我国铁路客运量分析给出变量间的相关系数,发现各个变量间的相关性都很高,可以做回归分析我们把铁路客运量当作因变量。公路运输量,水运运输量,民航运输量,铁路旅客周转量, 铁路营业里程,居民消费额当作自变量,进行分析。发现 R^2 为 0.984 ,很高。基本通过检验。下面进行方差分析可以看出, p 值为 0 ,方程通过显著性检验。下面给出方程的具体形式由上图可以看出民航运输量, 与其他变量存在着较为严重的共线性, 所以将其剔除出原方程。方差分析图表明方程式非常显著的,可以通过 p 值检验由上图可以看与其他变量存在着较为严重的共线性,所以将其剔除出原方程。由上图可以看与其他变量存在着较为严重的共线性,所以将其剔除出原方程。由上图可以看与其他变量存在着较为严重的共线性,所以将其剔除出原方程。再看回归系数的检验,发现 VIF 的值都小于 10 ,通过了共线性的检验,可以认定方程的变量之间不存在多重共线性问题。一次建立我们的回归方程上表给出了回归方程的非标准化估计系数、标准化估计系数值、系数的统计显著性的检验结果以及共线性诊断的方差膨胀因子 VIF 。因为 p 值都很小, 因此均具有显著性。但是由 VI F 可以看出,变量国民收入、消费额、民航航线里程和来华旅游入境人数的 VIF 均大于 10, 存在显著的多重共线性。我们选择最大的方差膨胀因子的变量为多余变量, 这里一次剔除变量国民收入和消费额后,最终保留了剩下三个变量作为自变量来进行回归。
全文预览
