影响成品钢材需求量的回归分析摘要.docVIP

影响成品钢材需求量的回归分析 工商112 1110407220 俞东 摘要：伴随着经济发展和进步，统计称为现代人必需的工具之一，应用回归分析就是一种重要的统计分析方法。我用了些八九十年代的成品钢材、原油、生铁、原煤、发电量、铁路货运量、固定资产投资额、居民消费、政府消费9个不同的量来进行回归分析，使其结果更具实际性，进而建立模型分析我国经济发展的状况。 关键字：社会发展 线性回归 回归分析 回归模型 多元回归 年份成品钢材（万吨）原油（万吨）生铁（万吨）原煤（亿吨）发电量（亿千瓦时）铁路货运量（万吨）固定资产投资额（亿元）居民消费（亿元）1980 2716.2 10595 3802.4 6.2 3006.2 111279 910.9 2317.1 1981 2670.1 10122 3416.6 6.2 3092.7 107673 961 2604.1 1982 2902 10212 3551 6.66 3277 113495 1230.4 2867.9 1983 3072 10607 3738 7.15 3514 118784 1430.1 3182.5 1984 3372 11461.3 4001 7.89 3770 124074 1832.9 3674.5 1985 3693 12489.5 4384 8.72 4107 130709 2543.2 4589 1986 4058 13068.8 5064 8.94 4495 135635 3120.6 5175 1987 4356 13414 5503 9.28 4973 140653 3791.7 5961.2 1988 4689 13704.6 5704 9.8 5452 144948 4753.8 7633.1 1989 4859 13764.1 5820 10.54 5848 151489 4410.4 8523.5 1990 5153 13830.6 6238 10.8 6212 150681 4517 9113.2 1991 5638 14009.2 6765 10.87 6775 152893 5594.5 10315.9 1992 6697 14209.7 7589 11.16 7539 157627 8080.1 12459.8 1993 7716 14523.7 8739 11.51 8395 162663 13072.3 15682.4 1994 8482 14608.2 9741 12.4 9281 163093 17042.1 20809.8 1995 8979.8 15004.94 10529.27 13.61 10070.3 165885 20019.3 26944.5 1996 9338.02 15733.39 10722.5 13.97 10813.1 168803 22974 32152.3 1997 9978.93 16074.14 11511.41 13.73 11355.53 169734 22913.5 34854.6 样本的相关系数  分析：相关系数表明全部变量的相关系数全部都在0.9以上，这就表明自变量与因变量高度线性相关，适合做与8个自变量的多元线性回归。 建立回归模型 将数据导入到SPSS中，然后用SPSS软件通过回归线性分析得到下如下表数据： 模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 1 1.000a .999 .998 113.19930 a. 预测变量: (常量), x, x2, x3, x4, x5, x6, x7, x8。 Anovab 模型 平方和 均方 F Sig. 1 回归 1.291E8 8560 1259.526 .000a 残差 128140.806 10 12814.081 总计 1.292E8 18 a. 预测变量: (常量), x, x2, x3, x4, x5, x6, x7, x8。 b. 因变量: y 系数a 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量) -381.485 912.146 -.418 .685 x1 .122 .107 .088 1.134 .283 x2 .125 .187 .135 .668 .519 x3 -149.154 121.354 -.141 -1.229 .247 x4 .653 .277 .723 2.359 .040 x5 .003 .023 .024 .131 .898 x6 .081 .042 .260 1.932