餐饮业影响因素实证分析
我国餐饮业发展影响因素分析的实证分析
的塑造。
如食养山房这类追求深度体验的特色美食家禅院，通过其独特的美食制作程序和仪式空间的营造，吸引了大批食客到访体验。
山林的绿意融进开阔的茶室，外景与内景相融合，坐在榻榻米上用餐，仿佛置身于山林之中。
三、台湾文创旅游对大陆旅游业的启示综上所述，台湾已经构建了完整的文创旅游产业体系。
这个充满情怀、生活美学和创意的地方，有太多值得我们学习的经验。
1.要注重凸显地方文化元素，保存传统的地方魅力，发掘地方创意和特色。
将旅游业注入文化特色与创意设计，不仅能够提升旅游产品的附加值，突出当地文化特色，还能够避免盲目、重复建设，与其他地方同质化竞争。
2.提升文创旅游的品质，促进品牌化发展。
把文创旅游的质量放在第一位，好的产品才是硬道理。
激发文化创意机构的活力，用创新的思维和开发理念，把无形的文化通过产业园区、影视基地、文化演出等具体的载体转变为有形的生产力，创立独特的品牌，促进旅游业的发展，提升当地的经济水平。
另外，文创商品的生产一方面要结合现代生活进行设计，赋予传统文化新的功能和内涵，让淡化了的传统文化被大众重识，另一方面应注重与高科技智慧旅游的相结合，方便游客的同时，也拉近景区与游客的距离。
3.坚持“以情怀为先、情感为本、情境为体”的理念，发挥“匠心精神”，创造感动游客的美好生活。
注重细节、用心做事，强调小而美，小而精，把美学融入艺术，培养精雕细琢、精益求精挖掘文化内涵和传统生活价值的态度。
4.培养种子人才。
一方面，政府要协助大专院校充实人才及设备，鼓励大专院校规划、开设相关课程或进行创意开发、创作实验，培训文创所需人才，并提供现职人员的进修机会。
另一方面，营造国际化人才引进机制，办理国际设计研习活动，邀请国际知名设计专家参加并探讨经验。
5.公私协力，提供物质与精神支持，营造有利于文化创意发展的社会环境。
首先设立专门的文创基金，为文创产品的出炉保驾护航。
其次宽松文化政策、降低创作风险，支持大胆创作。
另外，开展美学活动，通过传媒、展览、影视、音乐、戏剧、摄影、主题公园等形式，将文化创意全方位渗透到游客的体验中，增强游客幸福感，激发游客诗意的生活的美好愿望。
在线评论对大学生外卖餐饮消费意愿影响的实证分析
在线评论对大学生外卖餐饮消费意愿影响的实证分析一、本文概述随着互联网的普及和电子商务的快速发展，在线评论已经成为消费者获取产品信息、做出购买决策的重要依据。
特别是在餐饮外卖领域，大学生群体作为外卖消费的主力军，其消费决策在很大程度上受到在线评论的影响。
因此，研究在线评论对大学生外卖餐饮消费意愿的影响，对于理解消费者的决策过程、提升外卖平台的运营效率和促进餐饮行业的健康发展具有重要意义。
本文旨在通过实证分析的方法，探究在线评论对大学生外卖餐饮消费意愿的影响。
文章将回顾相关的理论背景和文献综述，梳理在线评论对消费者行为影响的研究现状。
通过构建理论模型和研究假设，文章将深入探讨在线评论的数量、质量、情感倾向等因素如何影响大学生的外卖消费意愿。
接着，文章将采用问卷调查等实证研究方法，收集大学生群体的实际数据，对研究假设进行验证。
文章将结合实证分析结果，提出针对性的建议和对策，以期为外卖平台和餐饮企业提供决策参考。
通过本文的研究，不仅可以丰富和完善在线评论对消费者行为影响的理论体系，还可以为外卖平台和餐饮企业提供实践指导，促进外卖行业的健康发展和消费者福利的提升。
二、文献综述随着互联网的普及和电子商务的飞速发展，在线评论作为一种新兴的信息传播方式，逐渐在消费者决策过程中发挥着越来越重要的作用。
特别是在餐饮外卖领域，由于其方便快捷的特性，大学生的餐饮消费意愿在很大程度上受到了在线评论的影响。
因此，研究在线评论对大学生外卖餐饮消费意愿的影响具有重要的理论和实践意义。
关于在线评论对消费者行为的影响，已有研究主要从信息性、说服性和社会性等方面展开。
信息性方面，消费者通常通过在线评论了解产品或服务的质量、口感、价格等信息，从而做出购买决策。
说服性方面，正面的在线评论可以增强消费者的购买意愿，而负面的在线评论则可能降低消费者的购买意愿。
社会性方面，在线评论的数量和质量可以反映产品或服务的受欢迎程度，从而影响消费者的购买决策。
我国餐饮业顾客忠诚影响因素研究
进行 界定 、 分析 ， 从而 达到改 善 和提高 顾 客忠诚 的 目的。
二 、顾 客 忠 诚 及 影 响 因 素 研 究 回 顾 （９ ３ 及 Ｃ ｕｃ ｉ （９ ２ 将 顾 客 忠 诚 的 概 念 引 入 商 业 领 １２ ） ｈ ｒｈｌ １４ ） ｌ
响 ， Ａ ｄｅ ｓｎ（９ ５ 实 证 研 究 了 医疗 服 务 市场 转 化成 如 ｎ ｒａｅ １ ８ ） 查 了保 险业 和零 售业 的顾 客忠 诚度 情况 ； ｅｌ（９ ４ 等也 Ｋ ｌ １９ ） Ｙ
怀有 的积 极态 度倾 向 。以及在 对该 项 服务 的需求 增加 时 ． 继 续将 该 服 务 商 作 为唯 一 选 择 对 象 的倾 向 ； ｌ ｅ （９ ９ ０ ｉ ｒ １９ ） ｖ
给 服务 业顾 客 忠 诚下 的定 义 是 高度 承 诺 在未 来一 贯 地重 复购买 偏好 的 产 品或服 务 ． 因 此产 生对 同一 品牌系 列产 并 和竞争 性产 品营 销努力 的 吸 引而产 生转移 行为 ２ 对 顾客 忠诚类 型及影 响 因素 的研究 有学者对 顾客 ．
业都 至关 重要 。Ｒ ｉｈ ｅｄ和 Ａ ｓｅ （９ ０ 的 实证 表 明 ， ｅ ｈｌ ｃ ｓｓｒ １ ９ ） 顾
客流失 对企 业利 润 的影 响甚 至 比规 模 经济 ，市 场份 额 ， 单 忠诚进 行 了分 类 ， Ｄｃ 如 ｉ ｋ和 Ｂ ｓ （９ ４ 的分类 （ １ 。 ａｕ １ ９ ） 表 ） 位成 本 等 其 他 因 素 的 影 响 更 大 。同 时 ， ｅｋｔ．ａｓｒ和 Ｈ ｓｅｔＳ ｓｅ 有 一些模 型 对顾 客 忠诚 的影 响 因素进 行 了分析 ． 中 其
高
持续忠诚
高
情 感忠 诚度
的购 买 就是顾 客 忠诚 ： ｕ ｋｒ 购买 行为 低 频率 的重 复 Ｔ ｃ ｅ 高频 率 的 低频率 的重 复 购 高频率 的 （９ ３ 和 Ｌ ｗ ｅ ｃ 别 认 为 １９ ） ａ ｒｎ ｅ分 购 买 或 不 购 买 重 复 购 买 买 或 不 购 买 重 复 购 买 忠诚是多次的连续 购买 ： 很 少或从 不 惠 经 常惠顾 并购 买 希望 惠顾并 购买 对企 业 和产 品有很 高 Ｂａ ｈ ｒ ｌｔ ｅｙ和 Ｓ ｎ用 购 买 比 例 综合 表现 ｔ ｅ 顾 企业 的产 品但 情 企业 产 品 ． 实 的情感 忠诚度 ． 但 同时 来对顾客忠诚进 行测算 ： 感 忠 诚 度 较 低 际 条 件 不 允 许 又 不 断 地 重 复 购 买
基于Stata软件对影响餐饮行业发展的因素分析
基于Stata软件对影响餐饮行业发展的因素分析基于Stata软件对影响餐饮行业发展的因素分析近年来，餐饮行业在全球范围内取得了快速的发展。
随着人们生活水平的提高和消费观念的变化，餐饮业已经成为了人们日常生活不可或缺的一部分。
然而，餐饮行业的发展也面临着许多挑战和问题，如市场竞争激烈、供应链管理困难、消费者需求多样化等。
因此，了解影响餐饮行业发展的因素，可以帮助餐饮企业制定适应市场需求的经营策略。
本文将运用Stata软件对影响餐饮行业发展的因素进行分析。
首先，我们采集了一份涵盖多个餐饮企业的数据样本，包括企业规模、地理位置、员工数量、菜肴种类等多个变量。
接着，使用Stata软件对这些变量进行数据处理和分析。
在数据处理过程中，我们首先进行了数据清洗，包括删除缺失值、处理异常值等。
然后，进行了数据探索性分析，通过绘制直方图、箱线图等图表，对每个变量的分布情况进行了可视化展示，并计算了统计指标如平均值、标准差等。
通过对数据的初步分析，我们可以了解每个变量的分布情况，为后续的因素分析提供基础。
接下来，我们使用Stata软件进行因素分析。
因素分析是一种用于探索多个变量之间相关性的统计方法。
通过因子分析，我们可以确定哪些变量可以被归结为同一个隐性因素（即影响餐饮行业发展的因素），以及这些因素之间的相关程度。
在Stata中，我们运用主成分分析方法进行因素分析。
主成分分析是一种经典的因素分析方法，通过将原始变量进行线性组合，得出少数几个主成分来代表原始变量的信息。
在因素分析过程中，我们需要确定保留的主成分个数。
一般来说，保留的主成分个数应该使解释的总方差超过80%以上。
通过因素分析，我们得到了几个重要的影响餐饮行业发展的因素。
首先，企业规模和员工数量被归结为一个因素，代表了企业的规模和人力资源。
其次，地理位置和菜肴种类被归结为另一个因素，代表了企业的区域特色和菜肴创新。
这些因素的分析结果为餐饮企业提供了一些指导：在经营过程中，注重扩大企业规模和优化员工数量管理，并注重区域特色和菜肴创新，可以促进餐饮业的健康发展。
餐饮业员工满意度、顾客满意度与财务业绩关系的实证分析
基金 项 目：国家 自然科 学基金项 目，项 目编号 ：７ １ １ ７ ２ ０ ９ ７ ；教育部人文社会科 学研 究项 目，项 目编号 ：１ ０ Ｙ Ｊ Ａ ６ ３ ０ ２ ０ １ 。
・
１ １ ４ ・
商 业 研 究
２ ０ １ ４ ／ ０ １
经在公 司 服务 六 个 月 或 以上 。为保 证 数 据 的 准确
作者 简介 ：张德鹏 （ １ ９ ６ ５一） ，男，广东汕头人 ，广 东工业大学管理学院教授 ，博 士生导师，研 究方向：企业管理 ；赵 诗杰 （ １ ９ ８ ９一） ，男，广 州人 ，广 东工业大学 管理 学院研 究生，研 究方向 ：企业 管理 ；王玲 芳 （ １ ９ ９ ０一） ， 生，研究方向：财务管理 。
（ Ｌ ａ ｎ等， ｉ ２ ０ ０ １ ） 。服 务利 润链 的理论表 明 ，具有 满 意度 的员工会 给顾客带 来一种具 有满 意度 的服务 体
收 稿 日期 ：２ ０ １ ３— ０ ８— ２ ９
（ 一 ） 顾客满 意度 和财务业绩
根 据服务利 润 链 理 论 ，顾 客 满 意度 和 财务 业
本 研究 的 目的 旨在 检验 员工 满 意 度 和顾 客满
务业 绩影响 的研究 却不多 。为此 ，本文通过 问卷调
查 ，获取 三个变量 的有关数据 ，并运用结构方程 模 型 ，进 一步探究三 者之间 的关 系 ，以期为企业 管理 者 开拓思路 ，从 而有效地制定公 司运营方案 。
一
意度之 间 的关 系 ，并验 证 两 者对 餐 饮 业 财 务业 绩
张德 鹏 ，赵诗 杰 ，王玲 芳
（ 广东工业大学 管理学院，广 州 ５ １ ０ ５ ２ ０ ）
摘要 ：本文运 用结构 方程模型 实证检 验 了餐 饮 业 员工 满意度 、顾 客 满意度 和 财务 业绩 三者 的 关 系，结果发现顾客 满意度与财 务业 绩显 著 正相 关 ，员工满 意度 与顾 客 满意度 显 著正 相 关 ，顾客
基于多元线性回归分析餐饮业营业收入的影响因素
基于多元线性回归分析餐饮业营业收入的影响因素【容摘要】本文是根据我国餐饮业的现状，想从计量经济学的角度来分析一下餐饮业营业收入与GDP、人均GDP、餐费收入、从业人数、企业数、职工平均工资、城乡居民人民币储蓄存款余额之间的关系。
根据经济学原理，在模型中我们引入了七个解释变量GDP、人均GDP、餐费收入、从业人数、企业数、职工平均工资、城乡居民人民币储蓄存款余额。
从我们所做的回归结果看，营业收入与GDP、餐费收入、从业人数、企业数、城乡居民人民币储蓄存款余额有显著关系。
但是，鉴于水平有限，文中难免出现一些错误，另外还存在一些我们难以解决的问题，请教师多多指正。
【关键词】餐饮业营业收入GDP 人均GDP 餐费收入从业人数企业数职工平均工资城乡居民人民币储蓄存款余额一、导论1.餐饮业在国民经济中的重要作用餐饮业是国民经济的一个重要产业，“民以食为天〞。
开门七件事，“柴米油盐酱醋茶〞，件件事与吃有关。
在现代社会，很难想象，没有餐饮业，社会将会是怎样。
改革开放二十多年，特别是近十年来，餐饮业在我国有了持续、快速的开展，餐饮业在国民经济中的地位和作用愈益显示其重要性。
餐饮业的“有为〞，而开场“有位〞。
2002年，我国餐饮业实现营业收入5092亿元，同比增长16%，占国生产总值的5.1%，占第三产业收入的14.5%，占社会消费品零售总额的12%左右，是以年均超过两倍于GDP增长幅以上的速度增长。
从业人员超过1500万人，为国民经济开展每年创造了160万人就业。
在完善社会主义市场经济体制的过程中，我们要重新认识流通及餐饮业在国民经济中的地位和作用。
同志2002年2月在省部级主要领导干部“国际形势与WTO〞专题研究班上的讲话中指出：“由于长期受方案经济体制的影响，‘重生产、轻流通’的观念烙印很深，这也是影响经济开展一个重要原因。
开展社会主义市场经济，搞好流通极为重要，是消费通过流通来决定生产，只有现代化的流通方式才能带动现代化的生产，大规模的流通方式才能带动大规模的生产。
餐饮行业的外部环境影响因素
数据分析与人工智能
数据分析技术能够帮助餐饮企业收集、整理和分析消费者数据，了解消费者的口味、偏好和行为习惯 ，为企业的产品研发、营销策略制定提供科学依据。
人工智能技术可以应用于运营效率和 客户满意度。
数据分析与人工智能技术还可以帮助餐饮企业预测市场趋势和消费者需求变化，及时调整经营策略，提 高企业的竞争力。
06
地理位置因素
商圈选择与竞争态势
商圈选择
餐饮企业应选择人流量大、消费水平高 的商圈，以提高营业额和知名度。
VS
竞争态势
了解商圈内同类型餐饮企业的数量、经营 状况和优劣势，制定差异化竞争策略。
交通便捷性与客流量
要点一
交通便捷性
餐饮企业应选址在交通便利的地段，便于顾客前来就餐。
要点二
客流量
地段繁华、人流量大的地区有助于吸引更多顾客，提高餐 饮品牌曝光度。
消费升级
随着消费者收入水平的提高，对餐饮品质和体验的需求增加，餐饮企业需提升服务和环 境质量。
健康饮食趋势
健康意识提升
消费者对健康饮食的关注度提高，对 低脂、低糖、高蛋白、有机等健康食 材的需求增加。
素食主义和有机食品
部分消费者选择素食或有机食品，餐 饮企业需关注这一市场需求并提供相 应的菜品和服务。
供应链管理与物流技术
供应链管理与物流技术能够帮助餐饮企业优化采购、库存和物流管理，降 低成本和提高运营效率。
通过先进的物流技术，如智能仓储、物联网技术和冷链物流等，餐饮企业 可以确保食材的新鲜度和运输效率，提高产品质量和客户满意度。
供应链管理与物流技术还可以帮助餐饮企业建立与供应商的战略合作关系 ，实现资源共享和协同发展。
节能减排
鼓励餐饮企业采用节能设 备，减少能源消耗和碳排 放。
我国餐饮业发展影响因素实证分析
我国餐饮业发展影响因素实证分析李丽娜;吴远【摘要】文章通过分析我国餐饮消费的影响因素,选取了1999—2014年此类因素的数据并作为影响餐饮消费的相关解释变量进行了实证分析,分析结果表明全国城镇人口数对餐饮业消费的影响最为显著,餐饮企业从业人员数次之,餐饮企业数最不显著,并据此从提高城镇餐饮消费参与度、提高餐饮人员整体规模和素养、加强企业内部优化等方面对我国餐饮业的发展提出了建议.【期刊名称】《江苏科技信息》【年(卷),期】2017(000)028【总页数】3页(P72-74)【关键词】餐饮业;餐饮消费;实证分析【作者】李丽娜;吴远【作者单位】南阳师范学院经济与管理学院,河南南阳 473061;南阳师范学院经济与管理学院,河南南阳 473061【正文语种】中文餐饮业在我国属于传统行业，也属于第三产业，餐饮消费在自我发展的同时也带动了旅游业、运输业、娱乐业等诸多行业的发展，其在一定程度上不仅解决了我国的就业问题，也对我国国民收入的提高起着不可替代的作用。
但与此同时，由于餐饮业进入门槛低，企业盲目扩张，以及近年来餐饮人员从业人数不足、物价上涨、饮食安全等多方面的新问题出现，使得我国餐饮业对国民经济的贡献未能发挥应有的功效。
因此，找出影响餐饮消费的关键因素并提出有效的建议以推动餐饮业快速稳定的发展，这不仅成为行业自身关注的重点问题,也成为社会各个层面迫切需要解决的问题。
与餐饮业发展有关的文献主要从区域性差异对餐饮业未来发展的影响、餐饮业的集聚化机制、中国餐饮业独特的空间格局和中国餐饮业的发展及影响因素这4个角度进行了研究。
2.1 探讨区域性差异如何作用于我国的餐饮业石柱鲜等［1］利用SPSS模型对以聚类分析法划分的地区的影响餐饮消费的收入因子和消费因子进行了分析，得出外商投资、居民消费水平、居民收入水平这3个因素主要作用于我国餐饮业的结论；吕瑞娥［2］利用餐饮经济相关的多种方法对区域餐饮消费的相关影响因素剖析，并以竞争最为激烈的广州为例进行了深入的研究。
- 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)。
餐饮业区域市场潜力的影响因素分析沈枫霄40205020 米积先40205029 马如东40205059 陆峰华40205032李奎40205001 董根炜40205015【摘要】众所周知，在我国“西部大开发”发展战略当中，成都和四川的开发占有举足轻重的地位。
对于一个企业来说，如果考虑对一个地区进行投资，那么该地区的区域市场潜力将是首要考虑的因素之一。
本文旨在对近二十年我国四川省的餐饮业销售额及其影响因素进行实证分析来探索评估区域市场潜力的方法以为公司投资决策做参考。
首先，我们综合了几种关于市场需求调查与预测的主要理论观点；进而我们建立了关于四川省餐饮业销售额的理论模型；然后，收集了相关的数据，利用EVIEWS软件对此模型进行了参数估计和检验，并加以修正；最后，我们对所得的分析结果作了经济意义的分析，得出一些结论，并相应提出一些建议。
【关键词】餐饮业零售额居民消费水平社会消费品零售总额人口总数EVIEWS软件市场需求一引言我国提出西部开发已经有好几年了，现在，大多数行业在发展的同时都会特别提到西部地区的发展情况。
西部大开发战略意义重大，其成功与否将直接关系到我国的国际竞争力。
而在实施西部大开发战略中，一个非常重要的因素就是发展经济，提高居民购买力，扩大市场需求量。
市场需求量的测量是企业制定正确营销战略的前提条件。
在激烈市场竞争中，如果哪家企业能正确估计当前的市场需求并把握未来需求的态势，那么该企业就能掌握市场变化的主动权，从而在竞争中求得生存和发展。
在企业的具体实践中，可以依据测量对象在发生时间上的不同，把居民购买力水平分为两大类型，即对目前需求的估量和对未来需求的预测。
而我们建模的目的就是通过对四川省某行业（餐饮业）的消费进行调查和预测以便于任何一家四川省的该行业企业或打算对四川该行业进行投资的企业做决策。
另外，就某一行业分析，近几年四川省餐饮业市场红火。
今年以来,四川省政府各级有关部门切实做好了禽流感的预防、监测和控制工作，能够保证让市民放心消费，禽流感对餐饮市场影响不大。
城乡居民生活水平不断提高和生活节奏的加快，外出休闲就餐的居民不断增加，同时，一些餐饮业企业进一步增强创新经营观念，突出个性经营和品牌理念，提高服务质量，从而吸引大量的消费者，促进了四川省餐饮业的进一步发展。
因此，我们选择四川省的餐饮业进行建模。
二经济理论陈述本次建模我们主要运用市场需求理论，下面进行具体陈述：（1）市场需求的层次在市场营销活动中常谈到一个产品是否“有市场”。
营销中有四个市场名词：潜在市场、有效市场、服务市场和渗透市场。
这四个不同的市场名词各代表不同的含义及大小。
依市场需求量的大小，其关系可表示为：潜在市场>=有效市场>=服务市场>=渗透市场对于市场的层次来说，各类市场的层次是不尽相同的，它们各自在总体市场上占有不同的比例。
（2）市场需求调查中的“需求”的含义某产品的市场需求，通常是指在特定的地理区域、特定的时间、特定的营销环境中，由特定的消费者购买的总量。
（3）市场需求的基本内容市场需求测量，可以根据测量所要达到的目的及所需的条件从多层次多侧面进行。
在企业实践中，可以根据测量对象在发生时间上的不同，把需求测量分为两大类型，即对目前需求的估量和对未来需求的预测。
通常情况下，对未来需求的预测比对目前需求的估量要复杂和困难的多，而且预测的时距越长越困难。
三计量经济模型的建立根据上述需求理论中的基本概念，我们分析影响区域市场潜量的主要因素有区域社会消费品零售总额，区域人均消费水平和区域总人口数。
由此建立了如下的计量经济学模型：Y=C+β1x1+β2X2+β3x3+Ui其中Y 表示四川省餐饮业零售额，x1表示四川省人均消费水平，x2表示社会消费品零售总额，x3表示四川省人口数，单位分别为万元、元/人、万元和万人。
C、β1、β2、β3表示要估计的参数，Ui表示随机扰动向扰动项，代表了影响Y的其他因素。
四相关数据收集1 数据来源说明：本文数据除1986年外均摘自《1998年四川统计年（因1986年数据缺失，而采用了《1991年四川统计年鉴》的86年数据进行换算），数据口径基本一致。
2 数据的收集情况：采用时间序列数据（1978——1997），具体情况见附表1。
五模型的参数估计、检验及修正1. 模型的参数估计及其经济意义、统计推断的检验我们用EVIEWS软件和最小二乘法对数据进行回归分析(见附表二)，可得方程如下：Y = 1861350 - 437.6427X1 + 0.1921X2 –265.5488X3 + Ui(391927.4) (321.9169) (0.053366) (54.17442) t=（4.749222）（-1.35949 ）（3.599652）（-4.901738）R^2 =0.986064 F=377.3720由F=377.372>F0.05(3,16)=3.24(显著性水平a=0.05),表明模型从整体上看四川省餐饮销售量与解释变量之间线性关系显著。
但X1，X3系数的符号与经济意义相悖，从经济意义上讲，餐饮业区域销售量应随着区域总人口和区域人均消费水平的增加而增加。
我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。
2. 计量经济学检验（1）多重共线性检验用EVIEWS软件，得相关系数矩阵表X1 X2 X3X1 1.000000 0.998618 0.892967X2 0.998618 1.000000 0.886325X3 0.892967 0.886325 1.000000由上表可以看出，解释变量X1与X2、X1与X3、X2与X3之间的相关系数都较大，可见存在严重的多重共线性。
在经济意义上，人均消费水平，区域社会消费品零售总额，人口多寡都与经济的发展密切相关，这使得他们之间的相关性很强。
下面我们利用逐步回归法（变量剔除法）进行修正（见附表三、四、五）：Y=2025316.+ 0.119993x2-289.3563x3t＝(5.3005) (19.8602) (-5.5085)R^2=0.9845 F=538.2767Y=-58298.9 +0.251898x2-947.7207x1(-2.4730) (3.1598) (-2.0274)R^2=0.9651 F=235.3099Y=--77977.08 +0.0905x2(-3.3515) (19.9442)R^2=0.9567 F=397.7711此时，修正可决系数开始下降，但所有参数的t值都已经比较显著，故不再删除变量，选择此模型为修正后的模型。
（2）异方差检验（Goldfeld-Quandt检验，具体数据见附表六，七）在procs中选定sort series,键入x2.。
在sample中定义时间为1978－1985，然后用ols法求得：Y=22801.01+0.038768x2(8733.607) (0.007029)R^2=0.835241 ∑e1^2=3.36e+08Y＝-277572.8+0.113425x2(75883.50) (0.009234)R^2=0.967922 ∑e2^2=2.65e+10求F统计量：F＝∑e2^2/∑e1^2＝78.86905在给定显著性水平a＝0.05时，比较得F＝78.86905>4.28，则表明存在异方差。
下面我们用对数变换法进行修正（见附表八）修正后的方程为：Y ＝-4.159209+1.091890x2（0.707612）（0.047738）R^2＝0.966738 F＝523.1632此时，异方差性得到削弱，参数估计精度有所提高，修正可决系数及F值也稍有提高。
（3）自相关检验由附表八得d＝0.400126，在显著水平α=0.05下，查表n=20，k’=1时，DL =1.201，du=1.411，由于d=0.400126<DL=1.201，表明该模型中的误差序列存在一阶自相关。
下面用广义差分法进行修正，由d=0.400126，计算出ρˆ=1-d/2=0.799937，构造差分模型并估计，得DLY=-1.746574+1.387530DLX2t=(-4.347077) (10.72852)2R=0.863741 F=115.1101 DW=1.996049 发现经过广义差分法修正后，DW值有所提高，不存在自相关六结论可见，由模型得出，尽管从经济背景分析来看，居民人均消费水平和区域人口总数会影响区域餐饮业销售额，但实证分析表明，四川省餐饮业销售额主要取决于四川省社会消费品零售总额。
附表1obs Y(万元)X1（元/人）X2（万元）X3（万人）1978 41245 149.93 615837 7071.9 1979 60989 163.28 774058 7120.5 1980 51175 184.86 879090 7154.8 1981 69097 201.57 1191331 7215.6 1982 73262 213.93 1263139 7300.4 1983 80374 239.12 138**** ****.9 1984 94153 272.26 1623342 7364.0 1985 79348 320.44 1740025 7419.31986 96034 342.92 2017754 7511.91987 117778 395.98 2318403 7613.21988 151113 491.53 3005535 7716.41989 170102 555.77 3284198 7803.21990 195884 654.20 3398651 7892.51991 220437 712.99 3877233 7947.81992 259679 800.18 4534259 7992.21993 342233 997.87 5548467 8037.41994 476264 1330.19 7247408 8098.71995 698435 1610.08 9363651 8161.21996 942513 1859.92 10914485 8215.41997 1198065 2050.00 12123699 8264.7附表2Dependent Variable: YMethod: Least SquaresDate: 05/20/05 Time: 22:44Sample: 1978 1997Included observations: 20Variable CoefficienStd. Error t-Statistic Prob.tC 1861350. 391927.4 4.749222 0.0002X1 -437.6427 321.9169 -1.359490 0.1928X2 0.192100 0.053366 3.599652 0.0024X3 -265.5488 54.17442 -4.901738 0.0002270909.0 R-squared 0.986064 Mean dependentvarAdjusted R-squared 0.983451 S.D. dependent var 320910.0 S.E. of regression 41282.61 Akaike info criterion 24.27113 Sum squared resid 2.73E+10 Schwarz criterion 24.47027 Log likelihood -238.7113 F-statistic 377.3720 Durbin-Watson stat 1.165475 Prob(F-statistic) 0.000000 附表3Dependent Variable: YMethod: Least SquaresDate: 05/21/05 Time: 09:43Sample: 1978 1997Included observations: 20Variable CoefficienStd. Error t-Statistic Prob.tC 2025316. 382098.2 5.300512 0.0001X2 0.119993 0.006042 19.86015 0.0000X3 -289.3563 52.52932 -5.508472 0.0000 R-squared 0.984454 Mean dependent270909.0varAdjusted R-squared 0.982625 S.D. dependent var 320910.0 S.E. of regression 42299.97 Akaike info criterion 24.28044 Sum squared resid 3.04E+10 Schwarz criterion 24.42980 Log likelihood -239.8044 F-statistic 538.2767 Durbin-Watson stat 0.947258 Prob(F-statistic) 0.000000 附表4Dependent Variable: YMethod: Least SquaresDate: 05/21/05 Time: 13:30Sample: 1978 1997Included observations: 20Std. Error t-Statistic Prob.Variable CoefficientC -58298.90 23574.56 -2.472958 0.0243X1 -947.7207 467.4451 -2.027448 0.0586X2 0.251898 0.079719 3.159814 0.0057270909.0 R-squared 0.965137 Mean dependentvarAdjusted R-squared 0.961035 S.D. dependent var 320910.0 S.E. of regression 63346.03 Akaike info criterion 25.08809 Sum squared resid 6.82E+10 Schwarz criterion 25.23745 Log likelihood -247.8809 F-statistic 235.3099 Durbin-Watson stat 0.671669 Prob(F-statistic) 0.000000附表5Dependent Variable: YMethod: Least SquaresDate: 05/21/05 Time: 09:52Sample: 1978 1997Included observations: 20Std. Error t-Statistic Prob.Variable CoefficientC -77977.08 23266.21 -3.351516 0.0036X2 0.090495 0.004537 19.94420 0.0000270909.0 R-squared 0.956707 Mean dependentvarAdjusted R-squared 0.954302 S.D. dependent var 320910.0 S.E. of regression 68601.39 Akaike info criterion 25.20465 Sum squared resid 8.47E+10 Schwarz criterion 25.30423 Log likelihood -250.0465 F-statistic 397.7711Durbin-Watson stat 0.433612 Prob(F-statistic) 0.000000附表6Method: Least SquaresDate: 05/21/05 Time: 22:31Sample: 1978 1985Included observations: 8VariableCoefficient Std.Errort-StatisticProb.C 22801.018733.607 2.6107210.0401X2 0.0387680.007029 5.5151530.0015R-squared 0.835241Meandependent var 68705.38AdjustedR-squared 0.807782S.D. dependentvar17066.46S.E. ofregression 7482.401Akaike infocriterion20.89081Sum squaredresid 3.36E+08Schwarzcriterion20.91067Loglikelihood -81.5633 F-statistic30.41691Durbin-Watson stat 2.422685 Prob(F-statistic)0.001494附表七Dependent Variable: LYMethod: Least SquaresDate: 05/21/05 Time: 22:10Sample(adjusted): 1993 1997Included observations: 5 after adjusting endpointsConvergence achieved after 11 iterationsVariable Coefficient Std. Error t-Statistic Prob.C -11.1815 9.763849 -1.14519 0.3707 LX2 1.53898 0.610742 2.519854 0.128 AR(2) -0.20765 2.81146 -0.07386 0.9478R-squared 0.987795 Mean dependent var13.40522AdjustedR-squared 0.97559 S.D. dependent var0.505785S.E. of regression 0.079023 Akaike info criterion -1.95445 Sum squared resid 0.012489 Schwarz criterion -2.18878 Log likelihood 7.886116 F-statistic80.93232 Durbin-Watsonstat 1.413427 Prob(F-statistic)0.012205附表八Dependent Variable: LYMethod: Least SquaresDate: 05/21/05 Time: 22:46Sample: 1978 1997Included observations: 20Variable Coefficient Std. Error t-Statistic Prob.C -4.15921 0.707612 -5.87781 0 LX2 1.09189 0.047738 22.87276 011.9981 R-squared 0.966738 Mean dependent var70.98681 Adjusted R-squared 0.96489 S.D. dependent var9 S.E. of regression 0.184906 Akaike info criterion -0.4433-0.3437 Sum squared resid 0.615422 Schwarz criterion3523.163 Log likelihood 6.43302 F-statistic2 Durbin-Watson stat 0.400126 Prob(F-statistic) 0附表九Method: Least SquaresDate: 05/21/05 Time: 23:06Sample(adjusted): 1979 1997Included observations: 19 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob.C -1.74657 0.401781 -4.34708 0.0004 DX2 1.38753 0.129331 10.72852 0R-squared 0.871311Mean dependentvar 2.556664AdjustedR-squared 0.863741 S.D. dependent var0.275586S.E. of regression 0.101728Akaike infocriterion -1.63373Sum squared resid 0.175926 Schwarz criterion-1.53431 Log likelihood 17.52041 F-statistic115.1011 Durbin-Watsonstat1.996049 Prob(F-statistic) 0。