1980 1359.4 1996.5 195.5 98705 2976.1 1981 1545.6 2048.4 207.1 100072 3309.1 1982 1761.6 2162.3 220.7 101654 3637.9 1983 1960.8 2375.6 270.6 103008 4020.5 1984 2295.5 2789.0 316.7 104357 4694.5 1985 2541.6 3448.7 417.9 105851 5773.0 1986 2763.9 3967.0 525.7 107507 6542.0 1987 3204.3 4585.8 665.8 109300 7451.2 1988 3831.0 5777.2 810.0 111026 9360.1 1989 4228.0 6484.0 794.0 112704 10556.5 1990 5017.0 6858.0 859.4 114333 11365.2 1991 5288.6 8087.1 1015.1 115823 13145.9 1992 5800.0 10284.5 1415.0 117171 15952.1 1993 6882.1 14143.8 2284.7 118517 20182.1 1994 9457.2 19359.6 3012.6 119850 26796.0 1995 11993.0 24718.3 3819.6 121121 33635.0 1996 13844.2 29082.6 4530.5 122389 40003.9 1997 14211.2 32412.1 4810.6 123626 43579.4 1998
14599.6
33429.8
5262.0
124810
46405.9
解：后退法：输出结果
系数a 模型 非标准化系数 标准系数 B 标准 误差 试用版 t Sig. 1 (常量) 1438.120 2252.472 .638 .533 农业x1 -.626 .168 -1.098 -3.720 .002 工业x2 -.328 .207 -1.352 -1.587 .135 建筑业x3 -.383 .555 -.251 -.691 .501 人口x4 -.004 .025 -.014 -.161 .875 最终消费x5 .672 .130 3.710 5.178 .000 受灾面积x6 -.006 .008 -.015 -.695 .499 2 (常量) 1079.754 299.759 3.602 .003 农业x1 -.642 .130 -1.126 -4.925 .000 工业x2 -.303 .131 -1.249 -2.314 .035 建筑业x3 -.402 .525 -.263 -.765 .456 最终消费x5 .658 .095 3.636 6.905 .000 受灾面积x6 -.006 .007 -.017 -.849 .409 25
44530 1159.9 39790 1175.8 33130 1212.3 34710 1367.0 31890 1642.9 44370 2004.8 47140 2122.0 42090 2199.4 50870 2357.2 46990 2664.9 38470 2937.1 55470 3149.5 51330 3483.4 48830 4349.0 55040 5218.1 45821 6242.2 46989 7408.0 53429 8651.1 50145
9876.0
3 (常量) 农业x1 工业x2 最终消费x5 受灾面积x6 4 (常量) 农业x1 工业x2 最终消费x5 a. 因变量: 财政收入y 1083.150 -.624 -.373 .657 -.005 874.604 -.611 -.353 .637 295.816 .127 .093 .094 .007 106.869 .124 .088 .089 -1.095 -1.535 3.627 -.015 3.662 -4.931 -3.998 6.981 -.758 8.184 -4.936 -3.994 7.142 .002 .000 .001 .000 .460 .000 .000 .001 .000 -1.073 -1.454 3.516 Anovae 模型 1 回归 残差 总计 2 回归 残差 总计 3 回归 残差 总计 4 回归 残差 总计 平方和 1.365E8 528793.319 1.370E8 1.365E8 529767.852 1.370E8 1.364E8 550440.103 1.370E8 1.364E8 570180.931 1.370E8 df 6 14 20 5 15 20 4 16 20 3 17 20 均方 2.274E7 37770.951 F 602.127 Sig. .000a 2.729E7 35317.857 772.734 .000b 3.411E7 34402.506 991.468 .000c 4.547E7 33540.055 1355.753 .000d a. 预测变量: (常量), 受灾面积x6, 建筑业x3, 人口x4, 农业x1, 最终消费x5, 工业x2。 b. 预测变量: (常量), 受灾面积x6, 建筑业x3, 农业x1, 最终消费x5, 工业x2。 c. 预测变量: (常量), 受灾面积x6, 农业x1, 最终消费x5, 工业x2。 d. 预测变量: (常量), 农业x1, 最终消费x5, 工业x2。 e. 因变量: 财政收入y 模型汇总 模型 标准 估计的误R 1 .998a R 方 .996 调整 R 方 .994 差 194.34750 26
R 方更改 .996 F 更改 602.127 df1 6 df2 14 更改统计量 Sig. F 更改 .000 2 3 4 .998b .998c .998d .996 .996 .996 .995 .995 .995 187.93046 185.47913 183.13944 .000 .000 .000 .026 .585 .574 1 1 1 14 15 16 .875 .456 .460 a. 预测变量: (常量), 受灾面积x6, 建筑业x3, 人口x4, 农业x1, 最终消费x5, 工业x2。 b. 预测变量: (常量), 受灾面积x6, 建筑业x3, 农业x1, 最终消费x5, 工业x2。 c. 预测变量: (常量), 受灾面积x6, 农业x1, 最终消费x5, 工业x2。 d. 预测变量: (常量), 农业x1, 最终消费x5, 工业x2。 ?回归方程为：y?874.604?0.611x1?0.353x2?0.637x5
逐步回归法：输出结果
模型汇总 模型 标准 估计的误R 1 2 3 .994a .996b .998c R 方 .989 .992 .996 调整 R 方 .988 .991 .995 差 285.68373 247.77768 183.13944 R 方更改 .989 .003 .004 F 更改 1659.441 7.258 15.948 df1 1 1 1 df2 19 18 17 更改统计量 Sig. F 更改 .000 .015 .001 a. 预测变量: (常量), 最终消费x5。 b. 预测变量: (常量), 最终消费x5, 农业x1。 c. 预测变量: (常量), 最终消费x5, 农业x1, 工业x2。 Anovad 模型 1 回归 残差 总计 2 回归 残差 总计 3 回归 残差 总计 平方和 1.354E8 1550688.654 1.370E8 1.359E8 1105088.003 1.370E8 1.364E8 570180.931 1.370E8 df 1 19 20 2 18 20 3 17 20 均方 1.354E8 81615.192 F 1659.441 Sig. .000a 1106.637 .000b 6.794E7 61393.778 4.547E7 33540.055 1355.753 .000c a. 预测变量: (常量), 最终消费x5。 27
b. 预测变量: (常量), 最终消费x5, 农业x1。 c. 预测变量: (常量), 最终消费x5, 农业x1, 工业x2。 d. 因变量: 财政收入y
系数a 模型 非标准化系数 B 1 (常量) 最终消费x5 2 (常量) 最终消费x5 农x1 3 (常量) 最终消费x5 农x1 工x2 a. 因变量: 财政收入y 业-.353 .088 -1.454 -3.994 .001 .992 -.696 -.062 业-.611 .124 -1.073 -4.936 .000 .987 -.767 -.077 874.604 .637 106.869 .089 业-.414 .154 -.726 -2.694 .015 .987 -.536 -.057 1011.912 .311 136.901 .049 710.372 .180 标准 误差 90.891 .004 标准系数 试用版 t 7.816 .994 40.736 Sig. .000 .000 零阶 相关性 偏 部分 .994 .994 .994 1.718 7.392 6.374 .000 .000 .994 .832 .135 3.516 8.184 7.142 .000 .000 .994 .866 .112 回归方程为:y?874.604?0.636x1?0.353x2?0.637x5
5.10 (1) 模型汇总 模型 R 1 2 .908a .000b R 方 .824 .000 调整 R 方 .736 .000 标准 估计的误差 625.88326 1217.15945 ?a. 预测变量: (常量), x6, x3, x2, x4, x5。 b. 预测变量: (常量) 28
Anovac 模型 1 回归 残差 总计 2 回归 残差 总计 平方和 1.830E7 3917298.522 2.222E7 .000 2.222E7 2.222E7 df 5 10 15 0 15 15 均方 3660971.683 391729.852 F 9.346 Sig. .002a .000 1481477.129 . .b a. 预测变量: (常量), x6, x3, x2, x4, x5。 b. 预测变量: (常量) c. 因变量: y 系数a 模型 非标准化系数 B 1 (常量) x2 x3 x4 x5 x6 2 (常量) 5922.827 4.864 2.374 -817.901 14.539 -846.867 7542.938 标准 误差 2504.315 2.507 .842 187.279 147.078 291.634 304.290 标准系数 试用版 t 2.365 .677 .782 -1.156 .050 -.899 1.940 2.818 -4.367 .099 -2.904 24.789 Sig. .040 .081 .018 .001 .923 .016 .000 a. 因变量: y 回归方程为：y?5922.827?4.864x2?2.374x3?817.901x4?14.539x5?846.867x6 (2)后退法：输出结果 模型汇总 模型 R 1 2 .908a .907b R 方 .824 .824 调整 R 方 .736 .759 标准 估计的误差 625.88326 597.04776 ?a. 预测变量: (常量), x6, x3, x2, x4, x5。 b. 预测变量: (常量), x6, x3, x2, x4。 29