应用回归分析课程设计论文-财政收入模型分析
财政收入和国家生产总值之间的一元线性回归分析
成绩评定表课程设计（论文）任务书摘要现实世界中，经常出现一些变量，他们相互联系相互依存着，他们之间存在着一定的关系，数理统计中研究变量之间的相互关系的一种有效方法是回归分析。
对于一元线性相关关系，用线性方程大致描述变量之间的关系，按最小二乘法求位置参数的估计值，最终求得线性回归方程找到变量之间的关系。
这些复杂的步骤在spss中可简单实现。
本文通过运用spss线性回归的方法对我国财政收入和国内生产总值的关系进行回归分析，求解线性回归方程，并通过方差分析和相关系数检验进行显著性检验。
了解了影响国内生产总值的因素与其实质关系。
本文利用概率纶与数理统计中的所学的回归分析知识，根据1992~2006年财政收入和生产总值的数据建立数学模型，利用这些数据做出国内生产总值x关于财政收入y的线性回归方程，并SPSS软件对验数据进行分析处理，得出线性回归系数与拟合系数等数据，并用F检验法检验了方法的可行性，同时用分布参数置信区间和假设检验问题，得出了国内生产总值x关于财政收入y的线性关系显著，并进行了深入研究，提出了小样本常用分布参数的置信区间与假设检验的解决方法。
关键词：一元线性回归分析;国内生产总值和财政收入;方差分析目录一、设计目的 (1)二、设计问题 (1)三、设计原理 (1)四、设计程序 (2)五、结果分析 (6)六、设计总结 (9)致谢 (10)参考文献 (11)财政收入和国家生产总值之间的一元线性回归分析一、 设计目的为了更好的了解概率论与数理统计的知识，熟练掌握概率论与数理统计在实际问题上的应用，并将所学的知识结合SPSS 数据处理软件对数据的处理解决实际问题。
本设计是利用方差分析等对财政收入和柜内生产总值进行分析，并利用SPSS 数据处理软件进行求解。
二、设计问题现有1992~2006年财政收入和生产总值（单位：亿元）的数据，如表 所示，请研究财政收入和国内生产总值之间的线性关系。
年份财政收入年份财政收入19923483.37200013395.2319934348.95200116386.0419945218.10200218903.6419956242.20200321715.2519967407.99200426396.4719978651.14200531649.2919989875.95200638760.20199911444.08183867.9210871.071176.678973.084402.389677.199214.6109655.2120332.7135822.8159878.3国内生产总值国内生产总值26923.535333.948197.960793.7由此我们利用这些数据做出国内生产总值x 关于财政收入y 的线性回归方程。
回归分析论文
因变量: 财政收入 y 1415.884=-.645X1+-.264X2+-.452X3+-.002X4+.637X5+-.008X6 t=.598 -3.684 -1.266 -.798 -.074 4.903 -.967
四、检验及修正 1．经济意义检验 从上表中可以看出， 各指标符号与先验信息有点出入， 所估计结果与经济原理向悖，说明观测数据具有多重 共线性等问题，但仍具有经济意义。 2．统计推断检验 从回归结果可以看出,模型的拟合优度非常好 (������ 2 =0.996)，F 统计量的值在给定显著性水平 α=0.05 的情况下也较显著，t 统计值均不显著，由直观判定法 得知自变量的回归系数所带正负号与定性分析结果违 背。说明观测值变量之间存在多重共线的影响使其 t 值不显著。 3．基本假定检验 1）多重共线性检验 ①检验：由 F=122.712 > F0.05 (5,18)=2.64(显著性水平 α=0.05) 表明模型从整体上看粮食产量与解释变量间 线形关系显著。 这里采用“简单相关系数矩阵法”对其进行检验
.999
**
1
.867
**
.997
**
.495
*
显 著 性 （ 双 .000 侧） N 21
.000
.000
.000
.022
21
21
21
21
21
人口数 x4
Pearson 关性
相 .909
**
.872
**
.867
**
1
.892
**
.576
**
显 著 性 （ 双 .000 侧） N 21
.000
财政收入的多元回归分析
财政收入的多元回归分析定量分析案例财政收入的多元回归分析财政收入是指一个国家政府凭借政府的特殊权力，按照有关的法律和法规在一定时期内（一般为一年）取得的各种形式的总和，包括税收、企事业收入、规矩能源交通重点建设基金收入。
债务收入、规费收入、罚没收入等、财政收入水平高低反映一国经济实力的重要标志。
在一定时期内，财政收入规模的大小受许多因素的影响，入国民生产总值大小、社会从业人员数的多少、税收规模的大小、税率高低等。
在本案例中，我们认为，一个国家的税收水平的高低、国民生产总值的大小、其他收入的多少，是决定一个国家一定时期内财政收入规模的主要影素。
因此本案例只取这三个变量作为解释变量，分析它们对财政收入的影响程度。
本案例的样本数据来自中国统计出版社的有关年份的《中国统计年鉴》，数据时限为1978－1995年，案例数据如下（见表1）：财政收入等四项指标观测数据T年份 Y财政收入 X1国民生产总值 X2税收 X3其他收入1978 1132.62 3624.1 519.28 40.991979 1146.38 4038.2 537.82 113.531980 1159.93 4517.8 517.7 152.991981 1175.79 4860.3 629.89 192.221982 1212.33 5301.8 700.02 215.841983 1866.95 5957.1 755.59 257.841984 1642.86 7206.7 947.35 296.291985 2004.82 8989.1 2040.79 280.511986 2122.01 10201.4 2090.73 156.951987 2199.35 11954.5 2140.36 212.381定量分析案例财政收入的多元回归分析1988 2357.24 14922.3 2390.47 176.181989 2664.9 16917.8 2727.4 179.411990 2937.1 18598.4 2821.86 299.531991 3149.48 21662.5 2990.17 240.11992 3483.37 26651.9 3296.91 265.151993 4348.95 34650.5 4255.3 191.041994 5218.1 46532.9 5126.88 280.181995 6242.2 57277.3 6038.04 369.19首先考察数据的分布情况，在EXCEL中对数据进行描述统计分析，得出如下结果（见表2）：Descriptive statisticsY财政收入 X1国民生产总值 X2税收 X3其他收入count 18 18 18 18mean 2,559.1322 16,881.367 2,251.4756 217.7956sample variance 2,170,506.7863 239,304,226.319 2,754,808.10726,033.6743sample standard deviation 1,473.2640 15,469.461 1,659.7615 77.6767minimum 1132.62 3624.1 517.7 40.99maximum 6242.2 57277.3 6038.04 369.19range 5109.58 53653.2 5520.34 328.2统计量表明，四个变量的取值范围差别较大，从描述统计量中并不能清楚地看到各个变量之间的关系，需要进一步的分析。
财政学收入论文3800字_财政学收入毕业论文范文模板
财政学收入论文3800字_财政学收入毕业论文范文模板财政学收入论文3800字(一)：安徽省财政收入主要影响因素的计量经济学分析论文摘要：从经济理论与实际情况出发，财政收入与经济增长有着一种稳定联系。
本文通过计量经济学相关知识，就安徽省财政收入及其相关经济数据使用Eviews软件建立多元回归模型进行计量经济学分析，并根据得出的结论分析安徽省税收收入与地区生产总值对安徽省财政收入的影响，并提出相关建议。
关键词：财政收入；地区生产总值；税收收入；计量一、基本理论与问题提出（一）基本理论。
财政，与国家的产生和国家的存在相互联系。
国家需要消耗一定数量的社会产品用来维持其本身的存在以及满足发挥其职能的需要。
在社会经济活动中，政府财政收入的充裕程度在很大程度上决定了政府能够提供的公共物品和服务的范围及数量。
因此，可以用于衡量政府财力的一个重要的指标便是财政收入。
政府财政收入的组成部分包含税收收入、债务收入等其他各项收入，其中财政收入的绝大一部分是税收收入。
（二）问题的提出。
安徽省近年来经济发展非常迅速，财政收入也呈现出稳定增长的趋势。
财政收入作为我国宏观调控的主要手段，对于经济的持续稳定发展有着积极的意义。
安徽作为中部地区的欠发达省份，财政收入发展水平相对而言较低，那么，安徽省财政收入如何实现稳定持续的增长呢，本文选择年安徽省税收收入和地区生产总值数据作为主要影响因素，在日常生活经验的基础上构建计量经济学模型对安徽省财政收入进行实证分析。
二、计量经济学模型设定（一）主要影响因素分析1.税收收入。
税收收入是指各年的总税收，其中包括增值税、个人所得税等多项税收，属于财政收入的核心组成部分，所占的比重也是最大的。
2.地区生产总值。
依据财政学相关理论，想要实现经济的可持续增长，就应该在财政收入的增长与经济增长之间形成一种长期的相互依存的稳定关系。
在统计上，两者又具有高度的相关性，并且有稳定的协整关系。
（二）计量经济学模型的设定Y=C+C1*X+C2*X+μ其中：Y表示财政收入；X1表示税收收入；X2表示地区生产总值；μ表示随机误差项。
【原创】SPSS重庆市财政收入的回归分析报告论文附代码数据
重庆市财政收入的回归分析摘要文章首先运用SPSS工具对2000-2010年我国GDP、财政收入与存款汇率和年份等数据进行回归分析,得出存款汇率与GDP和年份及财政收入的回归模型。
其次,分别建立逐步回归模型，得到最优回归模型结果。
关键词： GDP 财政收入经济指标回归分析逐步回归一、前言近年来，我国财政收入的增长却远远快于经济增长的速度，针对这一情况,本文通过对财政收入和中国GDP变化的计量经济分析,试追寻问题所在，并希望对改善我国财政和GDP的合理关系提供对策。
国内生产总值(GDP)是指在一定时期内（一个季度或一年），一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。
而财政收入是政府部门的公共收入,是国民收入分配中用于保证政府行使其公共职能、实施公共政策以及提供公共服务的资金需求。
国内生产总值和财政收入是众多经济指标中的两个关键性指标，通过回归分析等研究手段，思考和研究这两个指标的相互关系，并正确把握，对于促进经济可持续健康发展，具有非常重要的意义。
国内生产总值（gross domestic product GDP）是按市场价格计算的国内生产总值的简称。
它是一个国家（地区）所有常住单位在一定时期内生产活动的最终成果。
20世纪90年代以前，资本主义世界各国主要侧重采用GNP和人均GNP。
但进入90年代后，96%的国家纷纷放弃GNP和人均GNP，而开始重点采用GDP和人均GDP来衡量经济增长快慢以及经济实力的强，一般将国民总收入GNI(Gross National Income)，指一个国家或地区所有常住单位在一定时期内收入初次分配的最终结果）看作是GNP，各国（包括中国）也仅对外公布GDP与GNI数据。
美国经济学家萨缪尔森（Paul A Samuelson）认为，GDP是20世纪最伟大的发明之一。
他将GDP比做描述天气的卫星云图，能够提供经济状况的完整图像，能够帮助领导者判断经济是在萎缩还是在膨胀，是需要刺激还是需要控制，是处于严重衰退还是处于通胀威胁之中。
基于SPSS回归分析研究影响国家财政收入的因素
基于SPSS回归分析研究影响国家财政收入的因素一、本文概述随着全球经济的不断发展和国家财政管理体系的日益完善，探究影响国家财政收入的因素变得尤为重要。
财政收入作为衡量一个国家经济实力和政府治理能力的重要指标，其稳定与增长对于国家的可持续发展和社会福祉具有决定性的影响。
本文旨在通过SPSS回归分析，深入探讨影响国家财政收入的各项因素，以期为政策制定者提供科学依据，推动国家财政收入的稳步增长。
具体而言，本文将首先对相关文献进行梳理，总结前人研究成果和不足，明确研究问题和假设。
接着，通过收集各国财政收入及相关影响因素的数据，运用SPSS软件进行多元线性回归分析，探讨各因素对国家财政收入的影响程度和方向。
在分析结果的基础上，本文将进一步讨论各因素之间的相互作用及其对国家财政收入的共同影响，揭示影响国家财政收入的关键因素。
本文的研究不仅有助于丰富和发展财政收入理论，还为政策制定者提供了实践指导。
通过深入了解影响国家财政收入的因素，政府可以更加精准地制定财政政策，优化税收结构，提高财政收入的稳定性和可持续性。
本文的研究也有助于增进国际社会对国家财政收入问题的认识和理解，促进全球经济的健康发展。
二、研究方法和数据来源本研究旨在通过SPSS回归分析，深入探究影响国家财政收入的因素。
SPSS，即Statistical Package for the Social Sciences，是一款广泛应用于社会科学领域的统计分析软件，其功能强大，包括数据管理、统计分析、图表分析等多个方面。
本研究选择SPSS作为主要分析工具，正是基于其强大的数据处理能力和多样的统计分析方法。
在数据来源方面，本研究主要采用了国家统计局、财政部等官方渠道发布的国家财政收入相关数据。
这些数据具有权威性、准确性、全面性等特点，能够为本研究提供坚实的数据基础。
同时，为了更全面地分析影响国家财政收入的因素，本研究还结合了国内外相关文献，对相关影响因素进行了梳理和分类。
影响我国财政收入的多元线性回归模型
影响我国财政收入的多元线性回归模型题目：影响我国财政收入的多元线性回归模型内容摘要财政收入按收入形式可以分为：各项税收收入、企业收入、债务收入、国家能源交通重点建设基金收入、基本建设贷款归还收入、国家预算调节基金收入、其他收入等。
从定性分析的角度来说，财政收入会受到各种不同因素的影响，如：农业增加值、工业增加值、建筑业增加值、社会总人口数、社会消费额总额、国土受灾面积等等。
本文建立模型仅选取我国第一产业增加值、第二产业增加值（包括工业和建筑业）、第三产业增加值、社会从业人数，以及其他收入水平5个因素为解释变量，分析它们对财政收入的影响程度。
关键词：财政收入；多元线性回归；分析影响我国财政收入的多元线性回归模型一、提出解释变量与被解释变量Y表示财政收入（亿元），为被解释变量；五个解释变量分别为：X1 表示第一产业增加值（亿元），X2表示第二产业增加值（亿元）， X3表示第三产业增加值（亿元），X4表示社会从业人数（万人），X5表示其他收入（亿元）。
数据的搜集如下：模型中各个解释变量和被解释变量1994年到2013年共20年的数据R-squared 0.999570 Mean dependent var 41895.78Adjusted R-squared 0.997423 S.D. dependent var 10089.94S.E. of regression 512.2151 Akaike info criterion 15.08374Sum squared resid 262364.3 Schwarz criterion 15.03738Log likelihood -46.79310 Hannan-Quinn criter. 14.51071F-statistic 465.4439 Durbin-Watson stat 2.370180Prob(F-statistic) 0.035176通过Eviews软件分析结果计算如下：=3366.676+0.2202X1-0.0838X2+0.0028X3+0.0237X4+0.8712X5 Yˆ(0.8085) (2.0218) (-2.1312) (0.0109) (1.8083) (1.1715)R2=0.99, F=465.44, T=20通过公式可以看出，X2的系数为负值，显然不合理，因为第二产业增加值不可能对财政收入产生负相关关系。
基于逐步回归分析的财政收入模型研究
Abstract. Since the reform and opening up， China's rapid economic development ， has made achievements that attracted worldwide attention. In 2008 ， the global financial crisis triggered by the U.S. subprime mortgage crisis deeply impact the world economy， China has also not been spared. In response to the financial crisis，the Chinese government has played a huge role， the government invested 4 trillion boost domestic demand in China， so that China's economy from the crisis with renewed vigor ， to become the world's first national economic recovery and growth. Government revenue basis for the smooth implementation of the fiscal policy. In this thesis， the factors affecting China's fiscal revenue using the method of least squares regression in econometrics Eviews 6.0 software estimation model ， the parameter estimates and the use of time-series stationarity test ， model checking ， multicollinearity heteroscedasticity and serial correlation test analysis of the regression equation were analyzed with reality， and make predictions based on the regression equation， to conclude the proposed feasibility proposal.
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《应用回归分析》课程设计题目中国财政收入模型分析摘要：本文选1978-2009年的农业总产值、工业增加值、建筑业增加值、第三产业增加值、社会消费总额、人口数、受灾面积、价格指数这八个因素通过多元线性回归分析和岭分析对国家财政收入模型进行分析，分析出影响财政收入的主要原因，并对模型联系实际进行分析，以供国家和企业个人进行决策做参考。
关键词：财政收入、多元线性回归、多重共线性、岭分析背景：新华网中国财政部部在全国财政工作会议上，2009年中国财政收入预计达到68477亿元，增长11.7％。
财政赤字在人大批准的预算之内。
在应对国际金融危机背景下，中国财政收入实现两位数的增长，意味着年初预算确定的财政收入增长目标如期完成。
2009年是进入新世纪以来中国经济社会发展最为困难的一年，也是财政收支矛盾十分尖锐的一年。
根据年初预算安排，2009年中国财政收入预计达到66230亿元，增长幅度定为8％。
全国财政赤字规模为9500亿元。
面对国际金融危机严重冲击、经济增速明显放缓、企业效益下滑、大规模实施结构性减税政策等带来的一系列严峻挑战，中国各级财政部门认真实施积极财政政策，狠抓收支管理，圆满完成全年财政收支预算目标。
2009年12月份，全国财政收入5084亿元，比上年同月增加1822亿元，增长55.8%。
其中，中央本级收入1831亿元，同比增长1.4倍；地方本级收入3253亿元，同比增长30.2%。
本月收入增幅较高，主要是因为上年12月收入基数很低，以及当年成品油税费改革后消费税增加较多，投资、信贷快速增长带动房地产、建筑安装业营业税大幅增长等因素的影响。
财政收入中的税收收入59515亿元，比上年增长9.8%；非税收入8962亿元，比上年增长26.1%。
主要收入项目：国内增值税增长2.7%，国内消费税增长85.3%（剔除成品油税费改革和卷烟消费税政策调整的增收因素后增长7%左右），营业税增长18.2%，企业所得税增长3.2%，个人所得税增长6.1%，进口货物增值税、消费税增长4.6%，关税下降16.2%，证券交易印花税下降47.9%，车辆购置税增长17.5%。
另外，出口退税6487亿元，比上年增长10.6%，相应减少财政收入。
对于上述情况我们应从根本上来分析一下影响我国财政收入一些因素，对于国家政策的调整有很大的作用。
1、引言财政收入是衡量一国政府财力的重要指标，政府在社会经济活动中提供公共物品和服务的范围和数量，在很大程度上决定于财政收入的充裕状况。
财政收入分为税收收入、国有资产收益、国债收入和收费收入以及其他收入等，而财政收入已经占90%以上，政府提供服务所得收入为8%左右，而来自企业的收入一直处于补贴状态，所有理论上国家的财政收入应该取决于税收贡献大的部门，另外今年来价格指数一直攀升，也是影响国家财政收入的不可忽略的因素之一，由此我们可以建立国家财政收入的回归模型：以1978年-2009年的财政收入y 为因变量，选取农业总产值x1、工业增产值x2、第三产业增加值x3、社会消费总额x5（以上单位为亿元）、受灾面积x6（单位为万公顷）、人口数x7（万人）、价格指数x8(以1978年为基底)为自变量。
相关数据均来自历年的统计年鉴，并附录在本论文结尾。
2、问题重述以1978年-2009年的财政收入y 为因变量，选取农业总产值x1、工业增产值x2、第三产业增加值x3、社会消费总额x5（以上单位为亿元）、受灾面积x6（单位为万公顷）、人口数x7（万人）、价格指数x8(以1978年为基底)为自变量。
我们首先采用多元线性回归分析。
回归模型：令y =[y 1y 2⋮y 2] ,X =[1x 11⋯x 1p⋮⋱⋮1x n1⋯x np ] ,β=[β0β1⋮βp] ,ε=[ε1ε2⋮εn ] ,模型矩阵形式：y =Xβ+ε为了便于模型的参数进行估计，我们对回归模型做如下基本假设：假设1：自变量x 1, x 2 ,...x p 是确定性变量，不是随机变量，切rank (X )=p +1<n , 即X 为一个满秩的矩阵。
假设2：满足高斯-马尔科夫条件（G-M 条件），即{E (εi )=0,i =1,2,…,nCov(εi ,εj )={σ2 ,i =j 0 ,i ≠j,i,j =1,2,…n.假设3：正态分布的假设条件为{εi ∼N (0 ,σ2) ,i =1,2,…,n ε1 ,ε2 ,…,εn 相互独立在满足上面三个假设满足的条件下，多元线性回归模型的矩阵形式可以写为：{y =Xβ+εε~N (0 ,σ2I n )在此模型下，我们做如下的回归分析：2、 多元线性回归首先对因变量y 与自变量x1、x2、x3、x4、x5、x6、x7、x8的相关分析结果如下表2.1可以看出有x1、x2、x3、x5、x8与y 的相关系数在0.9以上，x4与y 的相关系数0.859，相关程度很大，而x6与y 的相关系数为-0.374，但在初步的建模中我们应把它加进去的。
下面用最小二乘法做y 与这八个变量的多元线性回归，其结果用SPSS 输出如下：表2.2Model R R Square Adjusted R Square Std. Error of the Estimate1 1.000a.999 .999 506.27036a. Predictors: (Constant), 价格指数, 受灾面积, 第三产业增加值, 工业增加值, 农业总产值, 人口数, 建筑业增加值, 社会消费总额b. Dependent Variable: 财政收入表2.3ANOVA bModel Sum of Squares df Mean Square F Sig. Residual 2563096.795 10 256309.679Total 3.366E9 18a. Predictors: (Constant), 价格指数, 受灾面积, 第三产业增加值, 工业增加值, 农业总产值, 人口数, 建筑业增加值, 社会消费总额b. Dependent Variable: 财政收入表2.4Model Unstandardized Coefficientst Sig. Collinearity StatisticsB Std. Error Tolerance VIF (Constant) -11309.177 14075.585 -.803 .440农业总产值-1.083 .136 -7.959 .000 .022 46.275 工业增加值.237 .040 5.898 .000 .009 109.568 建筑业增加值-.075 1.066 -.070 .945 .002 598.787 第三产业增加值-.047 .010 -4.564 .001 .219 4.571 社会消费总额.447 .094 4.756 .001 .001 785.140 受灾面积-.075 .028 -2.704 .022 .534 1.871 人口数.192 .150 1.285 .228 .013 75.342 价格指数-28.932 17.051 -1.697 .121 .003 329.587由上面的输出结果可以得到回归方程为：ŷ=−11309.177−1.083x1+00.237x2−0.075x3−0.047x4+0.447x5−0.075x6 +0.192x7−28.932x8复决定系数为0.999，F-检验高度显著（F=1640.175，P=0.000），说明模型整体拟合效果不错，但是在回归系数的显著性检验中，常数项、x3、x7和x8的回归系数都没有通过（若α=0.05），并且回归方程中有五个系数都是负值，这显然与经济意义不符，说明说用的这八个变量做的回归效果不好。
另外，在表2.4中我们可以看到八个自变量的方差扩大银子VIF分别为：46.275、109.568、598.787、4.571、785.140、1.871、75.342、329.587，除了x4和x6外，其他变量的方差扩大因子都远远超过10，说明存在严重的多重共线性。
另外我们也可以通过共线性分析表看出中间存在严重的多重共线性（见附表1#）。
对于这几个变量之间的共线性，在理论上也是有原因的，三大产业之间有密切的联系，三大产业的收入又直接决定了社会消费总额，同时人口数目和价格指数同时影响消费总额和三大产业的收入。
还有一方面财政收入的主要部分税收主要由流转税和所得税构成，两者与第二第三产业的增加值息息相关，并且都与社会消费总额有关，所以在理论上这些变量间存在着共线性。
鉴于以上分析，我们下面用逐步回归的方法分析：其中α进=0.05 ，α出=0.10，用SPSS软件最终的输出结果（见附表2# ）ŷ=5242.644−0.966x1+0.215x2−0.049x4+0.373x5−0.078x6此回归方程复决定系数为0.999，F-检验高度显著（F=2539.362，P=0.000），-说明此模型整体的拟合效果不错，并且所有回归系数均通过了显著性检验（α=0.05）.但是这时候得到方程中农业总产值和第三产业增加值的系数都是负值，不符合经济意义。
另外通过共线性检验（结果见附表2# ），这五个的方差扩大因子分别是:26.361、21.887、4.005、81.749、1.585 ，有三个变量的方差扩大因子仍远远超过10，说明还存在严重的多重共线性。
下面我们采取岭回归估计来选取自变量，改进模型。
4、岭回归分析首先都这个八个变量做岭迹分析，岭迹图如下：图3.1在图3.1中的岭迹比较混乱，根据选择变量的原则，首先去掉一直在0附近并趋近与0的x4，然后去掉绝对值较小的x7。
其他变量之间相互影响关系不明显，先保留六个变量｛x1，x2，x3，x5，x6，x8｝,在做岭迹图如下：图3.2在图3.2 中可以看出x 8和x 6的和比较稳定应该删去一个，两者中x 8的相关系数较高保留x 8。
从新做分析：图3.3在图3.3中，当K=0.4以后各个参数开始趋于稳定。
故取K=0.4，由附表4# 建立岭迹回归方程，此时的标准化方程为y ̂′=0.091182x 1′+0.277323x 2‘+0.223396x 3’+0.175187x 5‘+0.150673x 8’化为为标准化的方程为：y ̂=−4159.141068+0.127016x 1+1.206733x 2+0.004023x 3+0.076142x 5+18.642744x 8上述计算结果附表5# ，同时可也得到复决定系数为0.969690，F-检验高度显著（F=83.17936665，P=0.000000）模型整体的拟合效果很好，并且也吸收了五个变量在里面，同时也解决了系数是负数的问题。