|
SPSS回归分析模型等建立
回归分析是一种应用极为广泛的数量分析方法，它用于分析事物之间的统计关系，侧重考察变量之间的数量变化规律，并通过回归方程的形式描述和反映这种关系，帮助人们准确把握变量受其他一个或多个变量影响的程度，进而为控制和预测提供科学依据。根据因变量 与自变量依存变化关系的不同，可分为三个方面：
第一，直线回归预测。其散点图呈现直线变化规律，SPSS预测模型为：Y=b0+b1x。
第二，曲线回归预测。其散点图呈现某种曲线变化规律，SPSS提供的曲线模型有：
对数模型Y：b0十b1lnx；二次模型Y=b0十b1x +b2x2 ；三次模型Y = b0十b1x +b2x2+b3x3 ；Logistic模型Y=1／(1／u十b0b1x )；指数模型Y=b0eb1x 。另外还有倒数模型、幂模型、复合模型、S型模型、生长模型等。
第三，多元线性回归预测。若影响预测指标的因素(解释变量)不只一个，就应采用多元回归。预测模型为：Y= b0+b1x1+b2x2+? +bmxm。
重卡作为国家基础建设和公路物流运输的主要生产资料，具有生产资料的属性，行业所处的PEST（政策、经济、社会政治、技术）环境对其发展起着重大决定作用。国民经济内需拉升有利于物流业发展，其物流需求是重卡行业最主要的拉动力，与国家宏观经济指标相关性较大。国家经济增长驱动力的变迁利于重卡行业发展，国民经济发展带来全社会物流量较快增长及平均货运运距的延长，对运输工具的可靠性、持续性、稳定性及舒适性等方面提出更高要求，而重卡的发展也正是顺应物流业发展需求而发展。政策性因素如治理超载和计重收费的全国范围内全面实施也影响着重卡向自身重量轻量化、动力大功率化、运输功能大吨位化的重卡技术方向发展。重卡高端物流、长途化物流及运输成本的经济性、时间性决定着高速公路通车里程的不断延伸为重卡行业提供良好的外部环境。
所以自变量包括x1--国民生产总值，亿元；X2--固定资产投资，亿元；X3--公路货运量，万吨；X4--公路线路长度，万公里；X5--高速公路长度，公里。因变量y--重型卡车销量(整车＋非完整车辆＋半挂牵引车)，辆。本文以国内重卡1991—2009年销售数据相关资料统计表（见表1），进行相关性检验及销售量预测分析。
ffice ffice" />
表1 国内重卡1991—2009年销售数据相关资料统计表
数据来源：中国汽车工业信息网，中国汽车工业年鉴
(一)回归分析
通过散点图观察，自变量X1、X2、X3、X4、X5和因变量Y存在明显的线性关系(见图1)。
图1 散点图
在SPSS分析中选择变量为Y，自变量X1、X2、X3、X4、X5进行分析――回归――线性命令处理数据所得结果见表2和表3。由表2可以得出变量与自变量多元线性关系式为：
Y＝-1.028X1＋4.863X2-0.178X3－1193.468X4＋8.164X5＋314215.846
但经验分析及独立的Y与X1、X2、X3、X4、X5都是正相关，而多元回归分析结果显示有的为负相关，怎么解释及调整？
表2 线性回归系数
|
系数a |
|
模型 |
非标准化系数 |
标准系数 |
t |
Sig. |
相关性 |
|
B |
标准 误差 |
试用版 |
零阶 |
偏 |
部分 |
|
1 |
(常量) |
314215.846 |
145439.827 |
|
2.160 |
.050 |
|
|
|
|
X1 |
-1.028 |
1.055 |
-.487 |
-.974 |
.348 |
.969 |
-.261 |
-.040 |
|
X2 |
4.863 |
2.012 |
1.506 |
2.417 |
.031 |
.957 |
.557 |
.099 |
|
X3 |
-.178 |
.129 |
-.367 |
-1.374 |
.193 |
.801 |
-.356 |
-.056 |
|
X4 |
-1193.468 |
313.153 |
-.635 |
-3.811 |
.002 |
.904 |
-.726 |
-.156 |
|
X5 |
8.164 |
4.039 |
.905 |
2.021 |
.064 |
.970 |
.489 |
.083 |
|
a. 因变量: Y |
表3 自变量相关性
|
系数相关a |
|
模型 |
X5 |
X3 |
X4 |
X1 |
X2 |
|
1 |
相关性 |
X5 |
1.000 |
.690 |
-.055 |
-.646 |
-.432 |
|
X3 |
.690 |
1.000 |
.316 |
-.064 |
-.894 |
|
X4 |
-.055 |
.316 |
1.000 |
.025 |
-.357 |
|
X1 |
-.646 |
-.064 |
.025 |
1.000 |
-.328 |
|
X2 |
-.432 |
-.894 |
-.357 |
-.328 |
1.000 |
|
a. 因变量: Y |
| 
发表于 2010-9-21 09:27
| 