1、一、原始数据二、变量设定建立高技术产业主营收入的逐步回归模型，说明逐步回归分析的具体步骤。影响高技术产业主营收入的因子一共有7个，通过逐步回归，从中选出对高技术产业主营收入影响显著的因子，从而建立相应的模型。变量说明如下：y：主营业务收入 x1：出口交货值x2：R&D机构数 x3：R&D经费x4：专利申请数 x5：新产品开发经费x6：施工项目数 x7：固定资产投资额三、利用SPSS22逐步回归（步骤略） 四、逐步回归结果分析主要结果：表1 变量已输入/已移除a步变量已输入变量已移除方法1x3.逐步（准则：F-to-enter 的概率 = .200）。2x1.逐步（准则：F-to-enter 的
2、概率 = .200）。3x6.逐步（准则：F-to-enter 的概率 = .200）。4x4.逐步（准则：F-to-enter 的概率 = .200）。a. 因变量: y表1 是逐步回归每一步进入或剔除回归模型中的变量情况。表2 模型统计量步RR 平方调整后 R 平方估计标准误差1.995a.990.9904906.9165821.000b.999.9991226.8458631.000c1.000.9991110.5087741.000d1.0001.0001062.33830a. 预测值：（常数），x3b. 预测值：（常数），x3, x1c. 预测值：（常数），x3, x1, x6d.
3、预测值：（常数），x3, x1, x6, x4e. 因变量: y表2 是逐步回归每一步的回归模型的统计量。表3 方差分析表步平方和df均方F显著性1回归41398666077.006141398666077.0061719.369.000b剩余409323115.7081724077830.336总的41807989192.713182回归41783906780.589220891953390.29513880.306.000c剩余24082412.124161505150.758总的41807989192.713183回归41789490746.906313929830248.9691129
4、5.406.000d剩余18498445.808151233229.721总的41807989192.713184回归41792189315.424410448047328.8569257.835.000e剩余15799877.289141128562.664总的41807989192.71318a. 因变量: yb. 预测值：（常数），x3c. 预测值：（常数），x3, x1d. 预测值：（常数），x3, x1, x6e. 预测值：（常数），x3, x1, x6, x4表3是逐步回归每一步的回归模型的方差分析，显著性概率是0.00，表明回归极显著。表4 回归方程系数步非标准的回归系数标准的回
5、归系数t显著性B标准误Beta1（常数）8346.4351680.2364.967.000x361.8031.490.99541.465.0002（常数）2925.980539.7015.421.000x345.0801.110.72640.623.000x1.737.046.28615.998.0003（常数）1032.9091014.9511.018.325x340.0202.582.64415.502.000x1.694.046.26914.934.000x6.732.344.0982.128.0504（常数）722.073991.516.728.478x344.3633.740.714
6、11.862.000x1.761.062.29512.279.000x6.630.336.0841.875.082x4-.085.055-.081-1.546.144a. 因变量: y表4 是逐步回归每一步的回归方程系数表。五、模型分析1.建立回归模型：根据多元回归模型：y=b0+b1x1+b2x2+bkxk+e从表4中看出，过程一共运行了四步，最后一步以就是表中的第4步的计算结果得知：7个变量中只进入了4个变量x3、x1、x6和x4。把表4中“非标准化回归系数”栏目中的“B”列数据代入多元回归模型得到方程：y=722.073+44.363x3+0.761x1+0.63x6-0.085x42.回归方程的显著性检验：从表3方差分析表第4模型中得知：F统计量为9257.835，系统自动检验的显著性水平为0.00（非常小）。因此回归方程相关非常显著。由回归方程式可以看出，高技术产业主营收入与x3 (R&D经费)、x1 (出口交货值)、x6(施工项目数)呈显著正相关，而与x4 (专利申请数)呈显著负相关。
