【正文】 6486261336096835234944820035061991384175973633023220024360141403904896628590020018427948664006711301143995729998220004529999193836831252683309428784519993451901236432642422350919981320183001144022063418027219971296527002805261077841834613192419961037730002345329531599419971619959612200018342276983705148384 銀行卡業(yè)務(wù)量函數(shù)的回歸擬合分析 回歸方法的選擇及標(biāo)準(zhǔn)取Y 為因變量,為自變量。除了Enter模式外，其他兩種分析方式自變量進(jìn)入或移出回歸方程都按F檢驗(yàn)統(tǒng)計(jì)量的概率標(biāo)準(zhǔn)，即:F統(tǒng)計(jì)量的顯著性概率，變量將被移出回歸方程；，變量將被引入回歸方程。Stepwise：如果統(tǒng)計(jì)量充分小，在每一步，考慮所有的不在回歸方程中的自變量，將使方程具有最小的統(tǒng)計(jì)量值的變量加入這個(gè)方程。按照這種方法操作，直到回歸模型中沒(méi)有變量可以被刪除，回歸模型之外也沒(méi)有變量可以被添加進(jìn)來(lái)為止。刪除變量的判決標(biāo)準(zhǔn)是Options對(duì)話框中設(shè)定的值。如果一個(gè)變量滿足被刪除的條件，那么它就被刪除，在刪除了第一個(gè)變量之后，線性回歸模型中剩下的自變量中有最小的偏相關(guān)系數(shù)的自變量就成為了下一個(gè)刪除的目標(biāo)。同時(shí)對(duì)幾種回歸模式運(yùn)算所得結(jié)果進(jìn)行比較，三種模型取舍的原則是:檢驗(yàn)回歸方程的擬合優(yōu)度，即：樣本決定系數(shù)接近1。檢驗(yàn)，即：將各種結(jié)果的統(tǒng)計(jì)量值和分布臨界值相比較，若，則通過(guò)檢驗(yàn):。 回歸結(jié)果與分析(1) 變量進(jìn)入/移出信息表如表5 .2 所示，SPSS在進(jìn)行回歸分析 (Stepwise模式)時(shí)，首先分別將自變量、引入方程，再按設(shè)定的統(tǒng)計(jì)量概率標(biāo)準(zhǔn)值(作為移入移出的標(biāo)準(zhǔn))將移出方程。 變量進(jìn)入/移出信息表輸入／移去的變量模型輸入的變量移去的變量方法1特約商戶.步進(jìn)（準(zhǔn)則: Ftoenter 的概率 = .050，F(xiàn)toremove 的概率 = .100）。3ATM機(jī).步進(jìn)（準(zhǔn)則: Ftoenter 的概率 = .050，F(xiàn)toremove 的概率 = .100）。 (2) 模型概述表 模型概述表模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn)估計(jì)的誤差DurbinWatson1 .948.899.8862.974.949.9343.996.992.9874.994.988.984回歸模型概述表給出的第4步擬合模型中因變量Y與自變量、之間的樣本決定系數(shù)(擬合優(yōu)度指標(biāo))，反映了因變量與自變量之間具有高度顯著的線性關(guān)系，根據(jù)樣本數(shù)量和自變量個(gè)數(shù)查表可知：。(3) 方差分析 方差分析表Anova模型平方和df均方FSig.1回歸1.000a殘差8總計(jì)92回歸2.000b殘差7總計(jì)93回歸3.000c殘差6總計(jì)94回歸2.000d殘差7總計(jì)9 ，表的每一步都給出了模型的方差分析結(jié)果?？芍?，因此拒絕原假設(shè)：同時(shí)顯著性概率，可以認(rèn)為因變量Y與自變量、之間存在著高度顯著的線性關(guān)系。從而拒絕原假設(shè)：，可以認(rèn)為我國(guó)銀行卡發(fā)卡量函數(shù)模型的回歸系數(shù)是非常顯著的。從表中可以看出，殘差的平均值為0，說(shuō)明符合正態(tài)分布。四個(gè)變量中，只有、兩個(gè)自變量被選入多元回歸模型，說(shuō)明在對(duì)我國(guó)銀行卡發(fā)卡量的各種影響因素中，儲(chǔ)蓄網(wǎng)點(diǎn)和ATM機(jī)的數(shù)量的影響作用更大，同時(shí)這些自變量與因變量有著更為顯著的線性關(guān)系，回歸模型的擬合優(yōu)度也最佳。從方程中可以看出，ATM機(jī)每增加一臺(tái)，而儲(chǔ)蓄網(wǎng)點(diǎn)每減少一個(gè)。結(jié) 論對(duì)于銀行卡業(yè)務(wù)量與銀行卡的受理環(huán)境之間的關(guān)系，國(guó)內(nèi)在定性方面有諸多研究，但是定量上的文章和研究則相當(dāng)匾乏，這使得對(duì)于業(yè)務(wù)量與各種硬件設(shè)施的建設(shè)之間的相關(guān)性研究缺乏實(shí)證方面的支持。F檢驗(yàn)表明方程整體的擬合性很好，因變量和自變量之間確實(shí)存在著線性關(guān)系。而DW檢驗(yàn)說(shuō)明方程不存在自相關(guān)。這與我國(guó)銀行卡市場(chǎng)的特點(diǎn)有密切關(guān)系。并且從模型中也可以看出，銀行卡業(yè)務(wù)量的快速增長(zhǎng)與儲(chǔ)蓄網(wǎng)點(diǎn)和ATM機(jī)成線性關(guān)系。ATM機(jī)的變量系數(shù)為正，說(shuō)明ATM機(jī)的增加可以有效地推動(dòng)銀行卡業(yè)務(wù)量的增長(zhǎng)。所以，從本文的結(jié)論中可以看出，以后銀行卡受理環(huán)境的建設(shè)重點(diǎn)還要放在改變?nèi)藗兊南M(fèi)觀念上，讓銀行卡真正是作為一種消費(fèi)工具來(lái)使用，而不是作為“活動(dòng)存折”使用。本文研究有助于了解銀行卡業(yè)務(wù)量和受理環(huán)境建設(shè)之間的關(guān)系，為更好的建設(shè)銀行卡環(huán)境提供了建議。另外，銀行卡的業(yè)務(wù)量還與很多其他因素有關(guān)，比如網(wǎng)絡(luò)的建設(shè)，刷卡成功率的高低，消費(fèi)觀念的改變，政策的推動(dòng)等等。需求朝著與價(jià)格變動(dòng)相反的方向變動(dòng)，因此，銀行卡產(chǎn)品或服務(wù)的需求價(jià)格彈性一般是負(fù)值，實(shí)際運(yùn)用只取其絕對(duì)值。若價(jià)格提高，銀行卡的使用會(huì)更大幅度地下降，會(huì)造成銀行卡總收益減少；若價(jià)格降低，發(fā)卡量及交易量更大幅度的增加會(huì)使總收益增加。(3) ，結(jié)果使總收益不變。隨著銀行卡的普及推廣，銀行卡成為人們主要支付結(jié)算工具，并滿足人們方便快捷、安全需要、消費(fèi)需求。而擁有附加值服務(wù)功能的產(chǎn)品則價(jià)格彈性大，地方卡、跨國(guó)界卡其銀行卡的需求價(jià)格彈性也是不一樣的。某種商品的替代品越多，則該種商品的替代性越強(qiáng)。此時(shí)，銀行卡產(chǎn)品或服務(wù)的價(jià)格提高，會(huì)引起消費(fèi)者購(gòu)買其他替代品。譯文2 HeteroscedasticityIf the residual standard deviation of a set of estimates of the value of a dependent variable unsteady, then there exists heteroskedasticity. This is contrary to the premise of linear regression models, namely the requirement of all, variances of random errorsare the same. In the other words, effects of random errors are not affected by the variable and observation sequence. Probably because the viewer attention drops, caused measurement error, resulting in a group of random error bees large, then there will be heteroscedasticity.Heteroskedasticity leads to estimate non effective, and the regression coefficient standard errors are biased, thus, confidence interval estimation value is not accurate.To find out the heteroscedasticity, can be as abscissa,as ordinate to draw scatter diagram, intuitive judgment on the residuals. If there is heteroscedasticity, a triangle will appear on the diagram.The most famous test of heteroscedasticity is Goldfeld/Quandt test. The test is the sampling variance of residuals is divided into two parts, such as a time series of the first half and the second half, then contrast. If there is exactly the same variance, then two variances equal, namely the variance of the ratio of two samples is1. The more the ratio deviates from the 1, the less credible of equal variance assumption. If the residual error obeys normal distribution, the establishment of the homoscedasticity assumption, then the variance ratio obeysdistribution and can be used as a test statistic variance with the null hypothesis. The calculation of thetest statistic as follows:. Among themand.Among them, and represents the number of sampling two samples, indicates the number of variables in a regression model. According to to arrange the two samples. Given the significant level, parison of calculated value and the theoreticalvalue of degree of freedom.Another way to find heteroscedasticity is Glesjer method, namely construction of absolute error regression model about the regression equation:About the homoscedasticity, a null there is significant deviation from a factor of 0, declined the homoscedasticity assumption.Treatment of heteroscedasticity, can be tried by the dependent variable transformation or the relationship between transformation, to establish the equal variance of random error term. Nonlinear transform are included in this kind of transformation. Therefore, the heteroscedasticity is mostly belongs to the nonlinear problem, heteroscedasticity test also can be regarded as a nonlinear test.異方差性若因變量的一組估計(jì)值中，殘差的標(biāo)準(zhǔn)差非恒定，則存在異方差性?？赡芤?yàn)橛^察者的注意力下降，而造成測(cè)量誤差，從而導(dǎo)致一組觀察中的隨機(jī)誤差項(xiàng)變大，則此時(shí)會(huì)出現(xiàn)異方差性。要查明異方差性，可以以為橫坐標(biāo)，為縱坐標(biāo)繪制散點(diǎn)圖，直觀的對(duì)殘差進(jìn)行判斷。最著名的異方差性檢驗(yàn)是Goldfeld/Quandt檢驗(yàn)，該檢驗(yàn)是將殘差的抽樣方差分成兩個(gè)部分，如一個(gè)時(shí)間數(shù)列的前半段和后半段，然后再進(jìn)行對(duì)比。兩者之比越偏離1，方差相等的假設(shè)越不可信。檢驗(yàn)統(tǒng)計(jì)量的計(jì)算如下：。依照編排兩個(gè)子樣。查明異方差性的另一個(gè)方法是Glesjer法，即構(gòu)建殘差絕對(duì)值關(guān)于回歸自變量的回歸模型：對(duì)同方差性，有零假設(shè)。處理異方差性，可嘗試通過(guò)因變量變換或整個(gè)回歸關(guān)系式變換，來(lái)建立隨機(jī)誤差項(xiàng)的同方差性。