商務(wù)統(tǒng)計-中國快遞業(yè)的影響因素研究復(fù)習課程

1、我國快遞行業(yè)發(fā)展的影響因素研究引言1. 研究課題2. 選題背景2.1 行業(yè)簡介2.2 行業(yè)背景3. 研究意義變量選取及數(shù)據(jù)收集1. 確定變量1.1 確定因變量1.2 確定影響因素及其指標2. 收集數(shù)據(jù)2.1 數(shù)據(jù)來源2.2 具體數(shù)據(jù)三、基于 SPSS 進行數(shù)據(jù)分析1.單因素分析1.1 分析思路1.2 單因素分析1.3 單因素分析結(jié)果2.多元回歸分析2.1 建立多元回歸模型2.2 回歸方程2.3 多重共線性檢驗2.4 解決模型中存在的問題四、總結(jié)及建議1.總結(jié)2.反思3. 建議五、參考文獻亠、引言1. 研究課題研究題目：快遞業(yè)影響因素分析研究內(nèi)容：(1) 影響快遞業(yè)的因素都有哪些?(2) 它們?nèi)?/p>

2、何影響快遞行業(yè)？2. 選題背景2.1行業(yè)簡介快遞業(yè)，是指承運方通過鐵路、公路、航空等交通方式，運用專用工具、設(shè)備和 應(yīng)用軟件系統(tǒng)，對國內(nèi)、國際及港澳臺地區(qū)的快件攬收、分揀、封發(fā)、轉(zhuǎn)運、投送、 信息錄入、查詢、市場開發(fā)、疑難快件進行處理，以較快的速度將特定的物品運達指 定地點或目標客戶手中的物流活動，是物流的重要組成部分。他的特點就是在于他的“快”字，能夠在極短的時間內(nèi)將物品運達到目標地點， 但是運量相對較小，運費較高，同時由于要經(jīng)過不同的站點，幾經(jīng)周折，易使物品流 失或損壞，安全系數(shù)相對較低。用運方鐵踣、公路、航空專用T.具、設(shè)備r應(yīng)用軟件系統(tǒng)快遞業(yè)，由于運輸方式和對象的不同，通常分為不同的快

3、遞服務(wù)種類，如下:分英標淮航空快運由于運輸萬式的快捷，已經(jīng)成為快運的晟常用斤式之一"按騒運斶方式分尖公路快運運輸量晶.大的怕運方式欽腱快運運咲史全'淮it水運快運適合大親監(jiān)品的運踰，尤其是有時間緊迫性需琳的大寮將咪物品的運輻|按照報務(wù)刈衆(zhòng)分冥門到門或桌到桌服務(wù)，速度更快，夢是累急的小犧品，以文件和屮包裏為主展快踣嚏度和安全碼毅都一醍，議合一舉蚯2.2 行業(yè)背景自 1979年出現(xiàn)第一家快遞企業(yè)起 , 中國快遞業(yè)已成為市場中關(guān)注度最高、 發(fā)展速 度最快的行業(yè)之一。 中國報告網(wǎng)物流行業(yè)分析師指出， 隨著購物狂歡節(jié)等網(wǎng)絡(luò)促銷的 拉動, 即使在經(jīng)濟低迷的 2012年,快遞業(yè)增速依然高達

4、 51.2%。同時, 快遞企業(yè)間的競 爭日益加劇,目前我國注冊快遞企業(yè)逾 6000家,從業(yè)人員達 60 多萬。行業(yè)中,國有企 業(yè)加速改革 ,民營企業(yè)迅速崛起 ,國際快遞加強中國市場戰(zhàn)略部署。 2012年 9月,國家 郵政局正式批準FedEx和UPS經(jīng)營國內(nèi)快遞業(yè)務(wù)。外資快遞巨頭進入國內(nèi)市場,必將給國內(nèi)快遞市場帶來巨大競爭。（一）國內(nèi)快遞業(yè)處于高速發(fā)展時期郵政局統(tǒng)計顯示 :2012 年, 全國規(guī)模以上快遞企業(yè)業(yè)務(wù)量累計完成億件 , 同比增 長 53.2%;收入累計完成 1055.2 億元, 同比增長 32.6%。從以下我國 2007 年以來快遞 業(yè)務(wù)量和收入圖可以看出 ,我國快遞業(yè)務(wù)呈現(xiàn)高速增長

5、態(tài)勢 ,同時,快遞業(yè)“十二五” 規(guī)劃也指出了快遞行業(yè)未來發(fā)展目標位21%相關(guān)研究也表明快遞業(yè)與 GDP的增長比例為 1:2.9, 國內(nèi)經(jīng)濟快速發(fā)展的趨勢下 ,快遞業(yè)也必將持續(xù)高速發(fā)展。（二）異地主導(dǎo),東強西弱郵政局統(tǒng)計的快遞三個細分市場中 ,2012 年同城、異地和國際及港澳臺業(yè)務(wù)收入 分別為110.2、635.5 、205.6億元,異地占比最大,收入占比60.2%,業(yè)務(wù)量占比 73.3%。 同時, 國內(nèi)快遞業(yè)也出現(xiàn)了較強的區(qū)域差異 , 業(yè)務(wù)主要集中在東部地區(qū) ,2012 年業(yè)務(wù) 量和收入分別占到全國 81.9%和82.3%。（三）電商興起助力快遞蓬勃發(fā)展隨著互聯(lián)網(wǎng)技術(shù)的普及和發(fā)展 , 電子商

6、務(wù)也迅猛發(fā)展 , 中國報告網(wǎng)發(fā)布的 2009- 2012年中國快運快遞行業(yè)投資策略分析及競爭戰(zhàn)略研究咨詢報告 顯示截至 2012年 12月底,我國網(wǎng)民規(guī)模達億 ,其中網(wǎng)購用戶達到億 ,網(wǎng)購使用率高達 42.9%。手機應(yīng)用 的開發(fā)也推進網(wǎng)購便捷化。 近年來,快遞作為網(wǎng)購商品配送的最佳選擇 ,國內(nèi)幾大電商 網(wǎng)站主導(dǎo)的購物狂歡節(jié)在為自身帶來海量訂單之余 , 也引爆了國內(nèi)快遞行業(yè) , 網(wǎng)購用 戶多元的需求也迫使快遞行業(yè)不斷發(fā)展。（四）國際快遞巨頭加強中國市場戰(zhàn)略部署早在中國入市之前 , 國際四大快遞巨頭就開始以收購在華合作伙伴方式進行國內(nèi) 快遞業(yè)務(wù) , 雖然中國郵政法的出臺抑制了其開拓中國市場的速度。

7、但國際快遞巨頭也加大了品牌維護等方面投入,在北京奧運會準備過程中，F(xiàn)edEx和UPS分別成為國 家羽毛球隊贊助商和奧運會官方合作伙伴。 搭乘奧運快車 , 雙雙取得了較高的知名度 , 并實現(xiàn)扎根國內(nèi)快遞市場的戰(zhàn)略目標。 2012年 9月, 相關(guān)經(jīng)營權(quán)限的獲批 ,也幫助其 順利進入了上海、深圳、廣州、杭州等國內(nèi)快遞第一戰(zhàn)場。同時 ,該戰(zhàn)場較高的經(jīng)濟 發(fā)展水平、巨大的快遞市場和多元化的客戶需求也有利于國際快遞巨頭們的中國市場 戰(zhàn)略部署進一步加強。3. 研究意義我國快遞行業(yè)已進入千億時代， 激烈競爭中面臨洗牌， 新一輪市場重組或在進行。 快遞業(yè)作為第三產(chǎn)業(yè)是國民經(jīng)濟的重要組成部分， 早已成為經(jīng)濟學(xué)重要

8、的實證研究領(lǐng) 域。 由于其發(fā)展前景十分廣闊，深入的了解快遞業(yè)的運行特點，研究影響其發(fā)展的 因素，具有非常重要的現(xiàn)實意義。小組將結(jié)合課內(nèi)外統(tǒng)計知識與 SPSS軟件，通過數(shù)據(jù)分析研究影響快遞行業(yè)的因 素，進而更具說服力地提出發(fā)展我國快遞業(yè)發(fā)展的策略和措施。、變量選取及數(shù)據(jù)收集1. 確定變量1.1 確定因變量如上面所述， 小組想要解決的問題是 “影響快遞業(yè)的因素都有哪些？” “它們?nèi)绾?影響快遞行業(yè)？”。首先，我們的因變量需要直觀反映出快遞業(yè)的發(fā)展?，F(xiàn)在有兩個因變量可選：（1）快遞業(yè)務(wù)量（單位：件數(shù)）（2）快遞業(yè)務(wù)收入（單位：人民幣） 兩個數(shù)值都能直觀反映快遞行業(yè)的發(fā)展情況， 但是考略到各個快遞公司

9、的定價水平不同，行業(yè)標準間有差異，我們認為“業(yè)務(wù)收入”不能很好地代表快遞行業(yè)的整體 水平。同時，參考數(shù)篇研究快遞業(yè)的論文，我們發(fā)現(xiàn)大多數(shù)分析人員都會采用“快遞 業(yè)務(wù)量”這一指標，故在此我們小組研究課題的因變量定為“快遞業(yè)務(wù)量” 。1.2確定影響因素及其指標(1) 影響因素：經(jīng)濟發(fā)展情況指標：城鎮(zhèn)居民人居可支配收入YA需求増加疇濟I個人口支配收入城鎮(zhèn)居民人均可支配收入隨著國民經(jīng)濟的發(fā)展，人們的消費水平也會隨之而提升，對快遞行業(yè)的需求增加是必然的趨勢。我們從消費商品的角度研究經(jīng)濟發(fā)展狀況對快遞業(yè)發(fā)展的影響，人均居民可支配收入很好地體現(xiàn)了在消費水平上的經(jīng)濟狀況。但是考慮到當前使用快遞業(yè)的人群主要還是

10、集中在城鎮(zhèn)居民，因此我們小組決定采用城鎮(zhèn)居民人均居民可支配收 入作為經(jīng)濟發(fā)展狀況的代理指標。(2) 影響因素：電商發(fā)展指標：全網(wǎng)網(wǎng)購交易額快遞乂收入就如開題中所說，電子商務(wù)的迅猛發(fā)展給快遞業(yè)帶來的前所未有的溫暖春天。電 子商務(wù)，尤其是網(wǎng)絡(luò)購物，是快遞業(yè)迅速發(fā)展最主要的“背后力量” 。如上圖所示， 網(wǎng)購業(yè)務(wù)的 70%物流依賴于快遞業(yè)務(wù)，且快遞業(yè)收入中的 60%以上為網(wǎng)購收益?？梢?兩行業(yè)的相互依賴度極高。 因此在考慮快遞業(yè)發(fā)展時， 我們不得不談到電商發(fā)展。 而 “全網(wǎng)網(wǎng)購交易額” 是最直觀代表電商發(fā)展影響快遞業(yè)務(wù)量的指標。 因此我們在研究 電商行業(yè)對快遞業(yè)的影響時，將“全網(wǎng)網(wǎng)購交易額”作為衡量指

11、標。（3）影響因素：交通運輸能力指標：公路貨物運輸周轉(zhuǎn)量快遞的特點是快捷便利， 對交通運輸能力的要求非常高。 國內(nèi)鐵路、公路、水路、 航空綜合運輸體系為快遞產(chǎn)業(yè)的發(fā)展提供了重要基礎(chǔ)。 一個國家的航空、航海、鐵路、 公路的完善程度和交通便利程度對快遞業(yè)的發(fā)展至關(guān)重要， 只有這些基礎(chǔ)設(shè)施發(fā)達了， 才能保證快遞業(yè)務(wù)的“準時” 、“安全”和“高效”。因此我們將“交通運輸能力”錄 入影響快遞業(yè)的另一個因素。在選取可以描述“交通運輸能力”對快遞業(yè)的指標時， 我們想到了三個可選指標：a. 公路貨物運輸周轉(zhuǎn)量b. 總貨物運輸周轉(zhuǎn)量c. 按海陸空快遞業(yè)務(wù)量的比例構(gòu)造新的運輸周轉(zhuǎn)量指標。由于快遞業(yè)中海陸空運輸方式

12、所占比例相差較大， 我們認為用 b. 總貨物運輸周轉(zhuǎn) 量來描述運輸對快遞業(yè)的影響不太適合，因此排除 b 項。用 c. 做指標最合適，但是 由于各個快遞業(yè)的發(fā)展階段中海陸空業(yè)務(wù)量的比例不斷改變， 我們無法找到一個合適 的“均值”來描述三種運輸方式的業(yè)務(wù)量比例，故選取 a 方案。由于快遞運輸大多數(shù) 都是依靠公路運輸，將“公路貨物運輸周轉(zhuǎn)量”作為指標，代表整體交通運輸能力對 快遞業(yè)的影響。4）影響因素：進出口貿(mào)易指標：進出口貿(mào)易總額由于國際貿(mào)易中大量信息需要溝通，大量文件、樣品、商品和貨物需要傳送，由 此商業(yè)經(jīng)濟的發(fā)展會更多地依賴于包裹貨運快遞服務(wù)，而非傳統(tǒng)的卡車甚至鐵路運輸 方式。而進出口貿(mào)易總額

13、是反映對外貿(mào)易發(fā)展狀況的很好衡量指標。（5）影響因素：輕工業(yè)發(fā)展指標：輕工業(yè)總產(chǎn)值快遞運輸?shù)漠a(chǎn)品主要來源于輕工業(yè)。 快遞業(yè)運輸?shù)漠a(chǎn)品：服裝、數(shù)碼家電、食品 糖酒、禮品飾品占到了 30%國內(nèi)快遞業(yè)務(wù)量的產(chǎn)品絕大多數(shù)都是由輕工業(yè)提供。國內(nèi)同城快遞、異地業(yè)務(wù)中67.5%以上的業(yè)務(wù)也來自于日用品、服飾、電子產(chǎn)品。輕工 業(yè)的發(fā)展不僅促進了國內(nèi)快遞業(yè)務(wù)的發(fā)展， 而且我國輕工產(chǎn)品因為價格較為低廉而占 據(jù)了全球市場的較大份額。我國快遞業(yè)務(wù)中的國際快遞業(yè)務(wù)85%上均來源于家電、食品、皮革等產(chǎn)品。隨著輕工業(yè)的加快發(fā)展，將會帶動快遞業(yè)務(wù)的進一步上升。輕工 業(yè)對快遞業(yè)發(fā)展的影響也不容忽視。因此我們也考慮輕工業(yè)發(fā)展對于

14、快遞業(yè)的影響。由于輕工業(yè)總產(chǎn)值可以很好地 描述輕工業(yè)發(fā)展，將“輕工業(yè)總產(chǎn)值”作為指標。（6）影響因素：人力資源指標：快遞業(yè)從業(yè)人數(shù)國內(nèi)快遞業(yè)在實行對外開放后，產(chǎn)業(yè)自身獲得了非常大的發(fā)展，得以吸納大量的 人力進入到這一領(lǐng)域，充裕的人力要素是我國快遞業(yè)的競爭優(yōu)勢。需要衡量人力資源 的指標很多包括人員數(shù)量、人員素質(zhì)、人員勞動能力、積極性等等，考慮到量化指標 體系和指標的可獲得性，小組決定選取交通運輸、倉儲和郵政業(yè)從業(yè)人數(shù)作為指標進行分析2收集數(shù)據(jù)2.1數(shù)據(jù)來源（1）國家統(tǒng)計局-統(tǒng)計年鑒（2）國家統(tǒng)計局-年度數(shù)據(jù)（3）中國電子商務(wù)研究中心數(shù)據(jù)（4） 中國互聯(lián)網(wǎng)絡(luò)信息中心http:/www.c nnic

15、.n et.c n/（5） 艾瑞網(wǎng)互聯(lián)網(wǎng)數(shù)據(jù)資訊聚合平臺http:/www.iresearch.c n/2.2具體數(shù)據(jù)年檢快遞業(yè)努 雖 （萬件1全HI懺I居 昆人均可支 配收入（Z 元）全網(wǎng)網(wǎng)購（億元）貨物運輸周 轉(zhuǎn)雖 （噸公里）進岀口圖易 總歳 （37U）輕工業(yè)總產(chǎn)值 f億元）快遞業(yè) 從業(yè)人 數(shù)（萬人）200127200.06859.6r 6.06180.0 142183.6037636.93200234885.07702.81Z86704*05137B.2043355.74200348205.08472.231.57010.070483.5050497.50200465906,09421.

16、65Z07596®95539107211010493.0193.18573.8 J116921.8089422.8216.632006105993.011759.5258.09647.0140974.0094845.9722.6720072008120189,613785.854211354.7166863.70119640,0023.40151329315780.81208.012998.5179921.47145429.0024.002009185784.817174.62500.036393.5150648.06161498.0024.70201023

17、3892.019109.4523L043005,4201722.15200072.0054.202011367311.021809.87566.051333.2236401.99232197.9870.00201256854 & 024564.712594.059992.0 1244160.21263864.5080.002013918675.026955.018500.067114.5258267.00285844.00100.00特別說明：由于2001-2004年快遞業(yè)從業(yè)人數(shù)的相關(guān)數(shù)據(jù)無法查找，只能做缺失處理三、基于SPSS進行數(shù)據(jù)分析1. 單因素分析1.1分析思路首先繪制散點圖

18、，確認近似線性關(guān)系；之后進行擬合度分析及顯著性檢驗, 據(jù)分析結(jié)果對自變量進行“剔除”或“保留”處理。STEP1散點圏STEP2擬合度分析STEP3顯著性檢驗剔除？1.2單因素分析(1)散點圖華耳桂人邛左聲臨比i®ecw«iobmo爭剛i網(wǎng)購普I；枕flZiL)從上面的六張散點圖中可以直觀看出“六個變量與因變量都近似滿足線性關(guān)系”且“自變量與因變量間存在正相關(guān)關(guān)系”(2)擬合度分析我們對六個自變量與因變量進行了擬合度分析，并整合到如下表格中自變量全國城萌 居民可支 酉Mfc入全網(wǎng)網(wǎng)購 交昜瓠公路貨物 運輸周轉(zhuǎn) 呈進出口貿(mào) 易總額輕工業(yè)總 產(chǎn)值快遞業(yè)從 業(yè)人數(shù)R方0.8170.

19、9820.8170.6670.8000.885不難看出，六個自變量與因變量間都存在高度相關(guān)關(guān)系。其中全網(wǎng)網(wǎng)購交易 額與快遞業(yè)務(wù)量間的R方值為0.982，也證實了電商發(fā)展對快遞業(yè)的影響力。(3) 顯著性檢驗-T檢驗為了用更加確切的數(shù)據(jù)去證實變量間的高度相關(guān)性，我們進行了顯著性 驗。六組檢驗數(shù)據(jù)整合到如下表格中:a =0.01.時 f Ta/2=3.106全國城tM全網(wǎng)網(wǎng)購公路貨物進出口貿(mào)輕工業(yè)總快遞業(yè)從 自變量 宦民可支 交易額 運輸周轉(zhuǎn) 易總額 產(chǎn)宜業(yè)人數(shù)配收入早T值 | 7Q10 24559 工014 46i 6.637 7.354 |如表格中所示，當a=0.01時，所有變量通過T檢驗，說明

20、自變量與因變量間有極顯著相關(guān)關(guān)系。（4）顯著性檢驗-F檢驗為了更加確切我們的結(jié)果，再進行一次 F檢驗，結(jié)果如下:誦二0血5;分子自由度=1分母自由度為時Fa=4.84全國城!肖 全網(wǎng)網(wǎng)購 公路貨物 逬出口貿(mào) 輕工業(yè)總 快遞業(yè)從 自變量居民可支交易額運輸周轉(zhuǎn)焉總額 產(chǎn)值 業(yè)人數(shù) 配收入重F值 |49丄44 切3 J54 49.194 22.008 44455 54.0亦結(jié)果與我們的預(yù)想一樣，六個變量通過 F檢驗1.3單因素分析結(jié)果經(jīng)過單因素分析，我們得出如下結(jié)論：（1）所有自變量與因變量呈正相關(guān)線性關(guān)系。（2）自變量與因變量間擬合度高，存在顯著相關(guān)關(guān)系。單因素分析篩選的結(jié)果是：由于所有自變量通過

21、檢驗，先保留所有的六個自變量2. 多元回歸分析2.1建立多元回歸模型回歸模型： 、丨八.八4 淪匚因變量：快遞業(yè)務(wù)量（萬件）2.2回歸方程利用SPS漱件得出我們的回歸方程:全國城第區(qū)民叢均可支妃枚入上 元全網(wǎng)網(wǎng)購交易諛憶荒） 滴貨物運輸周轉(zhuǎn)量噸公里J 進出口哭易總額（億元）輕工呱總產(chǎn)恒億無快建業(yè)從業(yè)丿瀕萬人）B-155107,609-7.218-3.3614 24190.66428 758Beta1.057-+0O31.305.824-.507-779-.603-.650JJ0S-1.751728,634193229.4736949734 9009.2655 1752 4226554.6391

22、0339,698Y=-1S5107.609+90.664X 丄亠28-758*“7.218Xx3-3GlX44-24lX54&554.539 Kb從上述表格中，我們意外地發(fā)現(xiàn)六個自變量中，三個自變量的系數(shù)呈負，這 與我們事先進行的單因素分析結(jié)果相違背 （即,所有自變量與因變量呈正相關(guān)線性 關(guān)系）。我們懷疑變量之間存在高度的共線性。由于方程的不合理一目了然，我們在接下來的檢驗過程中不先進行顯著性 T,F 檢驗，而是直接進行多重共線性檢驗。2.3多重共線性檢驗方差膨脹因子（Variance inflation factor, VIF）由 Marquardt 于 I960 年提出。VIF越大

23、，顯示共線性越嚴重。經(jīng)驗判斷方法表明：0<VIF<10不存在多重共線性；10<VIFvIOO,存在較強的多重共線性；VIF> 100,存在嚴重多重共線性。允差（Toleranc® :實際上就是方差膨脹因子的倒數(shù)。如果某個自變量的容忍 度小于0.1,則可能存在共線性問題。棋型顧著性共線，生統(tǒng)蠱十貰料V1F1篤卸全國載舉居禺人均可支配收人（憶 元）.322,0002007.369主網(wǎng)網(wǎng)購交易韻（憶元497,002650.742公路貨物運輸匡轉(zhuǎn)豐。噸齒里）517.002602.169進出口貿(mào)易總祖（億元563.001齢閉G4輕二業(yè)總產(chǎn)恒（億元）222,003396.

24、657快逋心曲人數(shù)萬人.591,0011305.485舐憊貓魏:快嗟業(yè)務(wù)量（萬件依據(jù)多重共線性的判斷指標，我們發(fā)現(xiàn)VIF值遠遠超過100,同時允差也遠小 于0.1。我們的推測正確，即，自變量間存在高度共線性。2.4解決模型中存在的問題通過2.3中的檢驗，我們得出模型存在高度多重共線性問題。未解決問題我 們嘗試了如下的幾個方法。（1）逐步回歸法第一步：對每個自變量做簡單線性回歸，從中選擇擬合優(yōu)度R2最大的自變量, 建立一元線性回歸方程?；A(chǔ)方程：Y=60141.063+43.788X2（X2-全網(wǎng)網(wǎng)購交易額）第二步：在基本回歸方程中分別引入第二個解釋變量，重新進行線性回歸。>>若新變

25、量的引入改進了 R方和F檢驗，且回歸參數(shù)的t檢驗在統(tǒng)計上也是 顯著的，則在模型中保留該變量。T.MD.000BMa1儺耐全網(wǎng)礪交彌伽）快建業(yè)從業(yè)人戟（萬人）149B44.50059.3943600.43735725.037"35155525S13794.1347.?ae.000C77.0M.226.000.C2'QW曲15.060,913.471.1867IE在基礎(chǔ)方程中引入了第二個任意變量時，我們發(fā)現(xiàn)五個新二元線性方程皆無 法通過T檢驗。說明兩個變量間共線性大到無法容忍兩個自變量同時存在于同一 方程中。通過逐步回歸法，我們只能得到基礎(chǔ)方程：基礎(chǔ)方程：Y=60141.063+

26、43.788X2（X2-全網(wǎng)網(wǎng)購交易額）六個變量，只能留一個，我們小組對此結(jié)果不太滿意，決定嘗試另外一種方 式。（2）差分法將原模型中的所有變量進行差分后，構(gòu)造新的模型。依據(jù)：一般講，增量之間的線性關(guān)系遠比總量之間的線性關(guān)系弱得多。 具體過程如下圖所示：y = Po + Pll + "3X3 + 卩4X 斗 + PgX5 + （X6 + £航心g + S込一差分 仁-.門- :-F面是差分化后的數(shù)據(jù):量丘全國城鎮(zhèn)居民人均 可支阻收入（億元新農(nóng)元）A些出二貿(mào)易藝狠（記?。篈M工丄藝產(chǎn)道址遞業(yè)從業(yè)人 數(shù)（趙）-E I7685 0843211 8524 09194 00571AB

27、1.13320 0泗413 73C6 015105 307141 761701.0949425.5566025055 6021517.BG20090 010Z1 A1S8 1213827017307 6417 0S4 g1072 324052 205425 15e.041416 6202S.32B4.01707.725889 7024794 03.73311.?19.(ODU.O1643.8130&77725789 00604456 5ims129? fl23355 0-29273 411 f>opq oo7048107.21934.62731.06621.951074.0930

28、574.002? 50133419.02/OOjI2335.034679 tM32125 901580201237 02754,950?8 0ae&ae775B?3165210 0035O127Q2390.35906JO7122514106.7921979.5D20W我們對差分化后的數(shù)據(jù)進行了方程建立，發(fā)現(xiàn)同樣存在多重共線性問題。我 們結(jié)合了差分法與逐步回歸法，結(jié)果還是無法將兩個變量同時加入到一個方程之 中。于是，決定嘗試第三種方式-嶺回歸法。（3）嶺回歸法嶺回歸分析法是一種專用于共線性數(shù)據(jù)分析的有偏估計回歸方法，實質(zhì)上是 一種改良的最小二乘估計法，放棄無偏性，以損失部分信息、降低精度

29、為代價獲得 回歸系數(shù)更為符合實際、更可靠的回歸方法。Kfc5QkLxZx3x4xS.000003 了 331.S56857-667788-©073fi2-SQ33 1S-1.10-783727E41”05000.97624,17769J76120-.116381-.07746 斗-01465 LOStiOy.10000.95836.143083.60960034193-026966、027763.2207 00A5D0C ±44B7.154737.5144 93.038-82.04 6t>5a051616Z1j 4B3.20000.3348.132375.4 5205

30、S.0 34159 2G丄理XG722S.2110852S00052622.131771.4 07523.051445.041534.070151.2061230000.131703.3 7386.063.633.053028.086129198705.35000.9L3?1.131758.347713,072/29.061857.092126.193441.4000090875.131791J26500.07SS93.068791.096720.188760.904 37.131751.3 08961,0«4 31S.074329 10031-4.194573.0003.SQ04L

31、.131625.2 94173.0831.20.078011.1SOSOS.53000.89679.131415.2 01504.092471.082475.105371177379000.S93 42.131130.2 70500.035168.08549107146174 246,65000.89026.1307 79,2 60832.097551.067996.108554.171360.70000.88725.130371.2 522 SO.099122.090078,109667.168683,75000.88437<129919.244566.1005 60,Q&1Q

32、L-110533.1«6L87.8000088159.12418.2 37633.101725.093 2631L12Q3.163847as oooS7RB9.128® S623L333.1026609441111714.1144.90000.87625.1283 25.225575.1O341S.095475112080.159560 、1575呂3800D.P7366.1277 40.2 20282-1040CM096507-112327loooo.87111,127135.215992-10459,096989,112474.155 700RIDGE TRACE40000acdoc-flCOTDi mcm我們小組嘗試著變換 K值獲取新方程，但是無論如何調(diào)節(jié) K,我們都無法使方程同時滿足T檢驗與F檢驗。因此，我們的多元回歸分析結(jié)果是：