应用回归分析课后题复习资料

《应用回来分析》局部课后习题答案

第一章回来分析概述

1.1变量间统计关系和函数关系的区分是什么？

答：变量间的统计关系是指变量间具有亲密关联而又不能由某一个或

某一些变量唯一确定另外一个变量的关系，而变量间的函数关系是指

由一个变量唯一确定另外一个变量确实定关系。

1.2回来分析及相关分析的联络及区分是什么？

答：联络有回来分析和相笑分析都是探讨变量间关系的统计学课题。

区分有a.在回来分析中变量y称为因变量，处在被说明的特殊地位。

在相关分析中，变量x和变量y处于同等的地位・即探讨变量y及变

量x的亲密程度及探讨变量x及变量y的亲密程度是一回事。b.相关

分析中所涉及的变量y及变量x全是随机变量。而在回来分析中,因

变量y是随机变量,自变量x可以是随机变量也可以是非随机确实定

变量。C.相关分析的探讨主要是为了刻画两类变量间线性相关的亲密

程度。而回来分析不仅可以提醒变量x对变量y的影响大小•还可以

由回来方程进展预料和限制。

1.3回来模型中随机误差项?的意义是什么.？

答：s为随机误差项，正是由于随机误差项的引入，才将变量间的关

系描绘为一个随机方程，使得我们可以借助随机数学方法探讨y及

xl,x2.….xp的关系,由于客观经济现象是错综困难的，一种经济现象

很难用有限个因素来精确说明，随机误差项可以概括表示由于人们的

相识以及其他客观缘由的局限而没有考虑的种种偶尔因素。

1.4线性回来模型的根本假设是什么？

答：线性回来模型的根本假设有：1.说明变量xl.x2....xp是非随机的，

观测值xil.xi2.....xip是常数2等方差及不相关的假定条件为{E（£i）=O

A

1=1,2....Cov（EirEj）={02

3.正态分布的假定条件为互相独立。4.样本容量的个数要多于说明变

量的个数,即n>p.

1.5回来变量的设置理论根据是什么？在回来变量设置时应留意哪

些问题？

答：理论推断某个变量应当作为说明变量，即便是不显著的，假如理

论上无法推断那么可以采纳统计方法来推断，说明变量和被说明变量

存在统计关系。应留意的问题有：在选择变量时要留意及一些特地领

域的专家合作,不要认为一个回来模型所涉及的变量越多越好,回来

变量确实定工作并不能一次完成，须要反复试算，最终找出最适宜的

一些变量。

1.6搜集，整理数据包括哪些内容？

答;常用的样本数据分为时间序列数据和横截面数据，因此数据搜集

的方法主要有按时间依次统计数据和在同一时间截面上统计数据，在

数据的搜集中・样木容量的多少一般要及设置的说明变量数目相配

套。而数据的整理不仅要把一些变量数据进展折算差分甚至把数据对

数化，标准化等有时还需留意剔除个别特殊大或特殊小的〃野值”。

1.7构造回来理论模型的根本根据是什么？

答：选择模型的数学形式的主要根据是经济行为理论，根据变量的样

本数据作出说明变量及被说明变量之间关系的散点图，并将由散点图

显示的变量间的函数关系作为理论模型的数学形式。对同一问题我们

可以采纳不同的形式进展计算机模拟，对不同的模拟结果，选择较好

的一个作为理论模型。

1.8为什么要对回来模型进展检验？

答：我们建立回来模型的目的是为了应用它来探讨经济问题，但假如

立刻就用这个模型去预料，限制，分析，明显是不够慎重的，所以我

们必需通过检验才能确定这个模型是否真正提醒了被说明变量和说

明变量之间的关系。

1.9回来模型有那几个方面的应用？

答：回来模型的应月方面主要有：经济变量的因素分析和进展经济预

料。

1.10为什么强调运用回来分析探讨经济问题要定性分析和定量分析

相结合？

答：在回来模型的运用中，我们还强调定性分析和定量分析相结合。

这是因为数理统计方法只是从事物外在的数量外表上去探讨问题，不

涉及事物质的规定性，单纯的外表上的数量关系是否反映事物的本

质？这木质原委如何？必需依靠特地的学科探讨才能下定论，所以，

在经济问题的探讨中,我们不能仅凭样本数据估计的结果就不加分析

地说长道短,必需把参数估计的结果和详细经济问题以及现实状况严

密结合，这样才能保证回来模型在经济问题探讨中的正确应用。

第二章一元线性回来

线性加权的8.16718.16716.33.056

项3

偏向.8331.8331.667.326

组内1.0002.500

总数10.004

0

由于尸〉乙(1,3),回绝儿,说明回来方程显著x及y有显著的线性关系。

(8)，=/==圾其中b：J

K-〃多〃-2g

••・承受原假设〃。:笈=0,认为4显著不为0•因变量y对自变量x的一

元线性回来成立。

一-一

Z(Xj-X)(y.-y)

(9)相关系数i=1________________________=L.ty

I〃一〃_JJ

Zu-x)2X(x-y)山”

i=lr=l

广小于表中0=1%的相应值同时大于表中a=5%的相应值,二.X及V有

显著的线性关系.

(10)

Xyz\e

序号y

111064

221013-3

3320200

442027-7

5540346

残差图为：

从图上看­残差是围绕e=0随机波动•从而模型的根本假定是满意

的。

(11)当广告费％=4.2万元时•销售收入

%=28.4万元，置信度为95%的置信区间

近似为y±2cr*即(17.1，39.7)

2.15解答:

(1)散点图为：

X与y散点图

5.00-

4.00-

»300-

2.00-

1.00-

250.00500.00750.001000.001250.00

(2)x

及y之间大致呈线性关系。

(3)设回来方程为y=/o+%x

、八21n八~

(4)。=­

n-zi=i

=0.2305

=0.4801

(5)由于2N(仇早)

,XX

听从自由度为n-2的t分布。因此

也即：p(^-ta/2-^=<fll<Px+tat2-\-a

可得A的置信度为95%的置信区间为

即为:(0.0028，0.0044)

听从自由度为n-2的t分布。因此

2

E3C八八1(X)2QZ1(x).,

即〃(仅-+-+

-~<风+G—一&2)=1一a

L〃4

〃xX

可得4的置信度为95%的置信区间为(-0.3567,0.5703)

V“,(yA-y-)2

(6)x及y确实定系数七/=0.908

V/、218.525

/=1

⑺

ANOVA

X

平方和df均方F显著性

组间(组合)1231497.7175928.25.302.168

50014

线性加权的1168713.11168713.35.22.027

项0360362

偏向62784.46610464.07.315.885

47

组内66362.50233181.25

00

总数1297860.9

000

由于尸>外(1,9),回绝儿，说明回来方程显著x及y有显著的线性关系。

回=~^=坐其中右1>2=白丑巴_3；

^”2日"2.

.•.承受原假设“。：4=0,认为4显著不为0，因变量y对自变量x的一

元线性回来成立。

♦--

Z5—x)(y-y)j

(9)相关系数yJ」工

J—£(i)也右

V/=)»=1

「小于表中a=l%的相应值同时大于表中a=5%的相应值，,X及y有

显著的线性袅系.

(10)

Xy人e

序号y

18253•53.07680.4232

221510.88080.1192

3107043.95880.0412

455022.0868-0.0868

548011.8348-0.8348

692033.4188-0.4188

713504.54.9688-0.4668

83251.51.27680.2232

967032.51880.4812

10121554.48080.5192

从图上看，残差是围绕e=0随机波动，从而模型的根本假定是满意

的。

(11)新保单为-1000时，需要加班的时间为J-3.7小时。

(12)%的置信概率为1一。的置信区间精确为y0士%2(〃-2)jrr^cr,

即为(2.7•4.7)

近似置信区间为：1±2b，即(2.74，4.66)

(13)可得置信程度为i-a的置信区间为［±%2(〃-2)匹。，即为(3.33•

4.07).

2.16(1)散点图为：

可以用直线回来描绘y及x之间的关系.

⑵回来方程为：j，=12112.629+3.314x

(3)

直方图

从图上可看出，检验误差项听从正态分布。

第三章多元线性回来

3.11解：（1）用SPSS算出y，xl，x2,x3相关系数矩阵：

相关性

yxlx2x3

Pearsony1.000.556.731.724

相哭性X1.5561.000.113.398

x2.731.1131.000.547

x3.724.398.5471.000

y•.048.008.009

xl,048•.378.127

x2.008.378•.051

x3.009.127.051•

Ny10101010

xl10101010

x210101010

x310101010

Z1.0000.S560.7310.724\

所以尸J0.5561.0000.1130.398

I0.7310.1131.0000.547

\0.7240.39805471.000/

系数a

模非标准化系标准B的95.0%共线性统计

型数系数置信区间相今性量

标准误试用上局

B差版tSig.下限限零阶偏部容差VIF

（常-34176.4-1.9.096-7883.5

量）8.2859740.0600

00

xl3.751.933.3851.94.100-.978.48.556.62135.8251.21

427501

x27.102.880.5352.46.049.05314.1.731.709.44.6871.45

154945

x312.410.56.2771.17.284-13.38.3.724.433.21.5861.70

47984151028

a.因变量:y

⑵

所以三元线性回来方程为5=-348.28+3.754x1+7.10Lv2+12.447x3

模型汇总

模型标准估更改统计量

调整计的误R方更Sig.F更

RR方R方差改F更改dfldf2改

1.89.80670823.441.8068.28336,015

8a88

预料变量:(常量),。

a.x3zxl,x2

(3)

由于确定系数R方=0.708R=0.898较大所以认为拟合度较高

(4)

Anovab

模型平方和df均月FSig.

1回来13655.334551.78.283.015,

7090

残差3297.136549.52

02

总计16952.59

00

a.预料变量:(常量),x3,xl,x20

b.因变量:y

因为F=8.283P=0.015<0.05所以认为回来方程在整体上拟

合的好

(5)

系数a

模型标准系B的95.0%共线性统计

非标准化系数数置信区间相关性量

标准误Sig

B差试用版t•下限上限零阶偏局口B容差VIF

1(-348.2176.4-1.9.09-780.083.5

常80597466000

量

)

X3.7541.933.3851.94.10-.9778.48.556.62.350.8251.2

1205111

X7.1012.880.5352.46.04.05314.1.731.70.444.6871.4

25949955

X12.4410.56.2771.17.28-13.4138.3.724.43.212.5861.7

37984510308

a.因变量:y

(6)可以看到P值最大的是x3为0.284，所以x3的回来系数没有

通过显著检验，应去除。

去除x3后作F检验，得：

Anovab

模型平方和df均月FSig.

1回来12893.126446.611.11.007a

99007

残差4059.307579.90

10

总计16952.59

00

a.预料变量:（常量）,x2,xl°

b.因变量:y

由表知通过F检验

接着做回来系数检验

系数,

模型标准系B的95.0%共线性

非标准化系数数置信区间相关性统计量

标准误容

B试用版tSig.下限上限零阶偏局部VIF

（常-459.6153.05-3.0.020-821.5-97.70

量）24803470

xl4.6761.816.4792.57.037.3818.970.556.697.476.981.0

5713

x28.9712.468.6763.63.0083.13414.80.731.808.672.981.0

48713

a.因变量:y

此时•我们发觉xl•x2的显著性大大进步。

(7)xl:(-0.997,8.485)x2:(0.053,14.149)

x3:(-13.415,38.310)

(8)y=0.385x1*i0.535x2*i0.277x3*

(9)

残差统计量,

标准偏

微小值极大值均值向N

预料值175.47292.55231.5038.95210

48450006

标准预料值-1.4381.567.0001.00010

预料值的标准误10.46620.19114.5263.12710

差

调整的预料值188.35318.10240.1849.83910

15673514

残差-25.19733.225.0000019.14010

594922

标准残差-1.0751.417.000.81610

Student化残差-2.1161.754-.1231.18810

已删除的残差-97.61550.882-8.68343.43210

23744820

Student化已删-3.8322.294-.2551.65810

除的残差

Mahal。间隔.8945.7772.7001.55510

Cook的间隔.0003.216.486.97610

居中杠杆值.099.642.300.17310

a.因变量:y

所以置信区间为(175.4748，292.5545)

(10)由于x3的回来系数显著性检验未通过，所以居民非商品支出

对货运总量影响不大，但是回来方程整体对数据拟合较好

3.12解：在固定第二产业增加值,考虑第三产业增加值影响的状况

下，第一产业每增加一个单位，GDP就增加0.607个单位。

在固定第一产业增加值，考虑第三产业增加值影响的状况下•

第二产业每增加一个单位，GDP就增加1.709个单位。

第四章违反根本假设的状况

4.8

加权变更残差图上点的漫步较之前的残差图•没有明显的趋势•点的

漫步较随机,因此加权最小二乘估计的效果较最小二乘估计好。

4.9解：

系数a

模型标准系

非标准化系数数

标准误

B差试用版tSig.

1（常-.831.442-1.882.065

量）

X.004.000.83911.03.000

0

a.因变量:y

由SPSS计算得：j=-0.831+0.004x

残差散点图为：

（2）由残差散点图可知存在异方差性

再用等级相关系数分析：

相关系数

Xt

SpearmanX相关系数1.000.318*

的rhoSig.（双•.021

侧）

N5353

T相关系数.318*1.000

Sig.（双.021•

侧）

N5353

.在置信度（双测）为0.05时，相关性是显

著的。

P=0.021所以方差及自变量的相关性是显著的。

（3）

模型描绘

因变量y

自变1X

量

权重源X

鬲值1.500

模型:MOD_1.

M=L5时可以建立最优权函数，此时得到：

残.00351.000

差

总.00952

计

系数

未标准化系

数标准化系数

标准试用标准

B误版误tSig.

（常-.683.298-2.29.026

数）6

X.004.000.812.0829.93.000

0

所以:y=-0.683+0.004x

(4)

系数a

模型标准系

非标准化系数数

标准误

B差试用版tSig.

1(常.582.1304.481.000

量)

X.001.000.8059.699.000

a.因变量:yy

4.10经济变量的滞后性会给序列带来自相关性。如前期消费额对后

期消费额一般会有E月显的影响，有时，经济变量的这种滞后性表现出

一种不规则的循环运动，当经济状况处于衰退的低谷时，经济扩张期

随之开场•这时•大多数经济时间序列上升的快一些。在经济扩张时

期,经济时间数列内部有一种内在的动力•受此影响•时间序列始终

上升到循环的顶点•在顶点时刻，经济收缩随之开场。因此•在这样

的时间序列数据中，依次视察值之间的相今现象是恨自然的。

4.11当一个线性回来模型的随机误差项存在序列相关时，就违反了

线性回来方程的根本假设，假如仍旧干脆用一般最小二乘估计未知参

数，将会产生严峻后果，一般状况下序列相关性会带来下列问题：

(1)参数的估计值不再具有最小方差线性无偏性。

(2)均方误差MSE可能严峻低估误差项的方差。

(3)简洁导致对t值评价过高，常用的F检验和t检验失效。假如

无视这一点，可能导致得出回来参数统计检验为显著，但事实上并不

显著的严峻错误结论。

(4)当存在序列相关时，最小二乘估计量对抽样波动变得特别敏感。

(5)假如不加处理地运用一般最小二乘法估计模型参数•用此模型

进展预料和进展构造分析将会带来较大的方差甚至错误的说明。

4.12优点：DW检验有着广泛的应用，对许多模型能简洁便利的推

断该模型有无序列相关性，当DW的值在2左右时，则无需查表，

即可放心的认为模型不存在序列的自相关性。

缺点：DW检验有两个不能确定的区域，一旦DW值落在这两个区域•

就无法推断,这时•只有增大样本容量或选取其他方法；DW统计量

的上、下界表要求n>15,这是因为假如样本再小，利用残差就很难对

自相关的存在性作出比拟正确的推断;DW检验不合适随机项具有高

阶序列相关的检验。

4.13解:

Q）

系数a

模型标准系

非标准化系数数

标准误

B差试用版tSig.

1（常-1.435.242-5.930.000

量）

X.176.002.999107.9.000

28

a.因变量:y

产-1.435+0.176X

⑵

模型汇总b

模型调整R标准估计Durbin-

RR方方的误差Watson

1.999a.998.998.09744.663

a.预料变量:（常量）,x。

b.因变量:y

查分布表知：

DW=0.663DWdt=0.95

所以DW<〃，故误差项存在正相关。

残差图为：

的随t的变更逐次变更并不常见的变更符号说明误差项存在正相关。

(3)p=l-0.5*DW=0.6685计算得:

YX'8.4951.17

7.3944.907.8847.26

7.6545.808.7752.33

6.8440.698.9352.69

8.0048.509.3254.95

7.7946.859.2955.54

8.2649.459.4856.77

7.9648.479.3855.83

8.2850.049.6758.00

7.9048.039.9059.22

X'

模型汇总b

模型调整R标准估计Durbin-

RR方方的误差Watson

1.996,.993.993.073951.344

a.预料变量:（常量）,xx。

b.因变量:yy

系数,

模型标准系

非标准化系数数

标准误

B差试用版tSig.

1（常-.303.180-1.684.110

量）

XX.173.004.99649.01.000

1

a.因变量:yy

得回来方程歹二-0303+0.173x'

即：y,=-0.303+0.6685+0.173(x,—0.6685)

(4)

模型汇总b

模型调整R标准估计Durbin-

RR方方的误差Watson

1.978a.957.955.074491.480

a.预料变量:（常量）,x3。

b.因变量:y3

系数a

模型标准系

非标准化系数数

标准误

B差试用版tSig.

1（常.033.0261.273.220

量）

x3.161.008.97819.52.000

8

a.因变量:y3

△），,=0.033+0.16八%,

即：y,=0.033+y,，1+0.161（）

（5）差分法的DW值最大为1.48消退相关性最彻底，但是迭代法

的S值最小为0.07395，拟合的较好。

4.14解：（1）

模型汇总b

模型调整R标准估计Durbin-

RR方方的误差Watson

1.541a.293.264329.6930.745

2

a.预料变量:（常量）,x2zxl°

b.因变量:y

系数a

模型标准系

非标准化系数数

标准误

B差试用版tSig.

1(常-574.0349.27-1.644.107

量）621

X1191.0973.309.3452.607.012

8

x22.045.911.2972.246.029

a.因变量:y

回来方程为：y=-574.062+191.098x1+2.045x2

DW=0.745<DI所以误差项存在正相关

残差图为：

(2)p=l-0.5*DW=0.6275

模型汇总b

模型调整R标准估计Durbin-

RR方方的误差Watson

1.688a.474.452257.67061.716

4

a.预料变量:（常量）,x22,xl2。

b.因变量:y2

系数a

模型标准系

非标准化系数数

标准误

B差试用版tSig.

1(常-179.690.337-1.989.052

量）68

X12211.7747.778.5224.432.000

0

x221.434.628.2692.283.027

a.因变量:y2

此时得方程：=-179.668+211.77x1'+1.434x2'

所以回来方程为：

y,=-179.668+0.6275y.+211.77*1,-0.6275用“？)+1434(x2,-0.6275x2“)

(3)

模型汇总b

模型调整R标准估计Durbin-

RR方方的误差Watson

1.715,.511.490283.79102.042

2

a.预料变量:（常量）,x23,xl3。

b.因变量:y3

系数a

模型标准系

非标准化系数数

标准误

B差试用版tSig.

1(常7.69839.754.194.847

量）

X13209.844.143.5444.755.000

91

x231.399.583.2742.400.020

a.因变量:y3

此时得方程：△少=7.698+209.891—1+1.399以2

所以回来方程为,=7.698+209.891*,--)+1.399(x2,r2小)

4.15异样值缘由异样值消退方法

1）数据登记误差，存在抄写或录入的错误重新核实数据

2）数据测量误差重新测量误差

3）数据随机误差删除或重新观测异样值数据

4）缺少重要自变量增加必要的日变量

5）缺少观测数据增加观测数据，适当扩大自变

量取值范围

6）存在异方差采纳加权线性回来

7）模型选用错误，线性模型不适用改用非线性回来模型

4.16

编号学生化残差删除学生化残差杠杆值库克间隔

1-0.89353-0.876040.354180.16609

20.627670.592770.140250.03115

30.265170.243490.160790.00620

4-0.00433-0.003960.099350.00000

51.754002.293830.247020.40874

6-2.11566-3.832140.641873.21601

7-1.17348-1.220390.492770.50110

8-1.16281-1.206060.361290.28946

90.409350.379020.163660.01500

101.064621.079110.338830.22158

从上表中看到，肯定值最大的学生化残差为2.11566，小于3，因此

根据学生化残差诊断认为数据不存在异样值。肯定值最大的删除学生

化残差为3.83214，大于3，因此根据学生化残差诊断为第6个数据

为异样值,是因变量的异样值。其中心化杠杆值等于0.64187最大，

库克间隔等于3.21601也是最大，中心化杠杆平均值为0.3001，第

6个数据杠杆值等于0.64187大于2倍的中心化杠杆值，因此从杠杆

值看第6个数据是自变量的异样值,同时第6个数据的库克间隔等

于3.21601,大于1，这样第6个数据为异样值的缘由是由自变量异

样及因变量异样两个缘由共同引起的。

第五章自变量选择及逐步回来

5.9后退法：输出结果

系数a

模型非标准化标准

系数系数

标准试用

B误差版tSig.

1（常143225.638.533

量）8.122.47

02

农业-.62.168-1.0-3.7.002

X169820

工业-.32.207-1.3-1.5.135

x285287

建筑-.38.555-.25-.69.501

业x3311

人口-.00.025-.01-.16.875

x4441

最终.672.1303.715.17.000

消费08

x5

受灾-.00.008-.01-.69.499

面积655

x6

2（常107299.3.60.003

量）9.757592

4

农业-.64.130-1.1-4.9.000

X122625

工业-.30.131-1.2-2.3.035

x234914

建筑-.40.525-.26-.76.456

业x3235

日

取终.658.0953.636.90.000

消费65

x5

受灾-.00.007-.01-.84.409

面积679

x6

3(常108295.3.66.002

量）3.158162

0

农业-.62.127-1.0-4.9.000

X149531

工业-.37.093-1.5-3.9.001

x233598

r=i

取终.657.0943.626.98.000

消费71

x5

受灾-.00.007-.01-.75.460

面积558

x6

4(常874.106.8.18.000

量）6048694

农业-.61.124-1.0-4.9.000

X117336

工业-.35.088-1.4-3.9.001

x235494

最终.637.0893.517.14.000

消费62

x5

a.因变量：财政收入y

Anovae

模型平方

和df均方FSig.

1回1.36562.274602..000

来E8E7127a

残528791437770

差3.319.951

总1.37020

计E8

2回1.36552.729772..000

来E8E7734b

残529761535317

差7.852.857

总1.37020

计E8

3回1.36443.411991..000

来E8E7468C

残550441634402

差0.103.506

总1.37020

计E8

4回1.36434.547135.000

来E8E75.75d

3

残570181733540

差0.931.055

总1.37020

计E8

a.预料变量：（常量），受灾面积x6,建筑

业x3,人口x4,农业xl,最终消费x5,工

业x2°

b.预料变量：（常量），受灾面积x6,建筑

业x3,农业xl,最终消费x5,工业x2。

c.预料变量：（常量），受灾面积x6z农业

xl,最终消费x5,工业x2。

d.预料变量：（常量），农业X1,最终消费

x5,工业x2°

e.因变量：财政收入y

模型汇总

模更改统计量

型Sig.

标准估RF

R调整计的误方更F更更

R方R方差改改dfldf2改

1.998.996.994194.34.996602.614.00

a7501270

2.998.996.995187.93.000.026114.87

b0465

3.998.996.995185.47.000.585115.45

c9136

4.998.996.995183.13.000.574116.46

d9440

a.预料变量：（常量），受灾面积x6,建筑业x3,人口x4,农

业xlz最终消费x5,工业x2。

b.预料变量:（常量），受灾面积x6,建筑业x3,农业xl,最

终消费x5,工业x2。

c.预料变量：（常量），受灾面积X6,农业X1,最终消费X5,

工业x20

d.预料变量:（常量），农业xl,最终消费x5,工业x2。

回来方程为：y=874.604-0.61-0.353x2+0.637x5

逐步回来法：输出结果

模型汇总

模型更改统计量

Sig.

调整R标准估计R方更F更

RR方方的误差改F更改dfldf2改

1.994a.989.988285.6837.9891659.4119.000

341

2996b.992.991247.7776.0037.258118.015

8

3.998c.996.995183.1394.00415.948117.001

4

a.预料变量:（常量），最终消费x5。

b.预料变量:（常量），最终消费x5,农业xl。

c.预料变量:（常量），最终消费x5,农业xl,工业x2。

Anovad

模型平方和dfFSig.

1回1.354E11.354E1659.,000a

来88441

残1550681981615.

差8.654192

总1.370E20

计8

2回1.359E26.794E1106..000b

来87637

残1105081861393.

差8.003778

总1.370E20

计8

3回1.364E34.547E1355..000c

来87753

残5701801733540.

差.931055

总1.370E20

计8

a.预料变量:（常量），最终消费x5。

b.预料变量:（常量），最终消费x5,农业xl。

c.预料变量：（常量），最终消费X5,农业XL工业

x2°

d.因变量：财政收入y

系数,

模型非标准化系标准

数系数相关性

标准试用局

B误差版tSig.零阶偏部

1（常710.90.87.81.000

量）372916

日

取.180.004.99440.7.000.994.994.994

终36

消

费

x5

2（常1011136.7.39.000

量）.9129012

（=1

取.311.0491.716.37.000.994.832.135

终84

消

费

x5

农-.41.154-.726-2.69.015.987-.536-.05

业447

X1

3（常874.106.8.18.000