主模型的构建与回归分析

5 主模型的构建与回归分析5.1 模型的设定影响我国电子商务发展的因素是非常复杂的，我们力求建立经济模型把所要研究的主要因素之间的关系，用适当的数学关系式近似地、简化地表达出来。为此，我们基于收集到的数据，利用Eviews 软件，观测y x1 x2 x3 x4 lny lnx1 lnx2 lnx3lnx4等数据及数据处理结果的趋势线，最终得到的回归模型为：Lny=c+ 1lnX1+2lnX2+3X3+ 4X4+5X5+u其中 y 为被解释变量，表示人均网络购物在线交易规模交易（元 /人），其余为解释变量 x1 表示 PC 互联网用户 (亿人 ) x2 表示手机上网人数 x3 社会物流总费用（亿元） x4 表示城镇居民可支配收入（元） x5 表示 B2C 、 C2C 企业数量（家） 。5.2 模型的估计利用 Eviews 软件生成所需对数数据，并进行普通最小二乘参数估计：表格0-1 第一次回归结果根据表中数据，模型的估计结果为Lny =10.721+0.381lnX1+0.959lnX2-（ 5.28E-5 ） X3-3.728X4-(5.19E-5)lnX55.3 模型的检验经济意义检验从回归结果来看，回归系数表明在其他因素不变时，每一个单位的单个解释变量变化对于被解释变量变化的影响，其中，x1、 x2 、 x3 的回归系数与预测符号相同x4 、x5 的回归系数与预测符号相反，说明模型可能存在多重共线。统计推断检验从回归结果来看， 可决系数 R2=0.964126 ，调整后的 R2=0.952915 ，说明模型整体拟合程度显著；给定 =0.05 ，查 t 分布表， 在自由度 =n-k=22-5=17 时的临界值为 2.1098 ，各解释变量对于被解释变量的影响不显著。多重共线检验利用 eviews 软件计算各解释变量的相关系数，可以看出，各解释变量相互之间的相关系数较高，证实确实存在多重共线。表格0-2 解释变量相关系数矩阵采用逐步回归法，首先得到一元回归估计结果:表格0-3 解释变量逐步回归结果变量lnx1lnx2x3x4x5参数估计值1.2119930.5531178.39E-050.0005230.000364t 统计量13.6193111.675802.6727559.2522685.705318R20.9026700.8720610.2631790.8106140.619415调整 R20.8978030.8656640.2263380.8011450.600386其中加入 lnx1的方程调整R2最大，以 lnx1为基础，顺次加入其他变量逐步回归。表格0-4 以解释变量LNX1 为基础加入变量Lnx1lnx2X3X4X5调整 R2Lnx1 lnx20.9540700.1234750.895274(2.579691)（0.719049）Lnx1 x31.341383-2.6E-050.908913（12.28309）(-1.854597)Lnx1 x41.300794-4.23E-050.892947（4.260394）(-0.304717)Lnx1 x51.55854-0.0001410.913111(8.542966)(-2.2126837)分别加入x3、 x5 之后，调整 R2有所增加， x5 对调整 R2改进最大且lnx1与 x5 的 t检验显著，保留x5 ，继续加入其余变量回归。表格0-5 以解释变量LNX1 、 X5 为基础加入变量Lnx1lnx2X3X4X5调整 R2Lnx1 x5 lnx20.8595120.468835-0.0002550.937367(2.993279)(2.891065)（ -3.710661）Lnx1 x5 x31.520987-1.04E-05-0.0001040.909622（ 7.613775）（-0.516404）（ -1.071921）Lnx1 x5 x41.2269400.000279-0.0002430.920580（ 4.641516）（1.669431 ）（ -2.758753）分别加入 lnx2 、 x4 之后，调整 R2有所增加， lnx2对调整 R2改进最大且lnx1 、lnx2与x5 的 t 检验显著，保留lnx2 ，继续加入其余变量回归。表格 0-6以解释变量 LNX1 、 X5 、 LNX2 为基础加入变量Lnx1lnx2X3X4X5调整 R2Lnx1 x5lnx20.5305340.604186-3.52E-05-0.0001640.947374x3（ 1.732714 ）（3.729922 ）（ -2.103022）（ -2.162728）Lnx1 x5lnx20.8613860.504660-4.64E-05-0.0002460.933865x4（ 2.918044）（2.148408）（-0.216393 ）（ -3.056679）加入变量x3，模型的整体拟合程度提高，但是单个解释变量的t 统计值不显著，可以判断变量x3与其余变量存在多重共线，加入变量x4后，调整R2下降，且影响lnx1、lnx2与x5的t 检验显著。故在模型中剔除解释变量x3、 x4 。对经过多重共线修正后的模型进行普通最小二乘，得到的模型为：Lny=7.103462+0.859512lnX1+0.468835lnX2-0.000255X5表格0-7 LNX1 、 X5 、 LNX2 与 LNY 回归结果自相关检验由多重共线修正后的最小二乘表可知，DW=0.856103，在 n=22,k =3 时，查询在显著水平0.05 的条件下，临界值dl=1.053 ， du=1.664DWdu. ，模型不存在自相关。C=C/(1- )=2.801029/(1-0.568228)= 6.487287272 1=1 2=2异方差检验对修正后的模型进行white 检验。表格0-10 white检验结果从 回 归 结 果 可 知 ， nR2 =6.922344 ， 在 =0.05 ， 查 2 分 布 表 ， 得 临 界 值 20.05(9)=16.919。nR2 20.05(9)，接受原假设，模型中不存在异方差。5.4 最终模型Lny=6.487+1.297244lnX1+0.264lnX2-0.0001115X5