《表1 因子系统及解释变量》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《湖南省贫困村空间分异及影响因素研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于致贫原因较多，具有多个解释变量，如何根据现有理论和常识从众多解释变量中挖掘出反映贫困村问题的OLS模型解释变量是建立模型的关键。探索性回归分析（exploratory regression）是一种数据挖掘方法，通过尝试解释变量的所有可能组合，便于了解哪些模型可以通过必要的OLS诊断。通过探索性回归不仅可以寻找具有较高校正R2值的模型，还可以设定满足条件并对残差进行空间自相关检验，寻找满足OLS诊断要求和假设的模型。基于数据的可获得性、动态性、典型性等原则，并考虑贫困与区位、环境、社会经济、资源禀赋的影响，对样本候选解释变量进行筛选。本文收集到75个解释变量，通过对样本解释变量进行探索性回归分析，确定最优变量组合，其最大校正R2为0.72，VIF值为7.07，不存在多重共线性现象且模型拟合度达到72%。根据最优变量组合建立因子系统（见表1）。