发布时间 : 星期日 文章线性回归模型在工业生产总值预测中应用更新完毕开始阅读
最后可得残差绝对值和各自变量的相关系数为：
0.59， 0.47， 0.287, 0.489, 0.513,0.416， 0.547
不相等，说明存在异方差，需要用加权最小二乘估计。用SPSS可得到最优权重为3.000。进行加权分析最后可得结果：
表(5):模型摘要
Model 1 R 1.000(a) R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1.000 1.000 .08593 1.581
表(6):方差分析
Sum of Model Squares 1 Regression Residual Total 2587.088 .170 2587.288 7 22 30 df Square 369.575 50065.439 .007 .000(a) Mean F Sig.
表(7):回归系数
Unstandardized Model Coefficients d Standardize t Sig. Collinearity Statistics - 24 -
Coefficients 1 (Constant) 塑料制品x1 水泥x2 平板玻璃x3 生铁x4 粗钢x5 钢筋x6 盘条x7 B -13.013 .841 .020 -.017 -.008 .080 .405 -.217 Std. Error 3.488 .096 .011 .019 .019 .021 .055 .104 Beta .264 .260 -.084 -.038 .370 .393 -.163 Tolerance .003 .000 .000 .000 .000 .001 .000 VIF 314.686 5366.476 3333.757 2602.303 3255.656 984.360 2131.465 -3.733 .001 8.823 .000 2.103 .047 -.866 .395 -.440 .664 3.836 .001 7.408 .000 -2.090 .048 由上表可知：
决定系数R2=1.00； 修正决定系数R2=1.00; F=50065.439 方程的决定系数R2=1.00较高，而决定系数越高，模型拟合度就越好，因此该模型的拟合度很好；F=50065.439>10.00，模型总体显著，即全部自变量总体与因变量存在线性关系。此时的多元线性回归方程为：
?=-13.013+0.841x1+0.020x2-0.017x3-0.008x4+0.08x5+0.405x6-0.217x7y（6.3）
6.6 模型意义
本文通过选取工业生产总值和塑料制品、水泥、平板玻璃、生铁、粗钢、钢筋、盘 条的产量，经过回归分析和统计检验，最后得到回归方程：
?=-13.013+0.841x1+0.020x2- y0.017x3-0.008x4+0.08x5+0.405x6-0.217x7
由上述多言回归模型可知：所选取的各工业产品每增加一个单位的产量，工业生产总值就增加相应系数数值的产量。而平板玻璃产量系数是负值则工业生产总值就相对减少相应系数数值的产量。这可能是由于国家所采取的经济政策或者其它的因为地区特殊性的原因造成的。
由模型知自变量x1塑料制品产量和x6钢筋产量系数的绝对值最大，因此它们对工业生
- 25 -
?的影响也最大。当我们要最高的提高全国各地区工业生产总值的指标时，可以尽产总值y量加大塑料制品和钢筋的生产，而对于系数最小的x4生铁，我们可以适当的减少对其生产的投资。这样，我们在进行资源的配置时，可以优先考虑对各地区纸塑料制品和钢筋制造
的投资，这样就能够达到资源的优化配置。
- 26 -
结 论
本文以预测工业生产总值为背景，简约的介绍了回归分析思想。运用定性分析选取有关变量后，建立多元回归模型，再应用最小二乘法求得参数估计。为了防止所求得的模型是有效和有意义的，我们通过回归方程的显著性、回归系数的显著性、多重共线性检验、异方差检验等检验方法对其进行检验，再运用适当的方法对不符合实际情况的模型进行调整。通过拟合度分析，我们可以知道得到的模型与实际情况的吻合程度。对拟合度过小的模型进行调整，使调整后的模型更符合实际。
本文选取工业生产总值和塑料制品、水泥、平板玻璃、生铁、粗钢、钢筋、盘条的产量为变量，应用SPSS软件，以前面的所论述的知识为理论基础求得关于预测工业生产总值的数学模型。该模型可以为制定国民经济发展计划提供理论指导，并达到资源的优化配
置作用。
- 27 -