多元线性回归及logistics回归模型在上海市房价预测中的分析与应用毕业论文

ientsРStandardized CoefficientsРtРSig.РCollinearity StatisticsРBРStd. ErrorРBetaРToleranceРVIFР1Р(Constant)Р-1.664E-10Р.030Р.000Р1.000Р无量纲X1Р.901Р.092Р.901Р9.799Р.010Р.122Р8.171Р无量纲X2Р.038Р.075Р.038Р.514Р.659Р.185Р5.401Р无量纲X3Р-.293Р.087Р-.293Р-3.365Р.078Р.137Р7.305Р无量纲X4Р-.256Р.090Р-.256Р-2.837Р.105Р.127Р7.884Р无量纲X5Р.376Р.079Р.376Р4.789Р.041Р.168Р5.964Рa. Dependent Variable: 无量纲YР表5.参数估计结果Р则线性回归方程为:Р从以上参数估计的表格中可以发现,模型各系数的显著性水平并不高,大多超过了0.05并且VIF值均偏大,Tol值较小,说明各因素之间依然存在共线性。Р5.2回归模型的检验Р5.2.1多元线性回归的残差检验Р对多元线性回归进行残差检验,并画出残差图。РResiduals StatisticsaРMinimumРMaximumРMeanРStd. DeviationРNРPredicted ValueР-1.2478Р2.0561Р.0000Р.99896Р8РResidualР-.10266Р.04685Р.00000Р.04550Р8РStd. Predicted ValueР-1.249Р2.058Р.000Р1.000Р8РStd. ResidualР-1.206Р.550Р.000Р.535Р8Рa. Dependent Variable: 无量纲YР表6.五个自变量的残差检验结果