應(yīng)用回歸分析課后題答案解析

《應(yīng)用回歸分析》部分課后習(xí)題答案回歸分析概述回歸分析概述變量間統(tǒng)計(jì)關(guān)系和函數(shù)關(guān)系的區(qū)別是什么答：變量間的統(tǒng)計(jì)關(guān)系是指變量間具有密切關(guān)聯(lián)而又不能由某一個(gè)或某一些變量唯一確定另外一個(gè)變量的關(guān)系，而變量間的函數(shù)關(guān)系是指由一個(gè)變量唯一確定另外一個(gè)變量的確定關(guān)系?；貧w分析與相關(guān)分析的聯(lián)系與區(qū)別是什么答：聯(lián)系有回歸分析和相關(guān)分析都是研究變量間關(guān)系的統(tǒng)計(jì)學(xué)課題。區(qū)別有a.在回歸分析中，變量y稱為因變量，處在被解釋的特殊地位。在相關(guān)分析中，變量x和變量y處于平等的地位，即研究變量y與變量x的密切程度與研究變量x與變量y的密切程度是一回事。b.相關(guān)分析中所涉及的變量y與變量x全是隨機(jī)變量。而在回歸分析中，因變量y是隨機(jī)變量，自變量x可以是隨機(jī)變量也可以是非隨機(jī)的確定變量。C.相關(guān)分析的研究主要是為了刻畫(huà)兩類變量間線性相關(guān)的密切程度。而回歸分析不僅可以揭示變量x對(duì)變量y的影響大小，還可以由回歸方程進(jìn)行預(yù)測(cè)和控制。回歸模型中隨機(jī)誤差項(xiàng)￡的意義是什么答：￡為隨機(jī)誤差項(xiàng)，正是由于隨機(jī)誤差項(xiàng)的引入，才將變量間的關(guān)系描述為一個(gè)隨機(jī)方程，使得我們可以借助隨機(jī)數(shù)學(xué)方法研究y與x1,x2….xp的關(guān)系，由于客觀經(jīng)濟(jì)現(xiàn)象是錯(cuò)綜復(fù)雜的，一種經(jīng)濟(jì)現(xiàn)象很難用有限個(gè)因素來(lái)準(zhǔn)確說(shuō)明，隨機(jī)誤差項(xiàng)可以概括表示由于人們的認(rèn)識(shí)以及其他客觀原因的局限而沒(méi)有考慮的種種偶然因素。線性回歸模型的基本假設(shè)是什么答:線性回歸模型的基本假設(shè)有：1?解釋變量….XP是非隨機(jī)的，觀測(cè)值???..xip是常數(shù)。2.等方差及不相關(guān)的假定條件為(E(ei)=0ih,2….Cov(￡i,￡j)={a"2正態(tài)分布的假定條件為相互獨(dú)立。4.樣本容量的個(gè)數(shù)要多于解釋變量的個(gè)數(shù)，即n>p.回歸變量的設(shè)置理論根據(jù)是什么在回歸變量設(shè)置時(shí)應(yīng)注意哪些問(wèn)題答：理論判斷某個(gè)變量應(yīng)該作為解釋變量，即便是不顯著的，如果理論上無(wú)法判斷那么可以采用統(tǒng)計(jì)方法來(lái)判斷，解釋變量和被解釋變量存在統(tǒng)計(jì)關(guān)系。應(yīng)注意的問(wèn)題有：在選擇變量時(shí)要注意與一些專門(mén)領(lǐng)域的專家合作，不要認(rèn)為一個(gè)回歸模型所涉及的變量越多越好，回歸變量的確定工作并不能一次完成，需要反復(fù)試算，最終找出最合適的一些變量。收集，整理數(shù)據(jù)包括哪些內(nèi)容答;常用的樣本數(shù)據(jù)分為時(shí)間序列數(shù)據(jù)和橫截面數(shù)據(jù)，因而數(shù)據(jù)收集的方法主要有按時(shí)間順序統(tǒng)計(jì)數(shù)據(jù)和在同一時(shí)間截面上統(tǒng)計(jì)數(shù)據(jù)，在數(shù)據(jù)的收集中，樣本容量的多少一般要與設(shè)置的解釋變量數(shù)目相配套。而數(shù)據(jù)的整理不僅要把一些變量數(shù)據(jù)進(jìn)行折算差分甚至把數(shù)據(jù)對(duì)數(shù)化，標(biāo)準(zhǔn)化等有時(shí)還需注意剔除個(gè)別特別大或特別小的“野值”。構(gòu)造回歸理論模型的基本依據(jù)是什么答：選擇模型的數(shù)學(xué)形式的主要依據(jù)是經(jīng)濟(jì)行為理論，根據(jù)變量的樣本數(shù)據(jù)作出解釋變量與被解釋變量之間關(guān)系的散點(diǎn)圖，并將由散點(diǎn)圖顯示的變量間的函數(shù)關(guān)系作為理論模型的數(shù)學(xué)形式。對(duì)同一問(wèn)題我們可以采用不同的形式進(jìn)行計(jì)算機(jī)模擬，對(duì)不同的模擬結(jié)果，選擇較好的一個(gè)作為理論模型。為什么要對(duì)回歸模型進(jìn)行檢驗(yàn)答：我們建立回歸模型的目的是為了應(yīng)用它來(lái)研究經(jīng)濟(jì)問(wèn)題，但如果馬上就用這個(gè)模型去預(yù)測(cè)，控制，分析，顯然是不夠慎重的，所以我們必須通過(guò)檢驗(yàn)才能確定這個(gè)模型是否真正揭示了被解釋變量和解釋變量之間的關(guān)系。回歸模型有那幾個(gè)方面的應(yīng)用答：回歸模型的應(yīng)用方面主要有：經(jīng)濟(jì)變量的因素分析和進(jìn)行經(jīng)濟(jì)預(yù)測(cè)。為什么強(qiáng)調(diào)運(yùn)用回歸分析研究經(jīng)濟(jì)問(wèn)題要定性分析和定量分析相結(jié)合答：在回歸模型的運(yùn)用中，我們還強(qiáng)調(diào)定性分析和定量分析相結(jié)合。這是因?yàn)閿?shù)理統(tǒng)計(jì)方法只是從事物外在的數(shù)量表面上去研究問(wèn)題，不涉及事物質(zhì)的規(guī)定性，單純的表面上的數(shù)量關(guān)系是否反映事物的本質(zhì)這本質(zhì)究竟如何必須依靠專門(mén)的學(xué)科研究才能下定論，所以，在經(jīng)濟(jì)問(wèn)題的研究中，我們不能僅憑樣本數(shù)據(jù)估計(jì)的結(jié)果就不加分析地說(shuō)長(zhǎng)道短，必須把參數(shù)估計(jì)的結(jié)果和具體經(jīng)濟(jì)問(wèn)題以及現(xiàn)實(shí)情況緊密結(jié)合，這樣才能保證回歸模型在經(jīng)濟(jì)問(wèn)題研究中的正確應(yīng)用。第二章一元線性回歸解答：（1）散點(diǎn)圖為：4D.00000-35.00000-30.00000-A25.00000-2D.00000-15.00000-10.00000-1.000002.000003.000004.00C002D.00000-15.00000-10.00000-1.000002.000003.000004.00C005.00000（2）x與y之間大致呈線性關(guān)系。AAA⑶設(shè)回歸方程為）,=0。+0衛(wèi)II--A工0產(chǎn)=7^x?-/7（x）2（=1

人???可得回歸方程為y=-l+7xA-]口A⑷b=忑0宀)InAA=p片(x-(0。+3ix))1(10-(-1+7x1))2+(10-(-1+7x2))2+(20-(-1+7x3))23+(20-(—1+7x4)尸+(40-(-1+7x5))2=￡[16+9+0+49+36]=110/3<J=—-\/330?6.13ey-CS)由于卩”厲丁)LxxAi0"—(MgACT服從自由度為n-2的t分布。因而奸型石|＜也（〃-2）AAAAbA=1-6Z也即：p0-ta/2-j==<A<A+也=1-6ZALT可得人的置信度為95%的置信區(qū)間為(7-2.353x1^33,7+2.353xg辰)即為：C）4）?N（0o,（丄+丁）欽）AAAAAA)-00_00-00服從自由度為n-2的t分布。因而0o0o一2)=l-a即卩"。一彳++產(chǎn)也＜00o0o一2)=l-a即卩"。一彳++產(chǎn)也＜0。＜6+”"1W'n+17tai2)=i~aXX可得人的置信度為95%的置信區(qū)間為（-7.77,5.77）A-￡()【-)?)'(6)X與y的決定系數(shù)r=號(hào)=490/600=0.817S(x-y)21=1(7)AN0VA平方和df均方F顯著性組間（組合）2?100線性項(xiàng)加權(quán)的1.056偏差.8331.833.326組內(nèi)2.500總數(shù)4由于尸＞化（1、3）,拒絕說(shuō)明回歸方程顯著，x與y有顯著的線性關(guān)系。nA￡(z-x)z=i也=2?353

t=3.66>ta???接受原假設(shè)Ho「0】=O,認(rèn)為屬顯著不為0,因變量y對(duì)自變量x的一元線性回歸成立。(9)相關(guān)系數(shù)工(兀7)(”-刃/=!n-(9)相關(guān)系數(shù)工(兀7)(”-刃/=!n-n一工(兀-竊工(x-y)70710x600=丄~0.904<60r小于表中&=1%的相應(yīng)值同時(shí)大于表中67=5%的相應(yīng)值，???x與y有顯著的線性關(guān)系.(10)序號(hào)XyZXe111064221013-33320200442027-75540346殘差圖為:殘羞圖5.00-250-0.00--2.50--5.00--7.5G-1002.003.004.005.00

250-0.00--2.50--5.00--7.5G-1002.003.004.005.00從圖上看，殘差是圍繞e=0隨機(jī)波動(dòng)，從而模型的基本假定是滿足的。(11)當(dāng)廣告費(fèi)X。二萬(wàn)元時(shí)，銷(xiāo)售收入y0=28.4萬(wàn)元，置信度為95%的置信區(qū)間近似為y±2b,即(,)解答：(1)散點(diǎn)圖為：x與y散點(diǎn)圖5.00-4.00-OA3.00-OO2.00-O1.00-250.00500.00750.001000.001250.00250.00500.00750.001000.001250.00與y之間大致呈線性關(guān)系。TOC\o"1-5"\h\z人八八(3)設(shè)回歸方程為y=0o+0】xa--(26370—21717)(7104300-5806440)0.0036A(26370—21717)(7104300-5806440)0.00360產(chǎn)—f=l0o=y_piX=2.85-0.0036x762=0.1068???可得回歸方程為,=0.1068+0.0036X

]nAA=—y工（x-（幾+3ix））n-zi-icr=⑸由于&?N(0「?)AAiA-A_(A-Z?)#TJk/QG服從自由度為n-2的t分布。因而P|總0)阿<心2_2)=l-aCT也即:A/7（也即:A/7（A_/a/2AaAV0]<A+1a12ALT可得A的置信度為95%的置信區(qū)間為（0.0036-1.860x0.4801/71297860,0.0036+1.860x0.4801/71297860）即為：(,)A1（x\2炕~叫+）AAA）AAA）_00二00_0O服從自由度為n-2的t分布。因而0000一2）0000一2）=l-a以0%”□以0%”□3n+17tai2)=i~aXV可得人的置信度為95%的置信區(qū)間為(-0.3567,0.5703)⑹"y⑹"y的決定系數(shù)宀聖工1682027/=!18.525AN0VA平方和df均方F顯著性組間(組合)7?168線性項(xiàng)加權(quán)的1.027偏差6.315.885組內(nèi)2總數(shù)9由于F＞代(L9).拒絕H。，說(shuō)明回歸方程顯著，x與y有顯著的線性關(guān)系。A八?]"1A八?]"1nA其中—市歹=市0宀)0.0036x^1297860o一=o.j4z0.04801r=8.542>^/2???接受原假設(shè)H°：人=0,認(rèn)為屁顯著不為0,因變量y對(duì)自變量x的一元線性回歸成立。(9)相關(guān)系數(shù)Ary工(兀-鞏開(kāi)-刃(9)相關(guān)系數(shù)Ary±3-疋(D1=1?=1

465371297860x18.525=465371297860x18.525=0.9489r小于表中a=l%的相應(yīng)值同時(shí)大于表中67=5%的相應(yīng)值,/.X與y有顯著的線性關(guān)系.?殺列?殺列1(10)序號(hào)Xye18253.522151310704455025480169203713508325967031012155從圖上看，殘差是圍繞e=0隨機(jī)波動(dòng)，從而模型的基本假定是滿足的。人(11)新保單入=1000時(shí)，需要加班的時(shí)間為y°=3?7小時(shí)。(3)(3)(3)(3)(12)兒的置信概率為的置信區(qū)間精確為yQ±ta/2(n-2)/7h^(12)即為(，)近似置信區(qū)間為：y0±2<r,即(，)AA(13)可得置信水平為l-a的置信區(qū)間為yo±S0—2)gb,即為(,).(1)散點(diǎn)圖為：可以用直線回歸描述y與x之間的關(guān)系.人⑵回歸方程為：y=12112?629+3?314x直方圖因變斌：y均值=-5.01E-16標(biāo)毎偏空=0.99N=510123回歸標(biāo)準(zhǔn)化殘差回歸標(biāo)準(zhǔn)化殘差的標(biāo)準(zhǔn)P-P圖因變量:y0.0O.0期望的置觀測(cè)的就積概率從圖上可看出，檢驗(yàn)誤差項(xiàng)服從正態(tài)分布。第三章多元線性回歸

解:(1)用SPSS算出*x1,x2,x3相關(guān)系數(shù)矩陣:相關(guān)性yx1x2x3Pearson相關(guān)性y.556.731.724x1.556.113.398x2.731?113.547x3.724.398.547y.048.008.009x1?048.378?127x2.008.378.051x3.009?127.051Ny10101010x110101010x210101010x310101010f1.0000.5560.7310.724\0.5561.0000.1130.398所以"0.7310.1131.0000.547(0.7240.3980.5471.000/系歎模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B的%置信區(qū)間相關(guān)性共線性統(tǒng)計(jì)雖B標(biāo)準(zhǔn)誤差試用版下限上限零階偏部分容差VIF(常雖).096x1.385?100.556.621.350.825x2.535.049?053.731.709.444.687x3.277.284.724.433.212.586a.因變￡：y所以三元線性回歸方程為y=-34&28+3.754x1+7?10Ly2+12.447x3模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差更改統(tǒng)計(jì)呈R方更改F更改df1df2Sig.F更改1.898°.806.708.80636.015a.預(yù)測(cè)變呈：(常雖)?x3.x1.x2o(3)由于決定系數(shù)R方二R二較大所以認(rèn)為擬合度較高(4)Anovab模型平方和df均方FSig.1回歸3?015,殘差6總計(jì)9a?預(yù)測(cè)變雖：(常雖).x3.x1.x2ob.因變S：y因?yàn)镕二P二〈所以認(rèn)為回歸方程在整體上擬合的好(5)系歎模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B的%置信區(qū)間相關(guān)性共線性統(tǒng)計(jì)雖B標(biāo)準(zhǔn)誤差試用版下限上限零階偏部分容差VIF1（常）.096X1.385?100.556.621.350.825

x2.535.049.053.731.709.444.687x3.277.284.724.433.212.586a.因變S：y（6）可以看到P值最大的是x3為，所以x3的回歸系數(shù)沒(méi)有通過(guò)顯著檢驗(yàn)，應(yīng)去除。去除x3后作F檢驗(yàn)，得:Anovab模型平方和df均方FSig.1回歸2?007,殘差7總計(jì)9預(yù)測(cè)變呈：（常雖）.x2.x1o因變S:y由表知通過(guò)F檢驗(yàn)繼續(xù)做回歸系數(shù)檢驗(yàn)?zāi)Ｐ头菢?biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B的%置信區(qū)間相關(guān)性共線性統(tǒng)計(jì)B標(biāo)準(zhǔn)誤差試用版下限上限零階偏部分容差VIF（常量）?020x1?479.037.381.556?697?476?987x2.676.008.731.808.672.987a.因變S：y此時(shí)，我們發(fā)現(xiàn)X1,x2的顯著性大大提高。(7)x1:.x2:,x3:r⑻y*=0.385xf+0.535+0.277^3'

極小值極大值均值標(biāo)準(zhǔn)偏差N預(yù)測(cè)值10標(biāo)準(zhǔn)預(yù)測(cè)值.00010預(yù)測(cè)值的標(biāo)準(zhǔn)誤差10調(diào)整的預(yù)測(cè)值10殘差?0000010標(biāo)準(zhǔn)殘差.000.81610Student化殘差10已刪除的殘差10Student化已刪除的殘差10Maha1o距離.89410Cook的距離.000.486.97610居中杠桿值.099.642.300?17310a.因變S:y所以置信區(qū)間為(，)(10)由于X3的回歸系數(shù)顯著性檢驗(yàn)未通過(guò)，所以居民非商品支出對(duì)貨運(yùn)總量影響不大，但是回歸方程整體對(duì)數(shù)據(jù)擬合較好解：在固定第二產(chǎn)業(yè)增加值，考慮第三產(chǎn)業(yè)增加值影響的情況下，第一產(chǎn)業(yè)每增加一個(gè)單位，GDP就增加個(gè)單位。在固定第一產(chǎn)業(yè)增加值，考慮第三產(chǎn)業(yè)增加值影響的情況下，第二產(chǎn)業(yè)每增加一個(gè)單位，GDP就增加個(gè)單位。第四章違背基本假設(shè)的情況

加權(quán)變化殘差圖上點(diǎn)的散步較之前的殘差圖，沒(méi)有明顯的趨勢(shì)，點(diǎn)的散步較隨機(jī)，因此加權(quán)最小二乘估計(jì)的效果較最小二乘估計(jì)好。解:系歎模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常雖）.442.065X.004.000.839.000a.因變S:y由SPSS計(jì)算得：y二+殘差散點(diǎn)圖為:散點(diǎn)圖

因變就：y00OO-1-■冋歸標(biāo)準(zhǔn)化殘差°OogpOOOOcoo%O-3-0.002.004.006.008.001o'oOIZOOu'oOy（2）由殘差散點(diǎn)圖可知存在異方差性再用等級(jí)相關(guān)系數(shù)分析：XtSpearman的rhoX相關(guān)系數(shù)Sig.（雙側(cè)）N53?318,.02153T相關(guān)系數(shù)Sig.（雙側(cè)）N.318-.02153?53相關(guān)系數(shù)*.在置信度（雙測(cè)）為時(shí)，相關(guān)性是顯著的。P二所以方差與自變量的相關(guān)性是顯著的。（3）因變雖y自變雖1X權(quán)重源X橫型描述幕值幕值幕值幕值模型:MOD」M二時(shí)可以建立最優(yōu)權(quán)函數(shù)，此時(shí)得到:AN0VA平方和df均方FSig.回歸.0061.006.000殘差.00351.000總計(jì).00952系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤試用版標(biāo)準(zhǔn)誤（常數(shù)）.298?026X.004.000.812.082.000所以：y=+(4)系歎模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常雖）?582.130.000X.001.000.805.000a?因變S：yy散點(diǎn)圖因變最:yy3.00cPoS?0°oOOOO3.00cPoS?0°oOOOOOO250yy100.00經(jīng)濟(jì)變量的滯后性會(huì)給序列帶來(lái)自相關(guān)性。如前期消費(fèi)額對(duì)后期消費(fèi)額一般會(huì)有明顯的影響，有時(shí)，經(jīng)濟(jì)變量的這種滯后性表現(xiàn)出一種不規(guī)則的循環(huán)運(yùn)動(dòng)，當(dāng)經(jīng)濟(jì)情況處于衰退的低谷時(shí)，經(jīng)濟(jì)擴(kuò)張期隨之開(kāi)始，這時(shí)，大多數(shù)經(jīng)濟(jì)時(shí)間序列上升的快一些。在經(jīng)濟(jì)擴(kuò)張時(shí)期，經(jīng)濟(jì)時(shí)間數(shù)列內(nèi)部有一種內(nèi)在的動(dòng)力，受此影響，時(shí)間序列一直上升到循環(huán)的頂點(diǎn)，在頂點(diǎn)時(shí)刻，經(jīng)濟(jì)收縮隨之開(kāi)始。因此,在這樣的時(shí)間序列數(shù)據(jù)中，順序觀察值之間的相關(guān)現(xiàn)象是恨自然的。當(dāng)一個(gè)線性回歸模型的隨機(jī)誤差項(xiàng)存在序列相關(guān)時(shí)，就違背了線性回歸方程的基本假設(shè)，如果仍然直接用普通最小二乘估計(jì)未知參數(shù)，將會(huì)產(chǎn)生嚴(yán)重后果，一般情況下序列相關(guān)性會(huì)帶來(lái)下列問(wèn)題：（1）參數(shù)的估計(jì)值不再具有最小方差線性無(wú)偏性。（2）均方誤差MSE可能?chē)?yán)重低估誤差項(xiàng)的方差。（3）容易導(dǎo)致對(duì)t值評(píng)價(jià)過(guò)高，常用的F檢驗(yàn)和t檢驗(yàn)失效。如果忽視這一點(diǎn)，可能導(dǎo)致得出回歸參數(shù)統(tǒng)計(jì)檢驗(yàn)為顯著，但實(shí)際上并不顯著的嚴(yán)重錯(cuò)誤結(jié)論。（4）當(dāng)存在序列相關(guān)時(shí)，最小二乘估計(jì)量對(duì)抽樣波動(dòng)變得非常敏感。（5）如果不加處理地運(yùn)用普通最小二乘法估計(jì)模型參數(shù)，用此模型進(jìn)行預(yù)測(cè)和進(jìn)行結(jié)構(gòu)分析將會(huì)帶來(lái)較大的方差甚至錯(cuò)誤的解釋。優(yōu)點(diǎn)：DW檢驗(yàn)有著廣泛的應(yīng)用，對(duì)很多模型能簡(jiǎn)單方便的判斷該模型有無(wú)序列相關(guān)性，當(dāng)DW的值在2左右時(shí)，則無(wú)需查表，即可放心的認(rèn)為模型不存在序列的自相關(guān)性。缺點(diǎn)：DW檢驗(yàn)有兩個(gè)不能確定的區(qū)域，一旦DW值落在這兩個(gè)區(qū)域，就無(wú)法判斷，這時(shí)，只有增大樣本容量或選取其他方法；DW統(tǒng)計(jì)量的上、下界表要求n>15,這是因?yàn)槿绻麡颖驹傩?，利用殘差就很難對(duì)自相關(guān)的存在性作出比較正確的判斷；DW檢驗(yàn)不適合隨機(jī)項(xiàng)具有高階序列相關(guān)的檢驗(yàn)。解:⑴系歎模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常呈）.242.000X?176.002.999.000a.因變S：yy=+⑵模型匯總、模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差Durbin-Watson1.999“.998.998?09744.663

預(yù)測(cè)變雖：(常雖).xo因變S:yDW二查DW分布表知：￡二所以DW〈血，故誤差項(xiàng)存在正相關(guān)。殘差圖為：.20000--enp-saHpazlp」epuusun?10000--enp-saHpazlp」epuusun.00000--.10000--.20000"■■■■■■■120.00130.00140.0015000160.00170.0048000X?隨t的變化逐次變化并不頻繁的改變符號(hào)，說(shuō)明誤差項(xiàng)存在正相關(guān)。(3)0=*DW二計(jì)算得：Y'x'X’Y,X’橫型匯總、模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差Durbin-Watson1.996“.993.993?07395預(yù)測(cè)變雖：（常雖）.xxo因變fi:yy系歎模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常雖）.180?110XX?173.004.996.000a.因變S：yy得回歸方程訊二+'即：克二+）'-+（?！獊枺?4)橫型匯總、模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差Durbin-Watson1.978“.957.955?07449預(yù)測(cè)變雖：（常雖）.x3o因變g:y3系歎

模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常雖）.033.026.220x3?161.008.978.000a.因變量：y3△兒二+△山即：克二+）j+（兀-j）（5）差分法的DW值最大為消除相關(guān)性最徹底，但是迭代法的&值最小為，擬合的較好。解：（1）模型匯總》模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差Durbin-Watson1?54「.293.264.745預(yù)測(cè)變雖：（常呈）.x2.x1o因變S：y系歎模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常雖）?107X1.345.012x2?911.297.029

系歎模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常雖）?107X1.345.012x2?911.297.029a?因變S：y回歸方程為：$二++DW二31所以誤差項(xiàng)存在正相關(guān)殘差圖為：600.00000-400.00000-一enp一sawpaNp」epussun200.00000-.00000--200.00000--400.00000--600.00000-400.00000-一enp一sawpaNp」epussun200.00000-.00000--200.00000--400.00000--600.00000-?800.r.002000.00(2)d=*DW二橫型匯總、模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差Durbin-Watson1.688“.474.452預(yù)測(cè)變雖：（常雖）.x22.x12o因變￡:y2

系歎模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常雖）.052x12.522.000x22?628.269.027a.因變fi:y2此時(shí)得方程：｝'；二+1'+2'所以回歸方程為：yt=—179.668+0.6275+211?77(口-0.6275+1.434(x2,-0.6275x2w)橫型匯總?模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差Durbin-Watson1?715?.511.490預(yù)測(cè)變雖：（常雖）.x23,x13o因變fi:y3系歎模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常雖）?194.847x13.544.000x23.583.274.020a.因變量：y3此時(shí)得方程：△刃=7.698+209.891心1+1.399Av2所以回歸方程為：刃=7.698+209.891(x,-x_)+1.399(x2廠兀2_)異常值原因異常值消除方法

異常值原因重新核實(shí)數(shù)據(jù)重新測(cè)量誤差刪除或重新觀測(cè)異常值數(shù)據(jù)重新核實(shí)數(shù)據(jù)重新測(cè)量誤差刪除或重新觀測(cè)異常值數(shù)據(jù)增加必要的自變量增加觀測(cè)數(shù)據(jù)，適當(dāng)擴(kuò)大自量取值范圍采用加權(quán)線性回歸改用非線性回歸模型2）數(shù)據(jù)測(cè)量誤差3）數(shù)據(jù)隨機(jī)誤差4）缺少重要自變量5）缺少觀測(cè)數(shù)據(jù)6）存在異方差7）模型選用錯(cuò)誤，線性模型不適用編號(hào)學(xué)生化殘差刪除學(xué)生化殘差杠桿值庫(kù)克距離12345678910從上表中看到，絕對(duì)值最大的學(xué)生化殘差為，小于3,因而根據(jù)學(xué)生化殘差診斷認(rèn)為數(shù)據(jù)不存在異常值。絕對(duì)值最大的刪除學(xué)生化殘差為，大于3,因而根據(jù)學(xué)生化殘差診斷為第6個(gè)數(shù)據(jù)為異常值，是因變量的異常值。其中心化杠桿值等于最大，庫(kù)克距離等于也是最大，中心化杠桿平均值為，第6個(gè)數(shù)據(jù)杠桿值等于大于2倍的中心化杠桿值，因而從杠桿值看第6個(gè)數(shù)據(jù)是自變量的異常值,同時(shí)第6個(gè)數(shù)據(jù)的庫(kù)克距離等于，大于1,這樣第6個(gè)數(shù)據(jù)為異常值的原因是由自變量異常與因變量異常兩個(gè)原因共同引起的。第五章自變量選擇與逐步回歸后退法：輸出結(jié)果系數(shù).模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常雖）.638.533農(nóng)業(yè)X1.168.002工業(yè)x2.207?135建筑業(yè)x3.555.501人口x4.025.875

最終消費(fèi)x5.672.130.000受災(zāi)面積x6.008.4992（常量）.003農(nóng)業(yè)X1.130.000工業(yè)x2.131.035建筑業(yè)x3.525.456最終消費(fèi)x5.658.095.000受災(zāi)面積x6.007.4093（常量）.002農(nóng)業(yè)X1.127.000工業(yè)x2.093.001最終消費(fèi)x5.657.094.000受災(zāi)面積x6.007.4604（常量）.000農(nóng)業(yè)X1.124.000工業(yè)x2.088.001最終消費(fèi)x5.637.089.000a.因變呈：財(cái)政收入yAnovae模型平方和df均方FSig.1回歸6?oo(r殘差14總計(jì)202回歸5.000°殘差15總計(jì)203回歸4?oo(rc.預(yù)測(cè)變呈：（常雖）.c.預(yù)測(cè)變呈：（常雖）.受災(zāi)面積x6?農(nóng)業(yè)x1.最終消費(fèi)x5.工業(yè)x2。殘差總計(jì)16204回歸殘差總計(jì)31720?000"a.預(yù)測(cè)變量:（常量）.受災(zāi)面積x6.建筑業(yè)x3.人口x4.農(nóng)業(yè)x1.最終消費(fèi)x5.工業(yè)x2°b.預(yù)測(cè)變S：（常雖）.受災(zāi)面積x6.建筑業(yè)x3.農(nóng)業(yè)"?最終消費(fèi)x5.工業(yè)x2。C.預(yù)測(cè)變雖：（常呈）.受災(zāi)面積x6.農(nóng)業(yè)x1,最終消費(fèi)x5,工業(yè)x2。d?預(yù)測(cè)變（常雖）.農(nóng)業(yè)X1?最終消費(fèi)X5.工業(yè)x2。e?因變呈：財(cái)政收入y模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差更改統(tǒng)計(jì)呈R方更改F更改df1df2Sig.F更改1.998“?996.994.996614.0002.998b.996.995.000.026114.8753?998°.996.995.000.585115.4564.998’.996.995.000.574116.460a.預(yù)測(cè)變呈：（常雖）.受災(zāi)面積x6?建筑業(yè)x3?人口x4.農(nóng)業(yè)x1.最終消費(fèi)x5.工業(yè)x2。b.預(yù)測(cè)變呈：（常雖）.受災(zāi)面積x6?建筑業(yè)x3?農(nóng)業(yè)最終消費(fèi)x5.工業(yè)b.預(yù)測(cè)變呈：（常雖）.d.預(yù)測(cè)變呈：（常雖）.農(nóng)業(yè)x1.最終消費(fèi)x5.工業(yè)x2?；貧w方程為:,=874.604-0.611^-0.353兀+0?637兀逐步回歸法：輸岀結(jié)果橫型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差更改統(tǒng)計(jì)呈R方更改F更改df1df2Sig.F更改

1?994,.989.988.989119.0002.996、.992.991.003118.0153.998'.996.995.004117.001a.預(yù)測(cè)變呈：（常呈）.最終消費(fèi)X5。b.預(yù)測(cè)變呈：（常雖），最終消費(fèi)x5,農(nóng)業(yè)C.預(yù)測(cè)變呈：（常呈）.最終消費(fèi)x5?農(nóng)業(yè)x1.工業(yè)x2°Anovad模型平方和df均方FSig.1回歸1?000’殘差19總計(jì)202回歸2.000°殘差18總計(jì)203回歸3?oo(r殘差17總計(jì)20預(yù)測(cè)變雖：（常雖）.最終消費(fèi)x5。預(yù)測(cè)變雖：（常呈）.最終消費(fèi)x5.農(nóng)業(yè)x1。預(yù)測(cè)變雖：（常呈）.最終消費(fèi)x5.農(nóng)業(yè)x1.工業(yè)x2。因變呈：財(cái)政收入y系數(shù).模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.相關(guān)性B標(biāo)準(zhǔn)誤差試用版零階偏部分1（常雖）.000

最終消費(fèi)x5.180.004.994.000.994.994.9942（常雖）.000最終消.311.049.000.994.832?135費(fèi)x5農(nóng)業(yè)?154.015.987X13（常雖）.000最終消.637.089.000.994.866?112費(fèi)x5農(nóng)業(yè)?124.000.987X1工業(yè).088.001.992x2a.因變雖：財(cái)政收入y人回歸方程為:y=874.604-0.636召一0.353兀+0.637x5模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差1.908“.824.7362?OOO".000.000a?預(yù)測(cè)變雖：（常雖）.x6.x3.x2.x4,x5ob.預(yù)測(cè)變雖：（常雖）Anova0模型平方和df均方FSig.1回歸5.002“殘差10

總計(jì)152回歸.0000.000?b?殘差15總計(jì)15預(yù)測(cè)變呈：（常雖）.x6.x3.x2.x4,x5o預(yù)測(cè)變雖：（常雖）因變S：y系數(shù).模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常量）.040x2.677.081x3.842.782.018x4.001x5.050.099.923x6.0162（常量）.000a.因變S:y回歸方程為：j=5922.827+4.864兀+2?374?！?17.901兀+14.539?！?46?867兀（2）后退法：輸出結(jié)果橫型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差1.908“.824.7362?907".824.759a?預(yù)測(cè)變（常雖），x6.x3.x2.x4,x5o

模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差1.908“.824.7362?9071*.824.759a?預(yù)測(cè)變雖：（常雖）.x6.x3.x2.x4,x5ob.預(yù)測(cè)變S：（常雖），x6.x3.x2.x4oAnova0模型平方和df均方FSig.1回歸5.002,殘差10總計(jì)152回歸4?000?殘差11總計(jì)15預(yù)測(cè)變呈：（常雖）.x6.x3.x2.x4,x5o預(yù)測(cè)變呈：（常雖）.x6.x3.x2.x4o因變S：y系數(shù).模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常雖）.040x2.677.081x3.842.782.018x4.001x5.050.099.923x6.016

6007.320+5.068^+2.308禺—824.261?！?62.699兀(3)逐步回歸模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差1.498“.248.1942.697b.485?4063.811°.657.572預(yù)測(cè)變呈：（常雖）.x3o預(yù)測(cè)變雖：（常雖），x3.x5oC.預(yù)測(cè)變雖：（常雖），x3.x5.x4oAnova4模型平方和df均方FSig.1回歸1?050°殘差14總計(jì)152回歸2.013b殘差13總計(jì)153回歸3.004°殘差12總計(jì)15殘差預(yù)測(cè)變雖：（常雖）.x3。預(yù)測(cè)變雖：（常呈），x3.x5o預(yù)測(cè)變雖：（常雖），x3.x5.x4=因變S：y系數(shù).模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常量）.000x3.704.498.0502（常量）.220.830x3.913.004x5.737.0293（常量）.757.464x3.782.001x5.003x4.030a.因變S:y,=1412.807+3.440兀+348.729^—415.136“（4）兩種方法得到的模型是不同的，回退法剔除7x5,保留了x6,x3,x2,x4作為最終模型。而逐步回歸法只引入了x3。說(shuō)明了方法對(duì)自變量重要性的認(rèn)可不同的，這與自變量的相關(guān)性有關(guān)聯(lián)。相比之下，后退法首先做全模型的回歸，每一個(gè)變量都有機(jī)會(huì)展示自己的作用，所得結(jié)果更有說(shuō)服力第六章多重共線性的情形及其處理解:由下表我們可以看岀系歎模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計(jì)呈B標(biāo)準(zhǔn)誤差試用版容差VIF1（常雖）.035X1.279.052.003x2.549?199.016.001x3.911.420.002x4.080.031.281.021.064x5.006.006.038.918.374.434x6.014.466.574a.因變S:y方差擴(kuò)大因子最大的為VIF2二，故首先應(yīng)剔除變量x2?將剩下變量繼續(xù)進(jìn)行回歸得下表：系歎模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計(jì)呈B標(biāo)準(zhǔn)誤差試用版容差VIF1（常雖）.364x1.237.828.006x3.533?937.017.009x4.036.032?127.274.087x5.006.008.041.822.424.434

Ix6I.002.015.006.157.878.647a.因變S:y此時(shí)，有最大的方差擴(kuò)大因子VIF1二，且此時(shí)x1系數(shù)為負(fù)，故x1也應(yīng)被剔除，繼續(xù)將剩下變量進(jìn)行回歸得：系數(shù).模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計(jì)呈B標(biāo)準(zhǔn)誤差試用版容差VIF1（常雖）.258x3?109.862.000?199x4.031.019?107?132.221x5.006.007.041.841.412.434x6.003.015?008.209.837.671a.因變S:y此時(shí)，所有方差擴(kuò)大因子都小于10,故回歸方程如下:Ay二++++KKRSQx2第七章嶺回歸嶺回歸估計(jì)是在什么情況下提出的答：當(dāng)解釋變量間出現(xiàn)嚴(yán)重的多重共線性時(shí)，用普通最小二乘法估計(jì)模型參數(shù)，往往參數(shù)估計(jì)方差太大，使普通最小二乘法的效果變得很不理想，為了解決這一問(wèn)題，統(tǒng)計(jì)學(xué)家從模型和數(shù)據(jù)的角度考慮，采用回歸診斷和自變量選擇來(lái)克服多重共線性的影響，這時(shí)，嶺回歸作為一種新的回歸方法被提出來(lái)了。嶺回歸估計(jì)的定義及其統(tǒng)計(jì)思想是什么答：一種改進(jìn)最小二乘估計(jì)的方法叫做嶺估計(jì)。當(dāng)自變量間存在多重共線性，IX'X|*0時(shí)，我們?cè)O(shè)想給)CX加上一個(gè)正常數(shù)矩陣kI(k>0).那么X'X+kl接近奇異的程度小得多，考慮到變量的量綱問(wèn)題，先對(duì)數(shù)據(jù)作標(biāo)準(zhǔn)化，為了計(jì)算方便，標(biāo)準(zhǔn)化后的設(shè)計(jì)陣仍然用X表示,定義為0(心=(X'X+kI)X'y,稱為0的嶺回歸估計(jì),其中k稱為嶺參數(shù)。選擇嶺參數(shù)k有哪幾種主要方法答：選擇嶺參數(shù)的幾種常用方法有1.嶺跡法，2?方差擴(kuò)大因子法，3?由殘差平方和來(lái)確定k值。用嶺回歸方法選擇自變量應(yīng)遵從哪些基本原則答：用嶺回歸方法來(lái)選擇變量應(yīng)遵從的原則有：1?在嶺回歸的計(jì)算中，我們假定設(shè)計(jì)矩陣X已經(jīng)中心化和標(biāo)準(zhǔn)化了，這樣可以直接比較標(biāo)準(zhǔn)

化嶺回歸系數(shù)的大小，我們可以剔除掉標(biāo)準(zhǔn)化嶺回歸系數(shù)比較穩(wěn)定且絕對(duì)值很小的自變量。2.當(dāng)k值較小時(shí)標(biāo)準(zhǔn)化嶺回歸系數(shù)的絕對(duì)值并不是很小，但是不穩(wěn)定，隨著k的增加迅速趨于零。像這樣的嶺回歸系數(shù)不穩(wěn)定，震動(dòng)趨于零的自變量，我們也可以予以刪除。3?去掉標(biāo)準(zhǔn)化嶺回歸系數(shù)很不穩(wěn)定的自變量，如果有若干個(gè)嶺回歸系數(shù)不穩(wěn)定，究竟去掉幾個(gè)，去掉哪幾個(gè)，這并無(wú)一般原則可循，這需根據(jù)去掉某個(gè)變量后重新進(jìn)行嶺回歸分析的效果來(lái)確定。5?對(duì)第5章習(xí)題9的數(shù)據(jù)，逐步回歸的結(jié)果只保留了3個(gè)自變量x1,x2,x5,用y對(duì)這3個(gè)自變量做嶺回歸分析答：6?對(duì)習(xí)題的問(wèn)題，分別用普通最小二乘和嶺回歸建立GDP對(duì)第二產(chǎn)業(yè)增加值x2,和第三產(chǎn)業(yè)增加值x3的二元線性回歸，解釋所得到的回歸系數(shù)答：R-SQUAREANDBETACOEFFICIENTSFORESTIMATEDVALUESOFK

.00000?99923.774524?225943.05000.99803.512296.463711.10000?99629.489067.463649.15000?99367.473860.456649.20000.99025.461162?448152.25000.98615.449761?439303.30000?98147.439219?430476.35000?97628.429332?421821.40000.97067.419984?413400.45000?96470.411101?405242.50000?95842.402632?397352.55000.95189.394536?389732.60000.94514.386782.382376.65000?93822?379344?375274.70000.93116?372200.368419.75000?92398.365330.361799.80000.91672.358717?355405.85000?90939?352345?349227.90000?90202.346201?343255.95000?89462?340271?337480?88720?334545.331892.800000-.700000-.600000-RIDGETRACE°x2

」K-.x3丿K.50000CT4.50000CT4.400000-O°°S8QnQ90o.300000-.200000-.800001.00000.800001.00000.00000.20000.40000.60000K系數(shù).模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常量）?000第二產(chǎn)業(yè)增加值.151.775.000第三產(chǎn)業(yè)增加值.679.244.226.017a.因變呈：GDPR-SQUAREANDBETACOEFFICIENTSFORESTIMATEDVALUESOFK..00000000000?99923?774524?22594301000.99888.587428?40804902000.99866.548878?44165903000?99847.531054?45459304000?99827?520110?46069405000.99803.512296.46371106000.99776.506176.46508207000?99745.501080?46547508000?99710.496653?46524409000?99672?492691.46459310000?99629.489067.463649RunMATRIXprocedure:******RidgeRegressionwithk=******MultR.999439RSquare.998878AdjRSqu?998691SEANOVAtabledfSSMSRegress+010+009ResidualSigFFvalue

SigF/ariabIesintheEquationBSE(B)BetaB/SE(B)x2.060219.587428x3.097506.408049Constant?000000ENDMATRIX結(jié)合表及圖形可知普通最小二乘法得到的回歸方程為結(jié)合表及圖形可知普通最小二乘法得到的回歸方程為A.顯然回歸系數(shù)明顯不合理。y=4352.859+1.438%.+0.679x.顯然回歸系數(shù)明顯不合理。從嶺參數(shù)圖來(lái)看，嶺參數(shù)k在到之間，嶺參數(shù)已基本穩(wěn)定，再參照復(fù)決定系數(shù)?當(dāng)k二時(shí)，復(fù)決定系數(shù)用二，仍然很大，固用2做回歸得到的未標(biāo)準(zhǔn)化的嶺回歸方程為y=3980.2479+1.09061xz+1.2267x3■o7?—家大型商業(yè)銀行有多家分行，近年來(lái)，該銀行的貸款額平穩(wěn)增長(zhǎng)，但不良貸款額也有較大比例的提高，為弄清楚不良貸款形成的原因，希望利用銀行業(yè)務(wù)的有關(guān)數(shù)據(jù)做些定量分析,以便找岀控制不良貸款的辦法，表是該銀行所屬25家分行2002年的有關(guān)業(yè)務(wù)數(shù)據(jù)。計(jì)算y與其余四個(gè)變量的簡(jiǎn)單相關(guān)系數(shù)。建立不良貸款y對(duì)4個(gè)自變量的線性回歸方程，所得的回歸系數(shù)是否合理分析回歸模型的共線性。采用后退法和逐步回歸法選擇變量，所得回歸方程的回歸系數(shù)是否合理，是否還存在共線性建立不良貸款y對(duì)4個(gè)自變量的嶺回歸。對(duì)第4步剔除變量后的回歸方程再做嶺回歸。某研究人員希望做y對(duì)各項(xiàng)貸款余額，本年累計(jì)應(yīng)收貸款?貸款項(xiàng)目個(gè)數(shù)這三個(gè)變量的回歸，你認(rèn)為這種做是否可行，如果可行應(yīng)該如何做

相關(guān)性本年累計(jì)本年固定不良貸各項(xiàng)貸款應(yīng)收到款貸款項(xiàng)目資產(chǎn)投資款y余額x1x2個(gè)數(shù)x3額x4Pearson相不良貸款y.844.732.700.519關(guān)性各項(xiàng)貸款余額x1.844.679.848?780本年累計(jì)應(yīng)收到.732.679.586.472款x2貸款項(xiàng)目個(gè)數(shù)x3.700.848.586.747本年固定資產(chǎn)投.519.780.472.747資額x4Sig.（單不良貸款y.000.000.000.004側(cè)）各項(xiàng)貸款余額x1.000.000.000.000本年累計(jì)應(yīng)收到.000.000.001.009款x2貸款項(xiàng)目個(gè)數(shù)x3.000.000.001?.000本年固定資產(chǎn)投.004.000.009.000資額x4N不良貸款y2525252525各項(xiàng)貸款余額x12525252525本年累計(jì)應(yīng)收到2525252525款x2貸款項(xiàng)目個(gè)數(shù)x32525252525本年固定資產(chǎn)投2525252525資額x4系數(shù)?模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計(jì)雖B標(biāo)準(zhǔn)誤差試用版容差VIF1（常量）.782.206各項(xiàng)貸款余額x1.040.010.891.001?188本年累計(jì)應(yīng)收到款x2.148.079.260.075.529貸款項(xiàng)目個(gè)數(shù)x3.015.083.034?175.863.261本年固定資產(chǎn)投資額x4.015.067.360a.因變雖：不良貸款y共拔性診斷■方差比例本年固定條件索各項(xiàng)貸款余本年累計(jì)應(yīng)貸款項(xiàng)目個(gè)資產(chǎn)投資模型維數(shù)特征值引（常雖）額X1收到款x2數(shù)x3額x411?01.00.01.00.002.203.68.03.02?01.093?157?16.00.66?01.134.066.00.09.20.36.725.036?15.87?12.63.05a.因變量:不良貸款y后退法得

模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常量）.782.206各項(xiàng)貸款余額x1.040.010.891.001本年累計(jì)應(yīng)收到款x2.148.079?260.075貸款項(xiàng)目個(gè)數(shù)x3.015.083.034.175.863本年固定資產(chǎn)投資額x4.015.0672（常量）.711?186各項(xiàng)貸款余額x1.041.009.914.000本年累計(jì)應(yīng)收到款x2?149.077.261.066本年固定資產(chǎn)投資額x4.014.0583（常量）.697.531各項(xiàng)貸款余額x1.050.007.000本年固定資產(chǎn)投資額x4.015.044a.因變雖：不良貸款y逐步回歸得系數(shù)?模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常量）.723.263各項(xiàng)貸款余額X1.038.005.844.0002（常量）.697.531各項(xiàng)貸款余額X1.050.007.000本年固定資產(chǎn)投資額X4.015.044

系數(shù).模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常量）.723.263各項(xiàng)貸款余額x1.038.005.844.0002（常量）.697.531各項(xiàng)貸款余額x1.050.007.000本年固定資產(chǎn)投資額x4.015.044a.因變雖：不良貸款yR-SQUAREANDBETACOEFFICIENTSFORESTIMATEDVALUESOFKKRSQx1x2x3x400000?79760.891313.259817?03447105000.79088.713636?286611.09662410000?78005.609886?29590