1 本文的研究主要從四個部分來進行。第一章體數(shù)據(jù)下，選用塑料、水泥、鋼筋、平板玻璃 23 河北工程大學本科畢業(yè)設計（論文） 2 4 5 5 6 6 7 7 7 8 9 9 4 在各個方面，變量之間的關系一般來說可分為確定系。例如人的身高與體重之間存在著關系，一般來同樣高度的人，體重往往不相同。人的血壓與年齡血壓往往不相同。氣象中的溫度與濕度之間的關系量（如體重、血壓、適度）是隨機變量，上面所工業(yè)的產品的總量。它是反映一定時間內工業(yè)算工業(yè)生產發(fā)展速度和主要比例關系，計算據(jù)。工業(yè)總產值包括成品價值、工業(yè)性作業(yè)價值和自制值。工業(yè)，總產值采用“工廠法”計算，即以工業(yè)活動的最終成果來計算。但各企業(yè)之間、行業(yè)之間公式為：報告期工業(yè)總產值=報告期全部產品的成的變化。而這些變量之間的關系是線性的，這樣5 的與非確定性的兩種。確定性關系是指變量之間的關系種非確定性的即所謂的相關關系。例如人的身高與體重高一些，體重也要重一些，但同樣高度的人，體重往往存在著關系，但同年齡的人的血壓往往不相同。氣象中樣的。這是因為我們涉及的變量（如體重、血壓、適度在回歸分析中，如果有兩個或兩個以上的自變量，現(xiàn)象常常是與多個因素相聯(lián)系的，由多個自變比只用一個自變量進行預測或估計更有效，更在研究問題是，我們考慮一個變量受其他變量的影其中f(x)為當X=x時，因變量Y的均值，即.稱f(x)為Y對X的回歸函數(shù)，ε為Y與f(x)的偏差，它是隨機變量，并假定E(ε)=0。EQ\*jc3\*hps36\o\al(\s\up1(Z),2)EQ\*jc3\*hps36\o\al(\s\up1(Z),3)EQ\*jc3\*hps36\o\al(\s\up1(Z),4)EQ\*jc3\*hps36\o\al(\s\up1(+),4)i6 EQ\*jc3\*hps37\o\al(\s\up2(Y),1)kzk1122n能不正確，因此并不能保證模型符合變量的實際關基本規(guī)定性，明確分析對象，保證回歸分析的有效X1i2對i=1,2...n都EQ\*jc3\*hps36\o\al(\s\up20(4),ov)EQ\*jc3\*hps36\o\al(\s\up20(應),ε)EQ\*jc3\*hps36\o\al(\s\up20(同),E)EQ\*jc3\*hps36\o\al(\s\up20(數(shù)),E)EQ\*jc3\*hps36\o\al(\s\up20(誤),ε)EQ\*jc3\*hps36\o\al(\s\up20(項),E)EQ\*jc3\*hps36\o\al(\s\up20(不),ε)EQ\*jc3\*hps36\o\al(\s\up20(即),ε)ijiijjij7 i（6）誤差項ε服從正態(tài)分布[7]。ikzk如果用b0，?,bk分別表示模型參數(shù)β0，?,βk的估計，那么樣本回歸方程就是 i……,:ib的唯一的一組解，就是β,?,β的最小二乘估計[8]。8 Yz:Y0kzkn'(Y-XB)=Y'Y-B'X'Y-Y'XB+B'X'XB.i求V對b0，?,bk的偏導數(shù)，等價于V對向量B求梯度，因此最小二乘估計的正規(guī)方程B=(Z'Z)-1Z'Y,(2.6)行元素構成的行向量，上式對k=1，?,K都成立，b正是被解釋變量觀測值Y的線性等于相應參數(shù)的真實值，最小二乘估計向量的9 'Z)-1Z'E(ε)=β.根據(jù)最小二乘估計公式和模型假設，可以直接回歸直線的逆合度一方面取決于回歸直線的選擇樣本數(shù)據(jù)的分布在本質上是由變量關系決定的。因EQ\*jc3\*hps36\o\al(\s\up5(^),Y)離差；另一部分是實際觀測值與理論回歸值的離差（Y-EQ\*jc3\*hps36\o\al(\s\up5(^),Y)它是不EQ\*jc3\*hps36\o\al(\s\up4(^),Y)EQ\*jc3\*hps36\o\al(\s\up4(^),Y)EQ\*jc3\*hps29\o\al(\s\up17(i),SSR)jjjjjj 河北工程大學本科畢業(yè)設計（論文）i2<1；當回歸直線沒有解釋任何離差，即模型中解釋變量Y與因變量Y完全無關時，Y的總判定系數(shù)R2的大小受到自變量X的個數(shù)k的ΣΣ 其中cjjjjjjjjjjj0jjjj(3)給定顯著性水平α,查表得臨界值t(n-k)若|t|≥tα/2(n-k)，就拒絕H0，Zj對Y有顯著線性作用；若|t|≤tα/2(n-k)，就接受H0，Zj對Y線性作用不顯著。解釋變量是否存在明顯影響的檢驗，回歸顯著性檢驗的22, (3)給定顯著性水平α,查表，得F(k-1,n-k)α將每個解釋變量對其余變量回歸，若某個回歸方程截面數(shù)據(jù)和時序數(shù)據(jù)結合，有時在時間序列數(shù)據(jù)面數(shù)據(jù)中不一定有嚴重的共線性。在假定截面 化不大的前提下，可先用截面數(shù)據(jù)估計出一些變換模型形式（差分法）:假設Z和Z存在高度線性相關。t.t-13.ttλλ 河北工程大學本科畢業(yè)設計（論文）誤差項有如下異方差性σi2=f(zji)σ2，可以用f(zji)除模型各項，得到：jijiji. 快速、健康和持續(xù)發(fā)展的中小企業(yè)，對經(jīng)濟增長的長、國際貿易、擴大就業(yè)、推動創(chuàng)新、提高消費能推動我國經(jīng)濟社會發(fā)展的重要力量，是大企業(yè)發(fā)展是經(jīng)濟活力的具體體現(xiàn)[1]?？赝?。確保發(fā)展和控制物價是對立的統(tǒng)一，既是全球經(jīng)濟放緩，這些都對我國經(jīng)濟有很大影響，我們戰(zhàn)[3]。小企業(yè)本身來說基本上是無能為力的，然而可以向降低成本要效益，從擴大內需中要效益，那么動消費、刺激消費，尋找一種能夠產生新的消費業(yè)總產值按“工廠法”計算，即以工業(yè)企業(yè)作為 設4X4157具體到各個地區(qū)，根據(jù)各個地區(qū)的條件情形不同，差異，所以此次就對同一地區(qū)的工業(yè)生產總值與經(jīng)個地區(qū)的數(shù)據(jù)進行收集，然后得出結論，這個結論經(jīng)濟發(fā)展的關系，為促進經(jīng)濟發(fā)展，針對某一地區(qū) 表4.1原始數(shù)據(jù)工業(yè)總產值(當年價 河北工程大學本科畢業(yè)設計（論文）塑料制品水泥x2,EQ\*jc3\*hps31\o\al(\s\up7(dj),S)EQ\*jc3\*hps31\o\al(\s\up7(us),qu)EQ\*jc3\*hps31\o\al(\s\up7(E),Es)EQ\*jc3\*hps31\o\al(\s\up7(rror),tim)EQ\*jc3\*hps31\o\al(\s\up7(o),t)鋼x5表4.4ANOVA(b)平板玻璃x3BVIF8aDependentVariable:工業(yè)總產值y R2=0.987,R2=0.983,F=249.059是顯著的。故我們對上述模型進行計量經(jīng)濟學的檢驗，其中我們看到平板玻璃和盤條產量的系數(shù)是系時，由于政策領導或其它的因為地區(qū)的特殊性的系數(shù)是可能成為負值的。比如工業(yè)總產值在下降， 河北工程大學本科畢業(yè)設計（論文）NNNNNNN100000000制品水泥010000平板玻璃00100000001.00000001.00鋼筋盤條000001000000001001 河北工程大學本科畢業(yè)設計（論文）1塑料制品水泥x2表4.877F iB平板玻璃x3型擬合程度與決定系數(shù)有關，決定系數(shù)越大，模型較好，又F=50065.439>10,模型總體顯著性檢驗得1X13X34X45X56X67X7j)用于檢驗擾動項是否存在自相關的方法主要有：D-W檢驗（D 河北工程大學本科畢業(yè)設計（論文）EQ\*jc3\*hps35\o\al(\s\up1(^),P)EQ\*jc3\*hps36\o\al(\s\up0(^),P)EQ\*jc3\*hps36\o\al(\s\up0(^),P)L界值D，并依下列準則判斷擾動項的自相關情形。UL②如果D<D.W<D，則無法判斷是否有自相關。LU③如果D<D.W<4-D，則接受零假設，擾動項不存在一階正自相關。D.W越接近2，④如果4-D<D.W<4-D，則無法判斷是否有自相關。L下，查表n=30，k=3時，D=1.21，D=1.55，由于LUD=1.21<DW=1.955873<4-D=2.45，EQ\*jc3\*hps35\o\al(\s\up1(^),P)1R1of 表4.13表4.13ANOVA(b)df7FBeVIF與決定系數(shù)有關，決定系數(shù)越大，模型擬合程度越高，可見本EQ\*jc3\*hps36\o\al(\s\up7(^),Y)EQ\*jc3\*hps35\o\al(\s\up1(^),P) SquaretheEstimate0.984243.399800.994(a)0.988Durbin-Watson2.072表4.16表4.17表4.17ANOVA(b)7TotalSumofSquares112177062.223 1362599.661113539661.88516025294.60359243.464F270.499StandardizedCoefficients0.3610.414-0.3080.587-0.5210.534-0.061CollinearityTolerance0.0240.0060.0080.0010.0010.0050.005StatisticsVIF40.909131.958898.59445.4000.4530.0240.0510.1510.1700.3270.422(Constant)X12X22X32X42X52X62X72B-1.4590.032-0.0600.129-0.1120.550-0.082t-0.0322.4721.365-1.1750.857-0.6591.682-0