《表4 逐步回归模型摘要a, o》
注:a因变量:VCA。b预测变量:常量,MBPM。c预测变量:常量,MBPM,CI。d预测变量:常量,MBPM,CI,SGR。e预测变量:常量,MBPM,CI,SGR,EPS。f预测变量:常量,MBPM,CI,SGR,EPS,FS。g预测变量:常量,MBPM,CI,SGR,EPS,FS,RONA。h预测变量:常量,MBPM,CI,SGR,EPS,FS,
与其他回归方法相比,逐步回归分析法最明显的特征是将各个自变量逐一地加入回归模型中,每增加一个自变量就会构建一个新的回归模型,并对新的回归模型进行变量t检验和模型F检验,若通过显著性检验则保留新引入的自变量,否则将其剔除,直至没有显著变量可选入模型为止,从而得到最优回归模型。本文选取的自变量数量较多,更适用于使用逐步回归分析法进行变量和模型的自主筛选。沿用上文变量相关性检验使用的面板数据,利用软件SPSS 24进行模型构建,基于逐步回归分析得到的模型摘要如表4所示。
图表编号 | XD0029056200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.08 |
作者 | 刘吉成##博士生导师、林湘敏、王源 |
绘制单位 | 华北电力大学经济与管理学院、新能源电力与低碳发展研究北京市重点实验室(华北电力大学)、华北电力大学经济与管理学院、新能源电力与低碳发展研究北京市重点实验室(华北电力大学)、华北电力大学经济与管理学院、新能源电力与低碳发展研究北京市重点实验室(华北电力大学) |
更多格式 | 高清、无水印(增值服务) |