多元线性回归模型论文农村居民收入论文
基于多元线性回归模型的城乡居民收入差距影响因素实证研究
基于多元线性回归模型的城乡居民收入差距影响因素实证研究【摘要】随着我国改革开放的不断深入，城乡居民收入差距不断扩大。
本文以武汉市为例，选取了1995—2010年的数据，应用多元线性回归模型，对城乡居民收入差距的影响因素进行实证研究。
结果表明，人均地区gdp、城镇化水平、非农产业从业人员占比、二元结构系数对城乡收入差距有显著影响。
基于此，我们提出了相应的对策建议。
【关键词】多元线性回归模型；城乡收入差距；影响因素1 引言近年来，我国经济高速发展，人民生活水平大幅度提高。
但与此同时，城乡收入差距越来越大。
据中国社会科学院经济研究所的一份全国性调查报告显示，如果把医疗、教育、失业保障等非货币因素考虑进去，中国的城乡收入差距世界最高。
这给我们的经济发展敲响了警钟。
本文以武汉市为例，对城乡收入差距的影响因素进行实证研究，旨在找出其中的关键性因素，研究缩小城乡收入差距的路径，并提出相应对策和建议，以期为理论研究和具体实践提供参考和依据。
2 武汉市城乡居民收入差距状况近十余年来，武汉市城乡收入差距状况不容乐观。
如图1所示，城镇居民人均可支配收入与农村居民纯收入之间的绝对差额在不断扩大。
特别是进入新世纪以后，收入差距绝对额有拉大的趋势。
图1.武汉市城乡收入差距绝对额衡量城乡收入差距的指标是城乡收入比，即城镇居民人均可支配收入与农村居民人均纯收入之比。
近十余年来，武汉市城乡收入比不断增大，如图2所示，从1996年至2007年12年间，武汉市城乡收入比在波动中不断上升，2008年至2010年，城乡收入比略有下降。
但总体来看，武汉城乡收入差距依然在拉大。
图2.武汉市城乡收入比[1]当然，这里用收入比来衡量城乡差距，并不完全真实和全面。
如果我们考虑教育、医疗、社会保障等公共福利因素，武汉市城乡收入差距将会更大。
这一状况令人担忧，会成为武汉经济发展的“瓶颈”。
3 实证研究3.1 影响因素与变量我们根据已有研究成果，结合武汉市实际情况，选取城乡收入比y作为被解释变量，如下5个影响城乡收入差距的因素作为解释变量：x1：人均地区gdp（地区gdp总值/地区总人口）x2：城镇化水平（城镇人口/总人口）x3：农业贡献率（农业增加值/gdp增加值）x4：非农产业从业人员占比（非农产业从业人员/从业人员总数）x5：二元结构系数（非农产业比较劳动生产率/农业比较劳动生产率，其中，比较劳动生产率=某部门产值比重/某部门就业劳动力比重）3.2 模型建立我们以城乡收入比y作为被解释变量，以x1，x2，x3，x4，x5作为解释变量，建立多元线性回归模型：y=α0+α1x1+α2x2+α3x3+α4x4+α5x5+u（其中u为随机扰动项）。
本科毕业论文---基于多元线性回归模型对我国城镇居民家庭人均可支配收入的分析
应用回归分析课程设计报告课程：应用回归分析题目：人均可支配收入的分析年级：11金统专业：金融统计学号：姓名：指导教师：基于多元线性回归模型对我国城镇居民家庭人均可支配收入的分析摘要：收入分配和消费结构都是国民经济的重要课题居民消费的主要来源是居民收入而消费又是拉动经济增长的重要因素。
本文将通过多远统计分析方法对我国各地区城镇居民收入的现状进行分析。
通过分析找出我国城镇居民收入特点及其中存在的不足。
城镇居民可支配收入是检验我国社会主义现代化进程的一个标准。
本文根据我国城镇居民家庭人均可支配收入为研究对象，选取可能影响我国城镇居民家庭人均可支配收入的城乡居民储蓄存款年底余额、城乡居民储蓄存款年增加额、国民总收入、职工基本就业情况、城镇居民家庭恩格尔系数(%)5个因素，运用多元线性回归分析建立模型，先运用普通最小二乘估计求回归系数再对方程进行异方差、自相关、和多重共线性诊断，用迭代法消除了自变量之间的自相关。
对于多重共线性问题，先是用逐步回归和剔除变量的方法，最终转变为用方差扩大因子法城乡居民储蓄存款年增加额剔除城镇居民家庭恩格尔系数(%)解决多重共线性，建立最终回归方程432108.0039.0012.0470.5305x x x y +++-=∧标准化回归方程**3*24108.0863.0031.0x x x y ++=∧以其探究最后进入回归方程的几个变量在影响城镇居民收入孰轻孰重，达到学习与生活结合的效果。
分析出影响城镇居民收入的主要原因，并对模型联系实际进行分析，以供国家进行决策做参考。
关键词：多元线性回归 异方差 自相关 多重共线性 逐步回归 方差扩大因子（一）引言：改革开放以来我国的国民经济增长迅速居民的收入水平也大幅提高但居民收入分配差距也在不断扩大。
2008年的金融危机为我国带来的后遗症还在继续影响着居民正常生活物价上涨和通货膨胀的压力仍然困扰着老百姓收入和消费支出体系的健康发展至关重要。
灰色多元线性回归模型预测湖南农民人均收入
汇报人：XX 20XX-02-05
目 录
• 引言 • 灰色多元线性回归模型理论基础 • 湖南农民人均收入现状分析 • 灰色多元线性回归模型在预测中的应用 • 模型预测效果评估与比较 • 结论与展望
01 引言
研究背景与意义
背景介绍
介绍湖南农民人均收入的现状，阐述 其对于农村经济发展和农民生活水平 的重要性。
研究意义
说明利用灰色多元线性回归模型预测 湖南农民人均收入的意义，包括为政 策制定提供参考、为农民生产和生活 提供指导等。
国内外研究现状及发展趋势
01
02
03
国内研究现状
介绍国内在农民人均收入 预测方面的研究进展，包 括使用的模型、方法、数 据等。
国外研究现状
介绍国外在农民人均收入 预测方面的研究成果，包 括先进的模型、方法等。
THANKS
感谢观看
发展趋势
分析国内外研究的发展趋 势，包括模型的不断改进 、数据的不断完善等。
研究内容与方法概述
研究内容
阐述本研究的具体内容，包括数据的收集和处理、模型的构建和检验、预测结 果的分析和解释等。
研究方法
介绍本研究采用的方法，包括灰色多元线性回归模型的构建方法、参数估计方 法、模型检验方法等。同时，说明该方法在预测湖南农民人均收入方面的适用 性和优越性。
结合灰色系统理论和多元线性回归方法，适用于小样本、贫信息情况下的预测。在湖南农民人均收入预测中 ，该模型能够较好地捕捉收入变化的趋势和规律，预测精度较高。
多元线性回归模型
基于多个自变量对因变量进行预测，适用于自变量和因变量之间线性关系较强的情况。然而，在湖南农民人 均收入预测中，由于影响因素复杂且部分数据难以获取，该模型的预测效果可能受到一定限制。
基于多元线性回归模型的四川农村居民收入增长分析
基于多元线性回归模型的四川农村居民收入增长分析一、本文概述本文旨在通过运用多元线性回归模型，深入分析四川农村居民收入增长的影响因素，为提升四川农村居民收入水平提供理论支持和实践指导。
研究首先梳理了四川农村居民收入的演变历程，揭示了农村居民收入增长的阶段性特征和主要趋势。
接着，基于多元线性回归模型，选取了包括农业生产、农村劳动力转移、农村教育水平、农村金融市场发展等在内的多个影响因素，构建了四川农村居民收入增长的多元线性回归模型。
通过实证分析，本文深入探讨了各影响因素对四川农村居民收入增长的具体作用机制和贡献度，揭示了影响四川农村居民收入增长的关键因素和潜在瓶颈。
根据研究结果，本文提出了促进四川农村居民收入增长的对策建议，包括加强农业科技创新、推动农村劳动力有序转移、提升农村教育水平、优化农村金融市场服务等，以期为四川农村经济发展提供有益参考。
二、文献综述在经济学和社会学的研究中，农村居民收入增长一直是一个备受关注的议题。
多元线性回归模型作为一种常用的统计分析工具，在农村居民收入增长的研究中得到了广泛应用。
通过对相关文献的梳理和分析，可以发现国内外学者在基于多元线性回归模型的农村居民收入增长研究方面取得了一系列重要成果。
国内研究方面，众多学者利用多元线性回归模型对农村居民收入增长的影响因素进行了深入探讨。
例如，（2010）利用该模型分析了农村教育水平、农业技术进步等因素对农村居民收入的影响，结果表明教育水平和农业技术进步对农村居民收入增长具有显著正向作用。
（2015）则通过多元线性回归模型研究了农村产业结构、政府支农政策等因素对农村居民收入的影响，发现农村产业结构优化和政府支农政策对农村居民收入增长具有积极影响。
国外研究方面，同样有许多学者运用多元线性回归模型对农村居民收入增长问题进行了深入研究。
例如，（2012）利用该模型分析了农村劳动力市场、农业补贴等因素对农村居民收入的影响，发现农村劳动力市场和农业补贴政策对农村居民收入增长具有重要影响。
我国农民收入影响因素的多元线性回归分析
我国农民收入影响因素的多元线性回归分析资料来源《中国统计年鉴2006》。
Yt=β0+β1X1 + β2X2 + β3X3Y关于X1的散点图：可以看出Y和X1成线性相关关系Y关于X2的散点图：可以看出Y和X2成线性相关关系Y关于X3的散点图：可以看出Y和X3成线性相关关系回归检验模型检验：经济意义检验模型估计结果表明：在假定其他解释变量不变的情况下，当财政用于农业支出的比重增长一个百分点，农民人均纯收入就会增加-14.31772%；在假定其他解释变量不变的情况下，当乡村从业人员占农村人口的比重增长一个百分点，农民人均纯收入就会增加6.123952%；在假定其他解释变量不变的情况下，当农作物播种面积增长一千公顷，农民人均纯收入就会增加0.020337元；2、 统计检验 （1）、拟合优度检验由于 2TSS Y Y nY '=-， 2ESS X Y nY β∧''=- 所以 2ESS R TSS =0.885300， 2211(1)1n R R n k -=----=0.863793，可见模型在整体上拟合得非常好。
（2）、F 检验由于 RSS TSS ESS =- 所以 //(1)ESS kF RSS n k =--=41.16462 ，针对0:3210===βββH ，给定显著性水平0.05α=，在F 分布表中查出自由度为k-1=3和n-k-1=16的临界值24.3)16,3(=αF 。
由表 3.4中得到F=41.16462 ，由于F=41.16462 >24.3)16,3(=αF 应拒绝原假设0:3210===βββH ，说明回归方程显著，即“财政用于农业支出的比重”、“乡村从业人员占农村人口的比重”、“农作物播种面积”等变量联合起来确实对“农民收入”有显著影响。
（3）、t 检验由于=--=--=∑112;2k n e k n e e i σ 1695.44152 =2759.559375 且=0β S 599.852494，=1β S 11.632384,=2β S 0.03196669，=3β S 0.0047479， 当0010:0,:0H H ββ=≠， ==00βββS t 4.868962在0.05α=时， 2αt （16）=2.120因为t=4.868962>2.120，所以在95%的置信度下拒绝原假设，说明截距项对回归方程影响显著。
基于多元线性回归模型的农村居民收入增长分析
基于多元线性回归模型的农村居民收入增长分析针对影响安徽省农村居民收入的因素进行分析，再运用实证方法对1995-2009年的经济统计数据进行分析，从而得到影响安徽省农村居民纯收入的多元线性回归模型，通过对模型的验证能有效的预测安徽农村居民的收入增长趋势并能对安徽省农村地区的政策措施提供参考建议。
标签：影响因素；农村居民收入；多元线性回归模型0 引言社会主义新农村建设的首要任务是发展现代农业，其核心是增加农民收入。
改革开放30多年来，安徽农民收入的变化大致经历了以下5个阶段：1978-1980年高速增长阶段，农民人均纯收入由1978年的113.34元增加到1981年的246.49元，年均增长29.6%；1982-1991年相对低速增长阶段，其中1991年出现了负增长，农民收入下降了17.3%；1992-1996年为较快增长阶段年增长率均在20%以上；1997-2003年又为低速徘徊阶段；2004-2009年为恢复性较快增长阶段，增速均达到了两位数，从2004年的2499.3元增加到2009年的4504.3元。
但是整个农民纯收入的增长与城镇居民的收入相比，表现出了增长缓慢、差距越来越大的趋势。
为此本文根据整个国民经济的发展以及安徽省农业产业政策的调整变化、农村居民自身人力资本的积累等因素的变化情况，对安徽省农村居民纯收入的中长期趋势进行合理的预测，通过对1995-2009年安徽农村居民人均纯收入等经济统计数据的分析，运用多元线性回归方法建立模型，找出影响安徽农村居民纯收入最主要的因素，为安徽省农村产业政策提供建议。
1 影响安徽农村居民纯收入的影响因素1.1 工资收入对安徽农村居民纯收入的影响改革开放以来，作为人口大省的安徽，一直是劳务输出大省，农村居民的外出劳务时间越来越长，从事的职业越来越多。
如表1所示，人均工资性收入在安徽农村居民人均总收入中所占的比重越来越大，由1995年的11.6%增长到2009年的31.4%，由1995年的234.21元增长到了2009年的1882.42元，十五年增加了1648.21元。
湖北省农村居民家庭人均收入影响因素分析——多元线性回归分析
调 查 期 内得 到 以 现金 形 态 表 现 的 收 入 按 家 统 计 数据 网页 ， 分 数 据稍 作 修 正 。 部 来 源 分成 工 资 性 收入 、 家庭 经 营 现 金 收 人 、 （ ）模 型 变 量 的选 择 和 说 ２
农 业投 入 对 湖北 农 民家 庭 人 均 收入 显 著 性
响农 民收 入 的 各种 因 素 进 行 了 科 学 分 析 ． 为 解 释 变量 政 府 的 各 种财 政 投 入 对 农 民 抓 住 农 民增 收 的 关键 因素 所 在 ．对 整个 湖 收 入 有 着直 接 的 影 响 表 １为湖 北 省 农 村 北 省 经 济增 长 速 度 的提 高 有一 定 的 价值 居 民家 庭平 均 每 人 现 金 收人 系 数 Ｒ ３ ０ ９ ． ： ． １Ｘ Ｙ ＝ ． ３ Ｐ值 ０ １ ． ３是 政 府 性 ７ ０ 补 贴 支 出 ．这说 明政 府 性 补 贴 支 出对 湖 北 农 民家 庭 人 均 收 入 显 著 性 影 响 不 是 很 大 Ｙ 与 Ｘ 的 相 关 系 数 Ｒ ４ ＇６ ４ Ｐ 值 ＝ ４ Ｙ － ．６ ． ０
湖北省农村居民家庭人均收入影响因素分析
多元 线性 回 归分析
采 统
４０ ７ ） ３０ ０
（ ｘＪ ｘ大 学管理 学院 湖 北 武汉 武／ Ｅ． ． ．
摘 要
通过 农 村 居 民现 金 收入 倾 向的 实证 分 析 ． 够更 好 地 了解 ＂前农 村 居 民消 费结 构 与 消 费行 为 。 文 能 ３ －
章 应 用 多元 线 性 回 归分 析 的方 法 ， 湖 北 省农 村 居 民人 均现 金 收入 进 行 了 实证 分 析 ， 决 了模 型 中的相 关 Ｉ题 。 对 解 ＂ － １
多元线性回归模型及其应用-毕业论文
多元线性回归模型及其应用摘要本文介绍了多元线性回归模型，其过程分为模型构建、模型参数估计、模型检验和模型预测等几个方面。
通过对与我国物价指数CPI相关的几个因素建立初始多元线性回归模型，分析CPI的影响因素，之后对该模型进行各种统计检验，在模型检验中发现初始模型中有部分变量的系数不能通过检验，可能存在多重共线性的问题，最后采用逐步回归分析法来进行去除显著性不高的变量，并且建立新的模型，最终找出了影响CPI的关键要素是农业生产资料价格和人均GDP，通过最终确定的CPI与其影响因素之间的线性回归方程可以清晰地得到各个指标对CPI的影响大小，进而为我国控制CPI提供方向性的建议指导。
关键词多元线性回归 CPI影响因素逐步回归Multiple linear regression model and its applicationAbstract This article introduces the multiple linear regression model, and its process is divided into several aspects: model construction, model parameter estimation, model testing and model prediction. By establishing an initial multiple linear regression model on several factors related to China's price index CPI, analyzing the influencing factors of CPI, and then carrying out various statistical tests on the model, it is found in the model test that the coefficients of some variables in the initial model cannot pass Test, there may be a problem of multicollinearity, and finally use a stepwise regression analysis method to remove less significant variables, and establish a new model, and finally find out that the key factors affecting CPI are agricultural production materials prices and GDP per capita, Through the final linear regression equation between the CPI and its influencing factors, we can clearly get the impact of various indicators on the CPI, and then provide directional recommendations for the control of CPI in China.Key words Multiple linear regression CPI influencing factors stepwise regression目录引言 (1)1. 多元线性回归分析基本理论 (2)1.1 多元线性回归模型的一般形式 (2)1.2 多元线性回归模型的基本假设 (2)1.3 参数估计 (2)1.3.1 回归系数的估计 (2)1.3.2 样本方差的估计 (3)1.4 模型检验 (3)1.4.1 回归方程的显著性检验 (4)1.4.2 回归系数的显著性检验 (4)1.4.3 回归方程的拟合优度检验 (4)1.5 模型预测 (5)1.6 自变量的筛选方法 (5)2. 多元线性回归在CPI影响因素中的应用 (6)2.1 数据筛选 (6)2.1.1 指标选取 (6)2.1.2 数据收集 (6)2.2实证分析 (7)2.1.3 建立模型 (7)2.1.4 参数估计 (8)2.1.5 模型检验 (8)2.1.6 模型优化 (9)2.1.7 残差检验 (11)结论与建议 (13)参考文献 (14)致谢................................................................ 错误!未定义书签。
- 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)。
多元线性回归模型论文农村居民收入论文：基于多元线性回归模型的农村居民收入增长分析摘要：针对影响安徽省农村居民收入的因素进行分析，再运用实证方法对1995-2009年的经济统计数据进行分析，从而得到影响安徽省农村居民纯收入的多元线性回归模型，通过对模型的验证能有效的预测安徽农村居民的收入增长趋势并能对安徽省农村地区的政策措施提供参考建议。
关键词：影响因素；农村居民收入；多元线性回归模型0 引言社会主义新农村建设的首要任务是发展现代农业，其核心是增加农民收入。
改革开放30多年来，安徽农民收入的变化大致经历了以下5个阶段：1978-1980年高速增长阶段，农民人均纯收入由1978年的113.34元增加到1981年的246.49元，年均增长29.6%；1982-1991年相对低速增长阶段，其中1991年出现了负增长，农民收入下降了17.3%；1992-1996年为较快增长阶段年增长率均在20%以上；1997-2003年又为低速徘徊阶段；2004-2009年为恢复性较快增长阶段，增速均达到了两位数，从2004年的2499.3元增加到2009年的4504.3元。
但是整个农民纯收入的增长与城镇居民的收入相比，表现出了增长缓慢、差距越来越大的趋势。
为此本文根据整个国民经济的发展以及安徽省农业产业政策的调整变化、农村居民自身人力资本的积累等因素的变化情况，对安徽省农村居民纯收入的中长期趋势进行合理的预测，通过对1995-2009年安徽农村居民人均纯收入等经济统计数据的分析，运用多元线性回归方法建立模型，找出影响安徽农村居民纯收入最主要的因素，为安徽省农村产业政策提供建议。
1 影响安徽农村居民纯收入的影响因素1.1 工资收入对安徽农村居民纯收入的影响改革开放以来，作为人口大省的安徽，一直是劳务输出大省，农村居民的外出劳务时间越来越长，从事的职业越来越多。
如表1所示，人均工资性收入在安徽农村居民人均总收入中所占的比重越来越大，由1995年的11.6%增长到2009年的31.4%，由1995年的234.21元增长到了2009年的1882.42元，十五年增加了1648.21元。
1.2 人均农林牧渔业总产值对安徽农村居民纯收入的影响从近几年看，安徽农村居民的年纯收入稳步增长。
一方面是由于党中央、国务院高度重视农民收入问题，连续6年出台涉农“一号文件”，取消了农业税和农产品特产税，推行了粮食直补和综合补贴等积极扶农的财政政策，不断的调整农业产业结构等；一方面由于安徽省近年来农业机械化程度不断提高，以及农业科技的发展和较好的种养殖天气环境等为农产品稳产、高产提供了坚实基础，安徽省农林牧渔业总量不断创出新高。
如图1、图2示，农业机械总动力由1995年的1836万千瓦增加到2009年的5108.8万千瓦。
安徽省农林牧渔业总值有1995年的980.26亿元增加到2009年的2569.46亿元。
数据来源：安徽省国民经济和社会发展公报（1995-2009）；安徽统计年鉴1999-2010。
1.3 生产费用支出对安徽省农村居民纯收入的影响农村居民人均生产费用支出主要包括家庭经营费用支出（农林牧渔业生产支出等）和购置生产性固定资产支出两个部分。
按统计数据所示，安徽省农村人均生产费用支出呈逐年递增的趋势，从1995年的456.4元增加到了2009年的1334.26元。
农业生产的边际收益呈下降趋势，这严重影响了农民纯收入的提高。
1.4 转移性和财产性收入以及农村用电量对人均纯收入的影响转移性和财产性收入，在农村居民收入中所占的比重较小，随着近年的政府对农村投入的逐渐增大，其政策性越来越强，转移性和财产性收入也呈逐年递增趋势，如图3示，从1995的4.6%增长到2009年的7.9%。
农村用电量反映了农业居民在生产生活中对电力资源的消费，其与居民收入有紧密的联系。
如图4安徽省农村用电量从1995年的37.4亿千瓦时增长到2009年的98.1亿千瓦时。
因此，本文把以上两个指标也纳入对农村居民纯收入的考核中。
数据来源：根据安徽省国民经济和社会发展公报（1995—2009）；安徽统计年鉴1999—2010相关数据计算。
2 农民收入增长模型的分析2.1 多元线性回归分析方法回归分析是经济计量分析中使用最多的方法，多元回归分析预测法，是指通过对两个或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。
当自变量与因变量之间存在线性关系时，称为多元线性回归分析。
多元线性回归模型的一般形式为：Y i=β 0+β 1X1i+β 2X2i+---+β kXki+μ i（i=1,2,……,n）其中，k为解释变量的数目，β 1,β 2……β k是未知参数，称为回归系数。
y称为被解释变量（因变量），而X 1t ,X 2t ,……,X kt 是k个可以精确测量并可控制的一般变量，称为解释变量（自变量），μ i是随机误差。
当β≥2,时，上式为多元线性回归模型。
2.2 安徽农村居民纯收入增长的趋势预测收入增长趋势预测是在经济理论指导下，在搜集的历史统计数据基础上，运用科学的实证计量方法和模型，对未来安徽农村居民的纯收入结构与总量变化发展趋势作出分析、判断与预测，以期对未来一段时间内农业政策的制定与改变做一定的参考。
2.2.1 多元线性回归模型的建立与检验首先定义所有变量。
被解释变量：人均纯收入（SCI）；解释变量：人均工资收入（SWI）,人均农林牧渔产值（SRZ），人均生产费用支出（SMC），人均用电量（SPC），人均转移性和财产性收入（STP）。
2.2.2 统计数据选取2.2.3 构建模型本文采用Eviews3.1进行计算建模。
（1）建立模型。
根据确定的变量，建立以下模型：SCI=β 0+β 1SWI+β 2SRZ+β 3SMC+β 4SPC+β 5STP+μ上式中，β 0是常数，β 1，……，β 5是回归系数，μ是随机变量。
（2）参数估计。
对于理论模型运用最小二乘法（OLS）进行参数估计，其方程为：SCI=50.04229+0.722366SWI+0.0624919SRZ-0.27681SMC-1.081 827SPC+1.294614STP+μ。
（3）统计检验。
第一，拟合优度：R 2=0.998009， 2=0.996764，两者都接近于1，本模型拟合效果很好。
第二，F检验和T检验。
由数据可知，F=801.9632，Porb（F-statistic）=0.00000。
因此，模型整体上解释变量与被解释变量之间线性关系显著；但T统计量中，由数据可知，只有SRZ通过检验，且常数项β 3=-0.27681，β 4=-1.081827，与其经济意义相悖，表明模型中解释变量存在多重共线性。
2.2.4 计量经济学检验和克服（1）多重共线性克服。
本文采取逐步线性回归法来克服多重共线性问题。
第一，分别作SCI与SWI，SRZ，SMC，SPC，STP的回归，其中SCI与SWI的组合各项统计检验结果最好，很符合安徽这个农村劳动力输出大省的实际情况。
因此，本文选择SCI=β 0+β 1-SWI+μ为最初的回归模型。
第二，进行逐步回归:第一步，引入SMC，SMC通过了F检验但是不能通过T检验，舍弃。
第二步，引入SRZ，C无法通过T检验，因此我们舍弃SRZ变量；第三步，引入STP，C、SWI、STP都通过T检验和F检验，且拟合优度从0.983246提高到0.990334，整体拟合度提高。
第四步，引入SPC，C,SWI,SPC无法通过T检验。
因此最后确定参数方程的拟合结果为：SCI=923.5883+1.2141417SWI+2.532847STP+μ。
(2)异方差检验。
如图5,6，通过残差与SWI和STP之间关系的散点图初步断定不存在异方差。
收尾概率P远大于显著水平0.05，接受原假设，残差不存在异方差。
进一步用Glejser检验法，首先根据模型SCI=923.5883+1.241417SWI+2.532847STP+μ计算出扰动项μ i的估计值e i，再以e i的绝对值e i为被解释变量，令e i=RE。
SWI和STP为解释变量，用残差绝对值RE 对SWI，STP进行回归，建立如下方程：RE=a 0+a 1SWI+a 2STP+ξ。
通过Eviews运算，样本回归的估计方程为：RE+116.7426-0.042553SWI-0.074267STP。
由方程可知：a 1=-0.042553,a 2=-0.074267,不显著，说明μ i 不存在异方差性，或异方差问题不严重。
(3)序列相关性检验。
本文采用图示法通过对残差图的分析来判断随机误差项的序列相关性。
如图7蓝色折线所示，初步断定随机误差项之间存在正的序列相关。
下面采用DW检验，由检验结果得Durbin-Watson=1.173945，给定显著水平a=0.05，n=15,k=3。
查DW检验表，得下限临界值d L=0.95，上限临界值d u=1.54。
由于d L≤DW≤d u，不能断定残差项之间是否存在序列相关性。
(4)利用对数线性回归修正自相关，及广义差分迭代法估计模型：由D-W=1.173945，得到=1-DW/2=0.413027，再分别对SCI,SWI,STP做广义差分，经过对数线性回归修正自相关及Cochrane-Orcutt迭代，DW=1.955358，d u≤DW≤4-d u，表明不存在序列相关，所得到的最后函数关系为：SCI=4.137233+0.359501*SWI+0.24416*STP+0.77086*AP （1）。
3 结论与建议3.1 基于模型的结论经过以上对安徽省1995—2009年农村居民纯收入及相关数据建立的多元线性回归模型来看，安徽农村居民人均工资收入和转移支付及财产性收入与其纯收入高度相关。
在其他条件不变的情况下，安徽农村居民人均工资性收入增加一元，纯收入可增长0.359501元；人均转移支付和财产性收入增加一元，纯收入可增长0.24416元。
根据分析，人均农林牧渔产值，生产费用支出和人均用电量对安徽农村居民的纯收入影响也很大，但由于与人均工资性收入存在多重共线性，因此没有进入模型。
3.2 政策建议（1）从模型看，人均工资性收入增加1元，纯收入可增长0.359501元，因此工资性收入对安徽农村居民人均纯收入起非常重要的作用。
安徽从80年代以来一直是劳务输出大省，全省现有劳动力约为3000万人，其中剩余劳动力约为1300万。
农村人均耕地仅为0.079公顷，而且大部分属于山区，“走出去”成了安徽农民增收的必由之路，因此首先各级政府应在农民工外出务工问题上进行积极的引导，以市场为导向，要进一步加大劳务输出的指导和培训工作，使农民进城务工经商更加规范化、有序化和高效化。