c. Predictors: (Constant), 能源加工转换效率/%, 交通运输邮电业增加值/亿元, 工业增加值/亿元, 建筑业增加值/亿元 d. Predictors: (Constant), 交通运输邮电业增加值/亿元, 工业增加值/亿元, 建筑业增加值/亿元 e. Predictors: (Constant), 工业增加值/亿元, 建筑业增加值/亿元 f. Dependent Variable: 能源消费标准煤总量/万吨
分析：利用向后筛选策略共经过五步完成回归方程的建立，最终模型为第五个模型。从方程建立的过程来看，随着解释变量的不断减少，方程的拟合优度下降了。依次剔除方程的变量是国内生产总值、人均电力消费、能源加工转换效率、交通运输邮电业增加值。如果显著性水平a为0.05，可以看到这些被剔除变量的偏F检验的概率p值均大于显著性水平，因此均不能拒绝检验的零假设，这些变量的偏回归系数与零无显著差异，它们对被解释变量的线性解释没有显著贡献，不应保留在方程中。最终保留在方程中的变量是工业增加值、建筑业增加值。方程的DW检验值为0.741，残差存在一定程度的正自相关。
能源消费需求的多元线性回归分析结果（向后筛选策略） （二） ANOVA Model 1 Regression Residual Total 2 Regression Residual Total Sum of Squares 5.766E10 1.151E9 5.882E10 5.766E10 1.153E9 5.882E10 df 6 16 22 5 17 22 1.153E10 6.783E7 Mean Square 9.611E9 7.192E7 F 133.636 Sig. .000 af 170.010 .000 b 6
3 Regression Residual Total 5.763E10 1.182E9 5.882E10 5.752E10 1.291E9 5.882E10 5.733E10 1.486E9 5.882E10 4 18 22 3 19 22 2 20 22 1.441E10 6.569E7 219.321 .000 c 282.290 .000 d 1.917E10 6.793E7 4 Regression Residual Total 385.694 .000 e 2.866E10 7.432E7 5 Regression Residual Total a. Predictors: (Constant), 能源加工转换效率/%, 交通运输邮电业增加值/亿元, 工业增加值/亿元, 人均电力消费/千瓦时, 建筑业增加值/亿元, 国内生产总值/亿元 b. Predictors: (Constant), 能源加工转换效率/%, 交通运输邮电业增加值/亿元, 工业增加值/亿元, 人均电力消费/千瓦时, 建筑业增加值/亿元 c. Predictors: (Constant), 能源加工转换效率/%, 交通运输邮电业增加值/亿元, 工业增加值/亿元, 建筑业增加值/亿元 d. Predictors: (Constant), 交通运输邮电业增加值/亿元, 工业增加值/亿元, 建筑业增加值/亿元 e. Predictors: (Constant), 工业增加值/亿元, 建筑业增加值/亿元 f. Dependent Variable: 能源消费标准煤总量/万吨
分析：表中的第五个模型是最终的方程。如果显著性水平a为0.05，由于回归方程显著性检验的概率p值小于显著性水平，因此被解释变量与解释变量的线性关系显著，建立线性模型是恰当的。
7
能源消费需求的多元线性回归分析结果（向后筛选策略） （三） Coefficients Standardized Unstandardized Coefficients Model 1 (Constant) 国内生产总值/亿元 工业增加值/亿元 建筑业增加值/亿元 交通运输邮电业增加值/亿元 人均电力消费/千瓦时 能源加工转换效率/% 2 (Constant) 工业增加值/亿元 建筑业增加值/亿元 交通运输邮电业增加值/亿元 人均电力消费/千瓦时 能源加工转换效率/% B 168326.234 -.142 .503 8.294 -.203 233.912 -1373.376 168324.108 .489 6.768 -.204 185.993 -1359.393 Std. Error 108640.972 .764 .249 10.431 .111 388.519 1588.868 105511.543 .230 6.275 .108 282.858 1541.379 .285 .505 -.075 .269 -.050 -.191 .293 .619 -.075 .338 -.051 Coefficients Beta t 1.549 -.186 2.024 .795 -1.829 .602 -.864 1.595 2.123 1.079 -1.894 .658 -.882 Sig. .141 .855 .060 .438 .086 .556 .400 .129 .049 .296 .075 .520 .390 a8
3 (Constant) 工业增加值/亿元 建筑业增加值/亿元 交通运输邮电业增加值/亿元 能源加工转换效率/% 199581.167 .456 10.708 -.175 -1774.819 80721.633 .473 9.902 -.166 80452.139 .464 .696 92699.722 .221 1.836 .096 1383.608 2754.362 .225 1.755 .098 2876.271 .235 .431 .270 .324 .275 .739 -.061 .265 .799 -.064 -.066 2.153 2.061 5.831 -1.811 -1.283 29.307 2.105 5.644 -1.698 27.971 1.977 1.615 .045 .054 .000 .087 .216 .000 .049 .000 .106 .000 .002 .000 4 (Constant) 工业增加值/亿元 建筑业增加值/亿元 交通运输邮电业增加值/亿元 5 (Constant) 工业增加值/亿元 建筑业增加值/亿元 a. Dependent Variable: 能源消费标准煤总量/万吨
分析：表中展示了每个模型中各解释变量的偏回归系数、偏回归系数显著性检验的情况。如果显著性水平a为0.05，则前四个模型中由于都存在回归系数不显著的解释变量，因此这些方程都不可用。第五个模型是最终的方程，其回归系数显著性检验的概率p值小于显著性水平，因此工业增加值、建筑业增加值与被解释变量间的线性关系显著，它们保留在模型中是合理的。最终的回归方程是，能源消费需求=80452.139+0.464工业增加值+0.696建筑业增加值，意味着当工业增加值每增加一个单位或建筑业增加值每增加一个单位，能源消费需求分别平均增加0.464个单位或0.696个单位。
能源消费需求的多元线性回归分析结果（向后筛选策略） （四）
9
Excluded Variables Collinearity Partial Model 2 3 国内生产总值/亿元 国内生产总值/亿元 人均电力消费/千瓦时 4 国内生产总值/亿元 人均电力消费/千瓦时 能源加工转换效率/% 5 国内生产总值/亿元 人均电力消费/千瓦时 能源加工转换效率/% 交通运输邮电业增加值/亿元 Beta In -.191 .217 .269 .479 .417 -.066 .055 .111 -.059 -.061 ddddcccbbaeStatistics Tolerance .001 .002 .007 .002 .008 .425 .003 .010 .427 .891 t -.186 .288 .658 .668 1.124 -1.283 .077 .304 -1.096 -1.698 Sig. .855 .777 .520 .513 .276 .216 .940 .764 .287 .106 Correlation -.047 .070 .157 .156 .256 -.289 .018 .070 -.244 -.363 a. Predictors in the Model: (Constant), 能源加工转换效率/%, 交通运输邮电业增加值/亿元, 工业增加值/亿元, 人均电力消费/千瓦时, 建筑业增加值/亿元 b. Predictors in the Model: (Constant), 能源加工转换效率/%, 交通运输邮电业增加值/亿元, 工业增加值/亿元, 建筑业增加值/亿元 c. Predictors in the Model: (Constant), 交通运输邮电业增加值/亿元, 工业增加值/亿元, 建筑业增加值/亿元 d. Predictors in the Model: (Constant), 工业增加值/亿元, 建筑业增加值/亿元 e. Dependent Variable: 能源消费标准煤总量/万吨 10