【正文】 iables entered. b Dependent Variable: y11 Model Summary(b)ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbinWatson1(a) a Predictors: (Constant), x71, x11, x41, x31, x21, x61, x51 b Dependent Variable: y11 ANOVA(b)ModelSum of SquaresdfMean SquareFSig.1Regression7.000(a) Residual23 Total30 a Predictors: (Constant), x71, x11, x41, x31, x21, x61, x51 b Dependent Variable: y11 Coefficients(a)Model Unstandardized CoefficientsStandardized CoefficientstSig.Collinearity Statistics BStd. ErrorBetaToleranceVIF1(Constant) x11 x21 x31 x41 x51 x61 x71 a Dependent Variable: y11方程的決定系數(shù)較高，=，修正可決系數(shù)=，又回歸模型擬合程度與決定系數(shù)有關(guān)，決定系數(shù)越大，模型擬合程度越高，可見(jiàn)本模型擬合程度較好，又F=10, 模型總體顯著性檢驗(yàn)得知模型總體顯著，也就是全體解釋變量總體對(duì)被解釋變量存在明顯影響，與原來(lái)的線性回歸結(jié)果相比自相關(guān)性得到了進(jìn)一步的優(yōu)化。此時(shí)的多元線性回歸方程為：由表可知，可以看出自相關(guān)性得到了進(jìn)一步改善,下面再次迭代：,來(lái)改善自相關(guān)性。.進(jìn)行迭代計(jì)算，得到如下結(jié)果： Variables Entered/Removed(b)ModelVariables EnteredVariables RemovedMethod1X72, X12, X42, X32, X22, X62, X52(a).Enter a All requested variables entered. b Dependent Variable: Y22 Model Summary(b)ModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbinWatson1(a) a Predictors: (Constant), X72, X12, X42, X32, X22, X62, X52 b Dependent Variable: Y22 ANOVA(b)ModelSum of SquaresdfMean SquareFSig.1Regression7.000(a) Residual23 Total30 a Predictors: (Constant), X72, X12, X42, X32, X22, X62, X52b Dependent Variable: Y22 Coefficients(a)ModelUnstandardized CoefficientsStandardized CoefficientstSig.Collinearity Statistics BStd. ErrorBetaToleranceVIF1(Constant) X12 X22 X32 X42 X52 X62 X72a Dependent Variable: Y22由上表可知方程的決定系=，修正可決系數(shù)=，與上次迭代相比基本穩(wěn)定，且均接近于1，可見(jiàn)本模型擬合程度較好，又F=10, 模型總體顯著性檢驗(yàn)得知模型總體顯著，也就是全體解釋變量總體對(duì)被解釋變量存在明顯影響，自相關(guān)性的影響基本消除。此時(shí)的多元線性回歸方程為：5 結(jié) 論在本文中，我們通過(guò)一系列主要工業(yè)產(chǎn)品產(chǎn)量的分析，探索通過(guò)個(gè)工業(yè)產(chǎn)品產(chǎn)量來(lái)預(yù)測(cè)工業(yè)總產(chǎn)值的方法。我們?cè)诒疚闹羞x取了工業(yè)總產(chǎn)值，塑料制品產(chǎn)量，水泥產(chǎn)量，平板玻璃產(chǎn)量，生鐵產(chǎn)量，粗鋼產(chǎn)量，鋼筋產(chǎn)量，盤條產(chǎn)量。在通過(guò)對(duì)模型的異方差性和自相關(guān)性的檢驗(yàn)以及修正之后我們得到的最終的線性回歸方程為： 通過(guò)以上線性回歸方程我們可以知道，工業(yè)總產(chǎn)值與塑料制品產(chǎn)量有較大關(guān)系，塑料產(chǎn)量每增加一個(gè)單位，，生鐵產(chǎn)量每增加一個(gè)單位。 但同時(shí)我們看到有些主要工業(yè)產(chǎn)品的產(chǎn)量系數(shù)是負(fù)值，一般來(lái)說(shuō)，各主要工業(yè)產(chǎn)品的產(chǎn)量等經(jīng)濟(jì)發(fā)展量應(yīng)該與工業(yè)總產(chǎn)值成正比關(guān)系，但由于在研究具體某個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展關(guān)系時(shí)，由于政策領(lǐng)導(dǎo)或其它的因?yàn)榈貐^(qū)的特殊性的原因，造成了水泥產(chǎn)量的系數(shù)是可能成為負(fù)值的。比如工業(yè)總產(chǎn)值在下降，但是因?yàn)檎呋蚱渌蛞恍┕I(yè)產(chǎn)品產(chǎn)量卻在上升，或工業(yè)總產(chǎn)值在上升，但是某些工業(yè)產(chǎn)品的產(chǎn)量卻在下降。在我國(guó)，目前經(jīng)濟(jì)發(fā)展速度很快，工業(yè)生產(chǎn)總值能夠保持穩(wěn)定增長(zhǎng)，我們要保持住這種增長(zhǎng)勢(shì)頭，實(shí)現(xiàn)經(jīng)濟(jì)的又好又快發(fā)展，那么對(duì)于多元線性回歸研究經(jīng)濟(jì)發(fā)展的問(wèn)題就有很現(xiàn)實(shí)的作用。并且，在我國(guó)，經(jīng)濟(jì)發(fā)展還不是很平衡，對(duì)各地區(qū)進(jìn)行經(jīng)濟(jì)發(fā)展的研究，使我們可以在宏觀調(diào)控的條件下，也可以結(jié)合各地區(qū)的實(shí)際情況作出經(jīng)濟(jì)決策，使經(jīng)濟(jì)發(fā)展達(dá)到最好的效果。 由以上得到的回歸方程我們可以看到變量和的系數(shù)絕對(duì)值最大，可見(jiàn)對(duì)的影響是最大，即機(jī)塑料制品產(chǎn)量，是鋼筋產(chǎn)量，所以對(duì)全國(guó)各地區(qū)從目前的經(jīng)濟(jì)發(fā)展?fàn)顩r和條件看，塑料制品產(chǎn)量和鋼筋產(chǎn)量對(duì)工業(yè)總產(chǎn)值有最大的正影響關(guān)系，也就是說(shuō)，為了最高的提高全國(guó)各地區(qū)工業(yè)總產(chǎn)值的指標(biāo)，我們可以加大對(duì)塑料制品和鋼筋的生產(chǎn)，它對(duì)全國(guó)各地區(qū)工業(yè)總產(chǎn)值的指標(biāo)有最明顯的正向關(guān)系。這樣，我們?cè)趯?duì)于資源的配置方面，可以先考慮對(duì)各地區(qū)紙塑料制品和鋼筋制造的投資加大，能夠達(dá)到資源的優(yōu)化配置。致 謝在本文的體系和材料數(shù)據(jù)的收集及處理過(guò)程中及在撰寫整篇論文的過(guò)程中，王小勝王導(dǎo)師給了我很大的幫助，在材料的選擇、文章的重心、參數(shù)估計(jì)統(tǒng)計(jì)檢驗(yàn)及計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)等許多方面給了我有益的指導(dǎo)和啟迪。在此，我表示最衷心的感謝。參考文獻(xiàn)[1] [J].學(xué)術(shù)月刊,2009,11 (6):7174.[2] [M].北京:科學(xué)出版社,2010.[3] [M].北京:社會(huì)科學(xué)文獻(xiàn)出版社,2010.[4] [M].北京:科學(xué)出版社,2003.[5] 陳正昌,程炳林,[M].北京:中國(guó)稅務(wù)出版社,2008.[6] 米紅 [M].北京:當(dāng)代中國(guó)出版社,2006.[7] [M].北京:中國(guó)經(jīng)濟(jì)出版社,2005.[8] [M].北京:中國(guó)人民大學(xué)出版社,2008.[9] Harbert HeteroskedasticityConsistent Covariance Matrix Estimator and a DirectTest for Heteroskedasticiry[J]. The Econometric Society May,1980,17(2):817838.[10] Eilat P, Einav of international tourism: a threedimensional panel data analysis. Applied Economics,2004,36( 12) : 13151327. 34[11][J].復(fù)印報(bào)刊資料,2009,15 (7):177181.27