【正文】 .000x2.075.0013x5.935.062.935.000x2.060.000x1.713.096.713.000a. Dependent Variable: y上表為回歸方程系數(shù)表，根據(jù)多元回歸模型： ,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，,，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： .Trend值為該區(qū)域中1992年到2012年的模擬值. 該值可以通過最優(yōu)方程式得出，比如2012年的值為 ，由上結(jié)果可以看出誤差較小，其誤差百分比在以內(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)測方程式： , 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、城鎮(zhèn)居民家庭人均可支配收入、我國教育經(jīng)費(fèi)總投入對(duì)財(cái)政收入有顯著的影響. 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”，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，對(duì)進(jìn)入模型的自變量作精心的選擇是十分必要的. ，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)之間的值檢驗(yàn)，是否通過值檢驗(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)測方程式. ,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)自變量的值檢驗(yàn)或值檢驗(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)測方程式是完全沒有意義，其在操作過程中更是方便簡潔. 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. 參考文獻(xiàn)[1]魏和清,[M].北京:中國財(cái)政經(jīng)濟(jì)出版社,2011.[2][D].廈門:復(fù)旦大學(xué),2012.[3][M].北京:中國財(cái)政經(jīng)濟(jì)出版社,2008. [4][M].北京:對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)出版社,2007. [5][M].大連:東北財(cái)經(jīng)大學(xué)出版社,2012.[6]曲俊華,[J],(S1),2007,24.[7][M].北京:北京大學(xué)出版社,1999.[8][J].數(shù)理統(tǒng)計(jì)與管理,(4),2001,24.[9][M].北京:中國人民大學(xué)出版社,2012.[10][M].北京:北京化工大學(xué),2011.[11][M].北京:人民郵電出版社,2004.[12][M].北京:中國人民大學(xué)出版社,2006.[13][J].統(tǒng)計(jì)與決策,2(9),2006，13.[14]朱建平,[M].北京:清華大學(xué)出版社,2007.[15]韋博成,[J],應(yīng)用數(shù)學(xué)學(xué)報(bào),(3),1994,1213[16][J].激光與紅外,(12),1980,37.[17][D].南京：南京信息工程大學(xué)，2008.[18] [M].北京:中國人民大學(xué)出版社,2010.[19][M].北京:中國統(tǒng)計(jì)出版社,1999.[20][M].北京:中國財(cái)政經(jīng)濟(jì)出版社,2005.[21][M].北京:對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)出版社,2007.[22][J].科技創(chuàng)新導(dǎo)報(bào),(23),2011,15.[23][M].重慶:重慶大學(xué)出版社,2007.[24]吳景新,[J],(10),2008,58.[25]胡健穎,[M].北京:北京大學(xué)出版社,1995.[26][J].經(jīng)濟(jì)學(xué)動(dòng)態(tài),(8),2009,3537.第30頁（共30頁）