疆位于亚欧大陆腹地，地处中国西北边陲，是中国面最大、交界邻国最多、陆地边境线最长的省区，肩负着与重要世界经济资源大国沿边开放的重任。同时，新疆作为我国重要的种植业和畜牧业基地，以8%的绿洲面积承载了90%以上的人口、耕地和生产总值，绿色生态压力相当严峻。新疆南疆位于天山以南的塔里木盆地 ,四周高山环抱。在行政区划上包括巴音郭楞、阿克苏、喀什、克孜勒苏、和田等五地州及生产建设兵团的四个农业师。塔里木河是我国最大的内陆河,它由西向东1321km,流域覆盖新疆南部地区,面积102万km2,人口825.7万 ,分别占新疆自治区的61%和 47%,是我国重要的棉花基地。冉锦成、苏洋等人研究表明，南疆各地 (州，市) 区域差异明显，喀什地区属碳排放量、碳排放强度“双高”型地区，因此,通过对农业产值与化肥施用量、机械总动力以及农作物播种面积的回归分析,试图找到影响低碳农业发展的主要因素,并提出相关的建议,促进农业实现低碳生产。 2 数据来源和研究方法 2.1数据来源 本文选取的是新疆2006--2016年的农业生产数据，其中包括：农业总产值(亿)Y，化肥施用量（万吨）（X１）、农用机械总动力（万千瓦）（X2）、农作物总播种面积（万公顷）（X３）,数据来源于《中国统计年鉴》和《新疆统计年鉴》（2006--2016），数据见表１。 表1 新疆统计年鉴2006-2016样本数据SPSS实验报告_线性回归_曲线估计
多元线性回归模型的案例分析
多元线性回归SPSS实验报告
计量经济学·多元线性回归模型
eviews多元线性回归案例分析
计量经济学实验报告(多元线性回归 自相关 )
计量经济学简单线性回归实验报告精编
SPSS多元线性回归分析实例操作步骤
计量经济学·多元线性回归模型
多元线性回归模型案例
计量经济学多元线性回归、多重共线性、异方差实验报告记录
(完整word版)多元线性回归模型案例分析
多元线性回归模型实验报告
多元线性回归实例分析
matlab多元线性回归模型
多元线性回归模型实验报告 计量经济学
计量经济学多元线性回归