内容发布更新时间 : 2024/11/9 19:44:22星期一 下面是文章的全部内容请认真阅读。

模型汇总 模型汇总 模型 1 R .962 R 方 .925 标准 估计的误 Sig. 调整 R 方 差 .905 .30692707 .000 表1-4 模型汇总 3.表1-5所示是离散分析。 ，F的值较大,代表着该回归模型是显著。也称为失拟性检验。 模型 1 回归 残差 总计 平方和 25.660 2.072 27.732 df 6 22 28 均方 4.277 .094 F 45.397 表1-5 离散分析

4.表1-6所示的是回归方程的系数，根据这些系数我们能够得到完整的多元回归方程。观测以下的回归值，都是具有统计学意义的。因而，得到的多元线性回归方程：Y=0.008+1.061x1+0.087 x2+0.157 x3-0.365 x4-0.105 x5-0.017x6

（x1为煤炭消费量，x2为焦炭消费量，x3为原油消费量，x4为原煤产量，x5为原炭产量，x6为原油产量，Y是能源消费总量）

结论：能量消费总量由主要与煤炭消费总量所影响，成正相关；与原煤产量成一定的反比。 系数 非标准化系数 模型 1 (常量) B .008 Zscore(煤炭消费量) 1.061 Zscore(焦炭消费量) .087 Zscore(原油消费量) .157 Zscore(原煤产量) Zscore(焦炭产量) Zscore(原油产量) -.365 -.105 -.017 .057 .126 .101 .085 .155 .150 .070 标准系数 t .149 8.432 .856 1.848 -2.360 -.697 -.247 Sig. .883 .000 .401 .078 .028 .493 .807 1.071 .088 .159 -.372 -.107 -.017 标准 误差 beta 表1-6回归方程系数

5.模型的适合性检验，主要是残差分析。残差图是散点图，如图1-11所示：

图1-11残差图

可以看出各散点随机分布在e=0为中心的横带中，证明了该模型是适合的。同时我们也发现了两个异常点，就是广东省和四川省，这种离群点是值得进一步研究的。

还有一种残差正态概率图（rankit图）可以直观地判断残差是否符合正态分布。如图1-12所示：

图1-12 rankit（P-P）图 它的直方图如图1-13所示：

图1-13 rankit（直方）图