1、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)。2x13x64x4a. 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RR 平方调整后 R 平方估计标准误差.995a.9904906.916581.000b.9991226.845861.000c1.0001110.508771.000d1062.33830a. 预测值:(常数),x3b. 预测值:(常数),x3, x1c. 预测值:(常数),x3, x1, x6d. 预
2、测值:(常数),x3, x1, x6, x4e. 因变量:表2 是逐步回归每一步的回归模型的统计量。表3 方差分析表平方和df均方F显著性回归41398666077.0061719.369.000b剩余409323115.7081724077830.336总的41807989192.7131841783906780.58920891953390.29513880.306.000c24082412.124161505150.75841789490746.90613929830248.96911295.406.000d18498445.808151233229.72141792189315.424
3、10448047328.8569257.835.000e15799877.289141128562.664e. 预测值: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 回归方程系数非标准的回归系数标准的回归系数tB标准误Beta(常数)8346.4351680.2364.967.00061.8031.490.99541.4652925.980539.7015.42145.0801.110.72640.623.737.046.28615.9981032.9091014.9511.018.32540.0202.582.64415.502.694.26914.9
4、34.732.344.0982.128.050722.073991.516.728.47844.3633.740.71411.862.761.062.29512.279.630.336.0841.875.082-.085.055-.081-1.546.144a. 因变量: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。