其次，进行R2 拟合优度检验、T检验、F检验、多重共线形检验、异方差检验、自相关检验，消除多重共线性的影响、异方差的影响及自相关的影响，从而验证模型的准确度及假设的合理性。 （五）统计软件
本文的数据处理全部采用Eviews软件完成。
四、实证结果
（一）多元线性回归模型及检验
我们对所建多元线形回归模型利用Eviews进行回归分析，回归结果如表一。 表一：
Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 00:02 Sample: 1 488
Included observations: 472 Excluded observations: 16
Variable C X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient -0.003785 0.025198 0.010543 0.021248 0.006527 -0.006729 -0.000549 0.016275 0.000607 0.028987 -0.000890
Std. Error 0.074974 0.018837 0.009130 0.011591 0.000926 0.008888 0.008524 0.007445 0.001614 0.004006 0.000253
t-Statistic -0.050478 1.337685 1.154766 1.833076 7.047829 -0.757117 -0.064398 2.186203 0.375865 7.236509 -3.519087
Prob. 0.9598 0.1817 0.2488 0.0674 0.0000 0.4494 0.9487 0.0293 0.7072 0.0000 0.0005 0.142633 0.107186 -2.079244 -1.982365 29.54385 0.000000
0.390565 Mean dependent var 0.377345 S.D. dependent var 0.084578 Akaike info criterion 3.297774 Schwarz criterion 501.7016 F-statistic 1.961807 Prob(F-statistic)
1、拟合优度检验
为了说明多元线性回归估计模型对观测值的拟合情况，可以考察在Y的总变
第6页
差中能由解释变量所解释的那部分变差的比重，即多重可决系数，用R2来表示。R2介于0－1之间，R2越接近1，模型对数据的拟合程度就越好，但是也不能单纯地凭可决系数的高低断定模型的优劣。模型中R2＝0.390565，可决系数不是很理想，但通盘考虑到模型的可靠度及其经济意义，我们适当降低对可决系数的要求，判断模型对观测数据拟合程度较好，列入回归模型的解释变量对应变量联合影响程度较大。
2、回归参数的显著性检验（t－检验）
在回归分析中，不仅要模型的拟合度高，而且还要得到总体回归系数的可靠估计量。为了检验回归系数对应的解释变量是否对应变量有显著影响，我们对该模型进行t－检验。给定显著性水平??0.05，查自由度为477（488－11）的t分布表，得临界值t0.025(?)＝1.960。由表一知，t0=-0.050478，t1=1.337685，t2=1.154766，t3=1.833076，t4=7.047829，t5=-0.757117，t6=-0.064398，t7=2.186203，t8=0.375865，t9=7.236509，t10=-3.519087。其中，t4、t7、t9、t10大于临界值1.960，故在5%的显著性水平下，可以通过t检验，表明净资产收益率、总资产周转率、每股净资产、资产负债率是影响每股现金股利的主要因素。而t3接近临界值1.960，表明每股收益也是影响每股现金股利的因素。在对模型进行修正时，考虑剔除x1、x2、x5、x6、x8的影响。 3、回归方程的显著性检验（F－检验）
T检验对单个回归系数是否显著进行了推断，由于多元线性回归模型包含多个解释变量，它们同应变量之间是否存在显著的线性关系还需进一步作出判断，即对回归系数进行整体检验（F－检验）。给定显著性水平??0.05，在F分布表中查自由度为10和477的临界值F0.05（10，?）＝1.83。由表一知F＝29.54385，大于临界值，通过F-检验，表明回归方程显著。 （二）修正的多元线性回归模型及检验
由于t0、t1、t2、t5、t6、t8均小于临界值1.960，说明常数项c、x1、x2、x5、x6、x8对应变量的影响不显著，我们决定剔除上述解释变量。而t3接近临界值1.960，我们决定暂且保留该解释变量，根据回归结果再对x3的去留做出判断。对修正后的模型重新进行回归，回归结果如表二。
第7页