《表6 多元线性回归结果》

  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

《新时代区域商贸物流影响因素与发展方向研究——以重庆为例》

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

注:括号内为t值，***、***分别表示1%、5%的水平上显著。

通过上述因子分析结果可知，解释RSCG和TWP-iv的变量结构中都提取了两个主成分，形成了两组新的解释变量FAC1、FAC2和FAC3、FAC4，若分别将这两组新的变量与被解释变量进行多元回归分析，则能保留原有被解释变量的大部分信息，从而能够构建不含剔除变量的原有解释变量的多元回归模型。考虑到上述模型未能分析出商贸物流的主要影响因素，因此本文再考虑用旋转主成分上载荷最大的变量作为解释变量，进行多元回归分析，以便进一步分析其主要影响因素。由表4（b）和表5（b）可知，解释RSCG和TWP-iv的的主成分载荷最大的都是RMBD-balance（分别为0.956和0.964）和P-turnover（分别为0.827和0.986），因此对因变量RSCG和TWP-iv分别与自变量RMBD-balance、P-turnover进行多元回归分析。回归分析的有关结果如表6所示。从回归结果来看，模型的拟合优度相对较高，回归方程和回归系数的显著性检验结果显著，可建立线性模型。