【正文】 違背基本假設(shè)的幾個(gè)方面進(jìn)行檢驗(yàn)和修正。 4．模型的檢驗(yàn)和改進(jìn) ]5[ 相關(guān)系數(shù)檢驗(yàn) .用 SPSS軟件求得所有變量的相關(guān)系數(shù)矩陣： 由表 ：解釋變量 654321 X、 X、 X、 X、 X、 X 之間存在高度正相關(guān)性，所以模型存在嚴(yán)重的多重共線性。 表 Correlations GDP 進(jìn)出口 額 財(cái)政支 出 職工工資 總額 稅收收入 上期 GDP 儲(chǔ)蓄余額 GDP Pearson Correlation 1 .969** .992** .996** .790** .997** .991** Sig. (2tailed) .000 .000 .000 .000 .000 .000 N 20 20 20 20 20 20 20 進(jìn)出口額 Pearson Correlation .969** 1 .949** .951** .753** .950** .961** Sig. (2tailed) .000 .000 .000 .000 .000 .000 N 20 20 20 20 20 20 20 財(cái)政支出 Pearson Correlation .992** .949** 1 .995** .801** .993** .996** Sig. (2tailed) .000 .000 .000 .000 .000 .000 N 20 20 20 20 20 20 20 職工工資總額 Pearson Correlation .996** .951** .995** 1 .801** .996** .991** Sig. (2tailed) .000 .000 .000 .000 .000 .000 N 20 20 20 20 20 20 20 稅收收入 Pearson Correlation .790** .753** .801** .801** 1 .802** .830** Sig. (2tailed) .000 .000 .000 .000 .000 .000 N 20 20 20 20 20 20 20 上期 GDP Pearson Correlation .997** .950** .993** .996** .802** 1 .991** Sig. (2tailed) .000 .000 .000 .000 .000 .000 N 20 20 20 20 20 20 20 儲(chǔ)蓄余額 Pearson Correlation .991** .961** .996** .991** .830** .991** 1 Sig. (2tailed) .000 .000 .000 .000 .000 .000 N 20 20 20 20 20 20 20 **. Correlation is significant at the level (2tailed). 陜西理工學(xué)院畢業(yè)論文 第 5 頁 共 20 頁 模型修正 .通過 SPSS 軟件用逐步回歸法修正模型 。 逐步回歸 ]6[ 的基本思想是“有進(jìn)有出”，具體做法是將變量一個(gè)一個(gè)引入，當(dāng)每引入一個(gè)自變量后，對(duì)已選入的變量要逐個(gè)檢查，當(dāng)原引入的由于后面變量的引入而變得不再顯著時(shí)，要將其剔除。引入一個(gè)變量或從回歸方程中剔除一個(gè)變量，為逐步回歸的一步，每一步都要進(jìn)行 F檢驗(yàn)，以確保每次引入新的變量之前回歸方程中只包含顯著的變量。這個(gè)過程反復(fù)進(jìn)行，直到既無顯著的自變量選入回歸方程，也無不顯著的自變量從回歸方程中剔除為止。這樣就保證了最后所得的回歸子集是“最優(yōu)”回歸子集。在逐步回歸中需要注意的一個(gè)問題是引入自變量和剔除自變量的顯著性 水平 ? 值是不同的，要求引入自變量的顯著性水平 進(jìn)?小于 剔除自變量的顯著性水平 出? ，即就是“嚴(yán)進(jìn)寬出”，否則可能產(chǎn)生“死循環(huán)”。也就是當(dāng) 出進(jìn) ?? ?時(shí)，如果某個(gè)自變量的顯著性 p值在 進(jìn)? 和 出? 之間，那么這個(gè)自變量將被引入，剔除，再引入，再剔除，循環(huán)往復(fù)，以至無窮。 表 輸入／移去的變量 a 模型 輸入的變量 移去的變量 方法 1 上期 GDP . 步進(jìn)（準(zhǔn)則 : Ftoenter 的概率 = .050，F(xiàn)toremove 的概率 = .100）。 2 進(jìn)出口額 . 步進(jìn)（準(zhǔn)則 : Ftoenter 的概率 = .050，F(xiàn)toremove 的概率 = .100）。 3 職工工資總額 . 步進(jìn)（準(zhǔn)則 : Ftoenter 的概率 = .050，F(xiàn)toremove 的概率 = .100）。 4 儲(chǔ)蓄余額 . 步進(jìn)（準(zhǔn)則 : Ftoenter 的概率 = .050，F(xiàn)toremove 的概率 = .100）。 a. 因變量 : GDP 表 模型匯總 R 方 調(diào)整 R 方 標(biāo)準(zhǔn) 估計(jì)的誤差 .994 .993 .999 .999 .999 .999 .999 a. 預(yù) 測(cè)變量 : (常量 ), 上期 GDP。 b. 預(yù)測(cè)變量 : (常量 ), 上期 GDP, 進(jìn)出口額。 c. 預(yù)測(cè)變量 : (常量 ), 上期 GDP, 進(jìn)出口額 , 職工工資總額。 d. 預(yù)測(cè)變量 : (常量 ), 上期 GDP, 進(jìn)出口額 , 職工工資總額 , 儲(chǔ)蓄余額。 表 Anovae df 均方 F Sig. 1 .000a 陜西理工學(xué)院畢業(yè)論文 第 6 頁 共 20 頁 18 19 2 .000b 17 19 3 .000c 16 19 4 .000d 15 19 a. 預(yù)測(cè)變量 : (常量 ), 上期 GDP。 b. 預(yù)測(cè)變量 : (常量 ), 上期 GDP, 進(jìn)出口額。 c. 預(yù)測(cè)變量 : (常量 ), 上期 GDP, 進(jìn)出口額 , 職工工資總額。 d. 預(yù)測(cè)變量 : (常量 ), 上期 GDP, 進(jìn)出口額 , 職工工資總額 , 儲(chǔ)蓄余額。 e. 因變量 : GDP 表 系數(shù) a 模型 非標(biāo)準(zhǔn)化系數(shù) 標(biāo)準(zhǔn)系數(shù) t Sig. B 標(biāo)準(zhǔn) 誤差 試用版 1 (常量 ) .418 .681 上期 GDP .021 .997 .000 2 (常量 ) .004 上期 GDP .893 .031 .781 .000 進(jìn)出口額 .374 .045 .227 .000 3 (常量 ) .054 上期 GDP .634 .092 .555 .000 進(jìn)出口額 .355 .038 .215 .000 職工工資總額 .758 .238 .010 4 (常量 ) .127 上期 GDP .735 .071 .643 .000 進(jìn)出口額 .409 .031 .248 .000 職工工資總額 .567 .303 .000 儲(chǔ)蓄余額 .153 .001 a. 因變量 : GDP. 表 已排除的變量 e t Sig. 偏相關(guān) 共線性統(tǒng)計(jì)量 容差 .000 .894 .097 陜西理工學(xué)院畢業(yè)論文 第 7 頁 共 20 頁 .289 .257 .016 .656 .521 .157 .013 .079 .413 .008 .425 .360 .096 .013 .279 .784 .070 .013 .010 .588 .008 .179 .358 .001 .012 .144 .009 .071 .355 .096 .430 .004 .689 .252 a. 模型中的預(yù)測(cè)變量 : (常量 ), 上期 GDP. b. 模型中的預(yù)測(cè)變量 : (常量 ), 上期 GDP, 進(jìn)出口額 . c. 模型中的預(yù)測(cè)變量 : (常量 ), 上期 GDP, 進(jìn)出口額 , 職工工資總額 . d. 模型中的預(yù)測(cè)變量 : (常量 ), 上期 GDP, 進(jìn)出口額 , 職工工資總額 , 儲(chǔ)蓄余額 . e. 因變量 : GDP. 通過逐步回歸得到了四個(gè)模型而模型四中 6X 的系數(shù)仍為負(fù)值，其經(jīng)濟(jì)意義仍無法解釋，所以選擇模型三為最優(yōu)模型，最終剔了除了變量 642 , XXX 由以上 SPSS的運(yùn)行結(jié)果可得標(biāo)準(zhǔn)化以后的回歸方程為： 1 3 X X X? ? ? ? () 由表 ： 2R = 修正 2R = F = 并且在顯著性水平?? 下模型三通過了 F 檢驗(yàn)和 t 檢驗(yàn) 。 差性檢驗(yàn) 通過 SPSS計(jì)算出殘差值并畫出殘差 2e 與 GDP的散點(diǎn)圖： ??3 圖 殘差圖 從殘差圖可以看出殘差點(diǎn)分布有明顯的規(guī)律，所以可以初步判斷誤差項(xiàng)具有明顯的異方差性 。 通過等級(jí)相關(guān)系數(shù)法 ]7[ 檢驗(yàn)異方差性。 等級(jí)相關(guān)系數(shù)法又稱 Spearman (斯皮爾曼 )檢驗(yàn) ]8[ ，是陜西理工學(xué)院畢業(yè)論文 第 8 頁 共 20 頁 一種應(yīng)用較廣泛的方法。這種檢驗(yàn)方法在樣本容量大或小時(shí)都可以應(yīng)用。進(jìn)行等級(jí)相關(guān)系數(shù)檢驗(yàn)通常有三個(gè)步驟： 第一步，作 y 關(guān)于 x 的普通最小二乘回歸，求出 i? 的估計(jì)值，即 ie 的值。 第二步，取 ie 的絕對(duì)值，即 ie ，把 ix 和 ie 按遞增或遞減的次序排列后分成等級(jí)，按下式計(jì)算出等級(jí)相關(guān)系數(shù) ,)1( 61 1 22 ????? ni is dnnr () 其中， n 為樣本容量， id 為對(duì)應(yīng)于 ix 和 ie 的等級(jí)的差數(shù)。 第三步，做等級(jí)相 關(guān)系數(shù)的顯著性檢驗(yàn)。在 8n ? 的情況下，用下式對(duì)樣本等級(jí)相關(guān)系數(shù) sr 進(jìn)行 t 檢驗(yàn)。檢驗(yàn)統(tǒng)計(jì)量為 2ss r12rn?t ， () 如果 )2(2 ?? ntt ?，可認(rèn)為異方差性問題不存在，如果 )2(2 ?? ntt ?，說明 ix 和 ie 之間存在系統(tǒng)相關(guān)，異方差性問題存在。 表 Correlations 進(jìn)出口 額 職工工資 總額 上期GDP Unstandardized Residual Spearman39。s rho 進(jìn)出口額 Correlation Coefficient .995** .994** .364 Sig. (2tailed) . .000 .000 .115 N 20 20 20 20 職工工資總額 Correlation Coefficient .995** .998** .361 Sig. (2tailed) .000 . .000 .121 N 20 20 20 20 上期 GDP Correlation Coefficient .9