【導(dǎo)讀】數(shù)據(jù)是對(duì)于淘寶交易額的未來發(fā)展趨勢(shì)的研究，一組數(shù)據(jù)時(shí)對(duì)于我國財(cái)政收入的研究.方法呈現(xiàn)在大家面前，讓大家對(duì)多元回歸分析以及SPSS軟件都可以有更深一步的了解.處理和分析的優(yōu)缺點(diǎn)，最后得在對(duì)變量的選取和軟件的操作提出建議.

　　

【正文】 的財(cái)政收入 y 有顯著 的影響 . 而 我國的 進(jìn)出口總額 4x 的 t 值為 小于 ，說明 我國的 進(jìn)出口總額 4x 對(duì)我國的財(cái)政收入 y 的影響不顯著 . 所以需要對(duì)數(shù)據(jù)進(jìn)行逐步回歸，剔除影響不顯著的變量 . 其回歸方程為： 54321 xxxxx ????? . 第 26 頁（共 30頁） 由上可知自變量進(jìn)出口總額未通過檢驗(yàn)，因此對(duì)數(shù)據(jù)進(jìn)行逐步回歸的處理 . 對(duì)人均國內(nèi)生產(chǎn)總值 1x 、城鎮(zhèn)居民家庭人均可支配收入 2x 、全社會(huì)固定資產(chǎn)投資 3x 、 我國的 第一產(chǎn)業(yè)增加值 4x 、 我國的 教育經(jīng)費(fèi)總投入 5x 與財(cái)政收入 y 進(jìn)行逐步回歸分析得： 表 由上可以看出 3x , 4x 被剔除 . 其逐步回歸的順序?yàn)?5x ,2x ,1x . 表 上表為逐步回歸模型的統(tǒng)計(jì)量，從上表可以看到自變量 的判定系數(shù)分別為1,， 這說明自變量與因變量之間的擬合程度很好 .調(diào)整后的判定系數(shù)與判定系數(shù)相同，其估計(jì)標(biāo)準(zhǔn)誤差 分別為 ,，說明所選 值之間的標(biāo)準(zhǔn)誤差很小 . 表 第 27 頁（共 30頁） 上表為方差分析表，及逐步回歸每一步的回歸模型的方差分析，可以看出其顯著性水平的概率均為 ，表明此回歸模型極顯著 . Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 x5 .999 .011 .999 .000 2 x5 .075 .000 x2 .075 .001 3 x5 .935 .062 .935 .000 x2 .060 .000 x1 .713 .096 .713 .000 a. Dependent Variable: y 表 上表為回歸方程系數(shù)表，根據(jù)多元回歸模型： 552211 xxxy ??? ??? , 通過 SPSS 作出的逐步回歸得到以上的結(jié)果，在 統(tǒng)計(jì)顯著水平 ?? ，則 T 檢驗(yàn)值為?t 下，三個(gè)變量及常數(shù)項(xiàng)的 t 檢驗(yàn)的絕對(duì)值分別 為 ， , 其絕對(duì)值均大于 ?t ，說明三個(gè)因子自變量的顯著性水平高 . 可得到的最優(yōu)回歸方程為： 125 xxxy ??? . Trend 值為該區(qū)域中 1992 年到 2020 年的模擬值 . 該值可以通過最優(yōu)方程式得出，比如 2020 年的值為 40 ???????y ， 由上結(jié)果可以看出誤差較小，其誤差百分比在 %20? 以內(nèi) 的占比比較 大，說明模擬效果還可以 . 求得的逐步回歸模型效果比較顯著 . 結(jié) 通過 SPSS 操作最后得到的我國財(cái)政收入的預(yù)測(cè)方程式： 125 xxxy ??? , 第 28 頁（共 30頁） 再加上最后對(duì)數(shù)據(jù)的檢驗(yàn)可以得出人均國內(nèi)生產(chǎn)總值 1x 、城鎮(zhèn)居民家庭人均可支配收入 2x 、我國教育經(jīng)費(fèi)總投入 5x 對(duì)財(cái)政收入 y 有顯著的影響 . 從上面的操作可以看出變量通過初步的選取是不夠的 ,需要對(duì)所選自變量進(jìn)行檢驗(yàn) ,然后剔除未通過檢驗(yàn)的變量 ,所以在案例二較案例一的區(qū)別在于多了一個(gè)逐步回歸分析 . 即：眾所周知人均國內(nèi)生產(chǎn)總值，城鎮(zhèn)居民家庭人均可支配收入，全社會(huì)固定投資都是逐年變化的，這里表現(xiàn)出的城鎮(zhèn)居民家庭人均可支配收入為負(fù)指標(biāo)，隨著社會(huì)的發(fā)展，中國的發(fā)展更是越來越迅速，這三個(gè)自變量之 間存在著相對(duì)嚴(yán)密的關(guān)系 . 第五章 總 結(jié) SPSS 是世界上最早采用圖形菜單驅(qū)動(dòng)界面的統(tǒng)計(jì) 軟件 ，其最突出的特點(diǎn)就是操作界面極為友好，輸出結(jié)果美觀漂亮，是“統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案” 軟件 .對(duì)于那些常見的統(tǒng)計(jì)方法， SPSS 的命令語句、子命令及選擇項(xiàng)的大部分都是 由“對(duì)話框”的操作完成 . 所以不需要花大量時(shí)間來記憶這些大量的命令、過程或選擇項(xiàng) . 由以上 SPSS 的操作方法可以知道 SPSS 中有很多的統(tǒng)計(jì)方法，適合專業(yè)的統(tǒng)計(jì)人員對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)整理得出自己想要的結(jié)果 . SPSS 在得出的趨勢(shì)線以及變量之間的線性關(guān)系，需要自己用一元線性回歸的方法得出數(shù)據(jù)之間的系數(shù)，然后自己把方程寫在趨勢(shì)線旁邊 . 由兩個(gè)案例分析中可以看出在對(duì)數(shù)據(jù)計(jì)算結(jié)果如果需要更精確一點(diǎn)，就需要通過對(duì)多元回歸分析的操作方法進(jìn)行對(duì)比可以知道，采用逐步回歸分析的方法對(duì)數(shù)據(jù)進(jìn)行處理，剔除沒有通過檢驗(yàn)的，對(duì)因變量影響不 顯著的 . 由以上案例中可以看到，多元回歸分析中變量的選擇不能靠簡(jiǎn)單的自行篩選就可以，有時(shí)候?qū)τ谝恍┳兞康暮Y選都通過檢驗(yàn)，并不能代表你在選擇數(shù)據(jù)上有多高明，而是需要通過相關(guān)性分析，計(jì)算復(fù)相關(guān)系數(shù)和偏相關(guān)系數(shù)來了解你所選的變量之間的相關(guān)關(guān)系的大小 ,而變量之間存在線性關(guān)系和非線性關(guān)系需要通過散點(diǎn)圖的觀察來對(duì)變量之間關(guān)系進(jìn)行判斷 . 在一些情況下，某些自變量的觀測(cè)數(shù)據(jù)的獲得代價(jià)十分貴，這些自變量可能對(duì)因變量的影響非常小，而我們把它引進(jìn)了模型中，勢(shì)必造成數(shù)據(jù)收集和模型的應(yīng)用不必要的加大 .所以在回歸分析中，對(duì)進(jìn)入模型的 自變量作精心的選擇是十分必要的 . 所以我們?cè)谶x擇回歸模型時(shí)一定要注意 .而本文可以讓我們知道在多元回歸分析中變量的選擇中我們需要的是先選擇模型，案例一我們是對(duì)于非線性回歸模型轉(zhuǎn)化為線性回歸模型同時(shí)采用的是全模型進(jìn)行分析，案例二我們用得則是選模型，及在變量的選取上我們應(yīng)該如何去選擇 . 相關(guān)系數(shù)以及方差分析就是很好檢驗(yàn)數(shù)據(jù)的方法 ,同時(shí)逐步回 第 29 頁（共 30頁） 歸時(shí)對(duì)數(shù)據(jù)進(jìn)行剔除的一個(gè)很好方法 . 從而可以看出所選的變量是否符合要求 . 然后再通過回歸分析，看數(shù)據(jù)之間的 P 值檢驗(yàn)，是否通過 P 值檢驗(yàn)，如果兩個(gè)檢驗(yàn)均通過，說明說選定的變量在多元回歸分析中，自變量對(duì)因變量有顯著性影響，從而確定影響程度的大小，最后在通過檢驗(yàn)之后得到最優(yōu)方程式，這就是自變量與因變量之間的關(guān)聯(lián)方程式 . 該方程式預(yù)測(cè)了我國淘寶注冊(cè)人數(shù)，網(wǎng)絡(luò)普及度和居民消費(fèi)水平關(guān)于淘寶交易額的影響的預(yù)測(cè)方程式 . 實(shí)驗(yàn)中通過對(duì)數(shù)據(jù)的檢驗(yàn)可以看出其計(jì)算結(jié)果的誤差系數(shù)較低 .案例一在對(duì)變量的處理上也告訴我們?cè)谟龅阶兞恐g不呈線性關(guān)系時(shí)的 處理方法 ,因網(wǎng)絡(luò)普及度和我國第二產(chǎn)業(yè)增加值與淘寶交易額之間呈現(xiàn)的是指數(shù)線性關(guān)系 ,所以在對(duì)變量進(jìn)行使用時(shí) ,我們采用的是其指數(shù)冪的方法把非線性回歸模型轉(zhuǎn)化為線性回歸模型來進(jìn)行研究 ,從而得到的自變量便與因變量之間呈線性關(guān)系 . 從案例一可以看出 ,對(duì)變量處理前得到的回歸模型沒有變量處理后得到的回歸模型的擬合度好 . 進(jìn)一步的告訴大家在對(duì)變量的選取和使用上一定要注意 ,對(duì)于可轉(zhuǎn)化的非線性回歸模型 ,最好采用其對(duì)應(yīng)的方法把變量轉(zhuǎn)換 ,這樣才可以得出更有意義和更加價(jià)值的模型 . 從案例分析二，我們還可以看到在選擇變量時(shí)當(dāng)存在為通過檢 驗(yàn)，或者變量之間的偏相關(guān)系數(shù)大于復(fù)相關(guān)系數(shù)時(shí)的處理方法，這里我們研究的是當(dāng)自變量的 P 值檢驗(yàn)或 t 值檢驗(yàn)沒通過是，對(duì)于變量選取的處理方法，本文采用了一個(gè)簡(jiǎn)單的 SPSS 的操作方法，逐步回歸分析，通過軟件操作，逐步回歸分析會(huì)通過逐步的對(duì)數(shù)據(jù)進(jìn)行檢驗(yàn)，把關(guān)聯(lián)程度大的先檢驗(yàn)，逐步進(jìn)行最后直接剔除未通過檢驗(yàn)的數(shù)據(jù)，在逐步回歸之前我們也得到一個(gè)預(yù)測(cè)方程式，很顯 然，在解釋變量未通過檢驗(yàn)的情況下，所得到的預(yù)測(cè)方程式是完全沒有意義，其在操作過程中更是方便簡(jiǎn)潔 . 通過案例一和案例二的對(duì)比，便告訴大家在選取模型時(shí)，我們應(yīng)該如何對(duì)模型進(jìn)行選取 . 而通過以上兩個(gè)案例分析，我們可以看出，不能只靠肉眼的觀察和直觀的選擇就對(duì)變量進(jìn)行判斷，需要通過一系列的檢驗(yàn)方法對(duì)數(shù)據(jù)進(jìn)行對(duì)比研究，而通過對(duì)偏相關(guān)系數(shù)的檢驗(yàn)，我們便可以通過直觀的方法看到系數(shù)之間的差距，偏相關(guān)系數(shù)本是檢驗(yàn)變量之間相關(guān)關(guān)系的直觀表達(dá)，如果偏相關(guān)系數(shù)過小，我們便可以把此變量剔除，案例二，在偏相關(guān)系數(shù)較小的情況下，我們繼續(xù)采 用了回歸分析和逐步回歸分析對(duì)變量進(jìn)行處理，通過回歸分析可以看到，在偏相關(guān)系數(shù)較小的兩個(gè)變量中在回歸分析中也沒有通過 P 值檢驗(yàn)，而在逐步回歸分析中，該變量也被剔除 . 所以案例二很好的反映了在多元線性回歸分析中如何對(duì)變量進(jìn)行篩選，最后得出最優(yōu)的方程式 . 第 30 頁（共 30頁） 參考文獻(xiàn) [1]魏和清 ,羅良清 .實(shí)用統(tǒng)計(jì)學(xué) [M]. 北京 :中國財(cái)政經(jīng)濟(jì)出版社 ,2020. [2]符 啟 勛 .實(shí)用統(tǒng)計(jì)學(xué) [M]. 北京 :國防工業(yè)出版社 ,2020. [3]王正朋 .實(shí)用統(tǒng)計(jì)學(xué) [M].北京 :中國財(cái)政經(jīng)濟(jì)出版社 ,2020. [4]薛薇 .基于 SPSS 的數(shù)據(jù)分析 [M].北京 :對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)出版社 ,2020. [5]馮力 .統(tǒng)計(jì)學(xué)實(shí)驗(yàn) [M].大連 :東北財(cái)經(jīng)大學(xué)出版社 ,2020. [6]陳珍珍 .統(tǒng)計(jì)學(xué) [M].廈門 :廈門大學(xué)出版社 ,2020. [7]阮桂海 .SPSS 實(shí)用教程 [M].北京 :北京大學(xué)出版社 ,1999. [8]阮桂海 .數(shù)據(jù)統(tǒng)計(jì)與分析 SPSS 應(yīng)用教程 [M].北京 :北京大學(xué)出版社 ,2020. [9]何曉群 .現(xiàn)代統(tǒng)計(jì)分析方法與應(yīng)用 [M].北京 :中國人民大學(xué)出版社 ,2020. [10]張海瑜 .SPSS 軟件在管理決策方面的應(yīng)用擴(kuò)展 [M].北京 :北京化工大學(xué) ,2020. [11]余建英 .數(shù)據(jù)統(tǒng)計(jì)分析與 SPSS 應(yīng)用 [M].北京 :人民郵電出版社 ,2020. [12]薛微 .基于 SPSS 的數(shù)據(jù)分析 [M].北京 :中國人民大學(xué)出版社 ,2020. [13]吳世軍 .SPSS 在數(shù)據(jù)分析中的應(yīng)用 [J].統(tǒng)計(jì)與決策 ,2(9),2020， 13. [14]朱建平 ,殷瑞飛 .SPSS 在統(tǒng)計(jì)分析中的應(yīng)用 [M].北京 :清華大學(xué)出版社 ,2020. [15]詹世煌 ,方世榮 .統(tǒng)計(jì)學(xué)導(dǎo)論 [M].臺(tái)北 :曉園出版社 ,1995. [16]許飛瓊 ,曾玉平 .統(tǒng)計(jì)學(xué) [M].北京 :中國統(tǒng)計(jì)出版社 ,1995. [17]汪浩瀚 ,丁元耀 .應(yīng)用統(tǒng)計(jì)學(xué) [M].北京： 中國人民大學(xué)出版社 ,1993. [18] 何曉群 .多元統(tǒng)計(jì)學(xué) [M].北京 :中國人民大學(xué)出版社 ,2020. [19]茆詩松 .概率論與數(shù)理統(tǒng)計(jì) [M].北京 :中國統(tǒng)計(jì)出版社 ,1999. [20]毛炳寰 .用 Excel 和 SPSS 學(xué)習(xí)統(tǒng)計(jì)學(xué) [M].北京 :中國財(cái)政經(jīng)濟(jì)出版社 ,2020. [21]王玉榮 .統(tǒng)計(jì)數(shù)據(jù)分析軟件教程 [M].北京 :對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)出版社 ,2020. [22]薛薇 .基于 SPSS 的數(shù)據(jù)分析 [M].北京 :中國人民大學(xué)出版社 ,2020. [23]肖智 .應(yīng)用統(tǒng)計(jì)學(xué)實(shí)驗(yàn) [M].重慶 :重慶大學(xué)出版社 ,2020. [24]李緯錚 .應(yīng)用統(tǒng)計(jì)學(xué) [M].北京 :高等教育出版社 ,1989. [25]胡健穎 ,馮泰 .實(shí)用統(tǒng)計(jì)學(xué) [M].北京 :北京大學(xué)出版社 ,1995. [26]湯銀才 .R 語言與統(tǒng)計(jì)分析 [M].北京 :高等教育出版社 ,2020.