为避免解释变量之间存在的高度相关对模型准确度的影响，本章用SPSS 11.5软件，对模型（Dependent Variable：LNSX）进行逐步回归（Stepwise）。[6]回归结果如表7-4所示。
a Predictors:（Constant），LNHQ
b Predictors:（Constant），LNHQ，LNURB
c Predictors:（Constant），LNHQ，LNURB，LNMX
d Predictors:（Constant），LNHQ，LNURB，LNMX，LNLS
e Predictors:（Constant），LNHQ，LNURB，LNMX，LNLS，LNL1
表7-4 逐步回归过程的变量选择
(www.xing528.com)
从表7-4可以看到，在回归过程中，依次选定的变量分别为LNHQ、LNURB、LNMX、LNLS、LNL1五个变量，得到非常好的回归模型：R2=0.999，
，DW＝1.962，这说明在这个回归模型中，不存在自相关问题。且所选的五个解释变量都通过了α=0.05的t检验。最终模型回归结果如表7-5。
由于本模型为时间序列，为避免伪回归，本章用Eviews 5.0对本模型的残差进行Phillips－Perron检验，判断数据的平稳性，结果如表7-6所示。表7-6的检验结果显示在1%的置信水平下，残差序列不存在单位根，即残差序列是平稳的，也就是说，这个回归方程不是伪回归。
表7-5 Model5最终模型回归结果
表7-6 最终模型的残差Phillips-Perron检验
所以得到最终模型如下：
ln SX=-1.548+5.172lnHQ-2.745lnURB+0.474lnMX-0.502lnLS+0.203lnL1
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
