2自變量的選擇資料課件

自變量的選擇自變量的選擇1回歸方程中的變量過(guò)多，會(huì)使資料的搜集、系統(tǒng)的運(yùn)作及模型的解釋都會(huì)遇到困難，如何將模型精簡(jiǎn)而又能有很好的解釋能力是回歸分析面對(duì)的重要問(wèn)題。自變量的選擇回歸方程中的變量過(guò)多，會(huì)使資料的搜集、系統(tǒng)的運(yùn)作及模型的解釋2為分析自變量選擇失當(dāng)而出現(xiàn)的后果，我們首先舉一例分析。例如，分析通貨膨脹時(shí)，我們考慮失業(yè)率與預(yù)期通貨膨脹率是影響通貨膨脹的主要因素，若其正確的模型形式是二元線(xiàn)性回歸模型，即：為分析自變量選擇失當(dāng)而出現(xiàn)的后果，我們首先舉一例分析。例如，3其中，Y表示通貨膨脹率（%）；X1表示失業(yè)率（%）；

X2表示預(yù)期通貨膨脹率（%）。統(tǒng)計(jì)資料估計(jì)的回歸模型，計(jì)算機(jī)輸出結(jié)果如下其中，Y表示通貨膨脹率（%）；42自變量的選擇資料課件52自變量的選擇資料課件62自變量的選擇資料課件72自變量的選擇資料課件8自變量的選擇（一）確定自變量的原則原則:準(zhǔn)則:有效性,獨(dú)立性,邊際貢獻(xiàn)（二）確定自變量的步驟（三）自變量篩選的方法

自變量的選擇（一）確定自變量的原則91.所有回歸式的比較選取法（R2最大，MSE最小）1.所有回歸式的比較選取法102.分步回歸法包括（1）向前選取法（2）向后選取法（3）逐步選取法2.分步回歸法11（1）向前法是選取進(jìn)入模型的解釋變量越選越多，每一步都是選取剩余解釋能力最強(qiáng)的一個(gè)變量進(jìn)入模型，但其解釋能力必須要通過(guò)事前定好的門(mén)檻（如顯著性水平為0.05）。第一步，開(kāi)始時(shí)模式中沒(méi)有任何變量，接著第一步在所有變量中選取對(duì)Y最有解釋能力的進(jìn)入模型，其選取方式是找F值最大的。第二步，選取除了上面進(jìn)入模型的X之外的剩余變量中偏F最大，且通過(guò)門(mén)檻者。。。。如：（1）向前法是選取進(jìn)入模型的解釋變量越選越多，每一步都是選取12（2）向后選取法與向前選取法相反，在一開(kāi)始時(shí)是所有變量都放在模型中，然后再將解釋能力差的變量一一去掉，直到所有放在模型中的變量其偏F 值都大于預(yù)設(shè)的門(mén)檻。第一步，先計(jì)算所有偏F值，去掉最小且小于門(mén)檻值的變量。（2）向后選取法13（3）逐步選取法是結(jié)合向前和向后選取法而成的。開(kāi)始時(shí)一向前選取法進(jìn)入一個(gè)變量，而后每當(dāng)選入一個(gè)新變量后，就利用向后法試試看在模型中已存在的變量有無(wú)偏F值小于門(mén)檻的變量，若有，則將其排除之外，接著再進(jìn)行向前選取，若無(wú)，則繼續(xù)向前選取，這樣向前向后選取法輪流使用，直到?jīng)]有變量可進(jìn)來(lái)，也沒(méi)有變量會(huì)被去除。（3）逐步選取法14自變量選擇中最常見(jiàn)的問(wèn)題-----------存在共線(xiàn)性時(shí)的處理方法自變量選擇中最常見(jiàn)的問(wèn)題-----------存在共線(xiàn)性時(shí)的15

——引起解釋變量共線(xiàn)性的原因?qū)Χ嘀毓簿€(xiàn)性本質(zhì)的認(rèn)識(shí)，至少可從以下幾方面理解：由變量之間的性質(zhì)引起的。這時(shí)，不管數(shù)據(jù)以什么形式取得，數(shù)據(jù)取樣是大是小，都會(huì)出現(xiàn)X2與X1高度相關(guān)——引起解釋變量共線(xiàn)性的原因?qū)Χ嘀毓簿€(xiàn)性本質(zhì)的16數(shù)據(jù)問(wèn)題引起的（多重共線(xiàn)數(shù)據(jù)點(diǎn)）指即使使總體諸解釋變量沒(méi)有線(xiàn)性關(guān)系，但在具體樣本中仍可能有線(xiàn)性關(guān)系。情況一：當(dāng)樣本容量很小時(shí)。情況二：若建模所用的解釋變量是時(shí)序變量

——引起解釋變量共線(xiàn)性的原因——引起解釋變量共線(xiàn)性的原因17總量變量相關(guān),增量之間、人均量之間無(wú)關(guān)。

——引起解釋變量共線(xiàn)性的原因總量變量相關(guān),增量之間、人均量之間無(wú)關(guān)?！?8逐步分析估計(jì)檢驗(yàn)法這種方法首先計(jì)算因變量對(duì)每個(gè)解釋變量的回歸方程,得到基本回歸方程。再根據(jù)理論上、邏輯上的分析,參考其他先驗(yàn)信息以及統(tǒng)計(jì)檢驗(yàn)的結(jié)果來(lái)分析這些基本回歸方程,從中選出最合理的基本回歸方程。然后在這個(gè)選定的基本回歸方程中增加新的解釋變量,并根據(jù)統(tǒng)計(jì)分析作如下分類(lèi)判。逐步分析估計(jì)檢驗(yàn)法19(1)如果新加入的解釋變量改進(jìn)了R2,且每個(gè)系數(shù)又是統(tǒng)計(jì)上顯著的,那么就認(rèn)為這個(gè)新變量是有用的,應(yīng)該保留。(2)如果新加入的解釋變量未能改進(jìn)R2,對(duì)其他系數(shù)值也沒(méi)有影響,則認(rèn)為新變量是多余的,應(yīng)予以舍棄。(3)如果新加入的解釋變量不僅改變了R2的值,而且同時(shí)也顯著地影響其他系數(shù)的符號(hào)或大小,以至于使某些系數(shù)達(dá)到不能接受的程度,那么,可以斷言產(chǎn)生了嚴(yán)重的多重共線(xiàn)性。這個(gè)新的解釋變量也可能是重要的,但由于它與其他解釋變量之間存在線(xiàn)性相關(guān)關(guān)系,普通最小二乘法失效。需要特別注意的是,這時(shí)不能盲目略去這類(lèi)變量,否則,可能造成擾動(dòng)項(xiàng)與解釋變量相關(guān)。(1)如果新加入的解釋變量改進(jìn)了R2,且每個(gè)系數(shù)又是統(tǒng)計(jì)上顯201.從變量上思考引出的去除不重要解釋變量的方法。去掉不重要的解釋變量雖然可以削弱共線(xiàn)性，卻容易導(dǎo)致模型設(shè)定誤差，因此有時(shí)會(huì)出現(xiàn)兩難選擇：

若共線(xiàn)性存在，不能有效地估計(jì)模型中的參數(shù)，若去掉有關(guān)解釋變量，又會(huì)錯(cuò)誤地估計(jì)參數(shù)的真實(shí)數(shù)值。解決共線(xiàn)性的方法1.從變量上思考引出的去除不重要解釋變量的方法。解決共線(xiàn)性的21直接合并解釋變量當(dāng)模型中存在多重共線(xiàn)性時(shí)，在不失去實(shí)際意義的前提下，可以把有關(guān)的解釋變量直接合并，從而降低或消除多重共線(xiàn)性。如果研究的目的是預(yù)測(cè)全國(guó)貨運(yùn)量，那么可以把重工業(yè)總產(chǎn)值和輕工業(yè)總產(chǎn)值合并為工業(yè)總產(chǎn)值，從而使模型中的解釋變量個(gè)數(shù)減少到兩個(gè)以消除多重共線(xiàn)性。甚至還可以與農(nóng)業(yè)總產(chǎn)值合并，變?yōu)楣まr(nóng)業(yè)總產(chǎn)值。解釋變量變成了一個(gè)，自然消除了多重共線(xiàn)性。直接合并解釋變量22解決共線(xiàn)性方法2.從模型形式上思考引出的變量轉(zhuǎn)換法。變量轉(zhuǎn)換的主要形式有如下兩種：（1）差分形式

但這種變換也會(huì)出現(xiàn)新的問(wèn)題：第一，即使上式中的隨機(jī)擾動(dòng)項(xiàng)不存在序列相關(guān)，差分后的隨機(jī)擾動(dòng)項(xiàng)也可能存在序列相關(guān)。第二，差分變換導(dǎo)致丟失一個(gè)觀(guān)測(cè)值，在小樣本情況下，就不能不考慮自由度損失問(wèn)題，另外還需要注意，差分變換不適用于截面數(shù)據(jù)。解決共線(xiàn)性方法2.從模型形式上思考引出的變量轉(zhuǎn)換法。23解決共線(xiàn)性方法2.從模型形式上思考引出的變量轉(zhuǎn)換法。變量轉(zhuǎn)換的主要形式有如下兩種：（2）解決共線(xiàn)性方法2.從模型形式上思考引出的變量轉(zhuǎn)換法。24解決共線(xiàn)性方法2.從模型形式上思考引出的變量轉(zhuǎn)換法。變量轉(zhuǎn)換的主要形式有如下兩種：（2）變量比形式

這種方法適用于截面數(shù)據(jù)，但經(jīng)過(guò)這種變換后將無(wú)法研究lnP和lnPW各自的變化對(duì)被解釋變量lny的影響，而且要保證所構(gòu)造的變量比具有明確的經(jīng)濟(jì)意義，否則不能進(jìn)行變量比變換。解決共線(xiàn)性方法2.從模型形式上思考引出的變量轉(zhuǎn)換法。25解決共線(xiàn)性方法3.從先驗(yàn)信息上思考引出的約束法。

采取約束法的關(guān)鍵是先驗(yàn)信息如何獲取。通?？梢罁?jù)經(jīng)濟(jì)理論和實(shí)際分析獲得，當(dāng)然也可以提出約束，并進(jìn)行約束檢驗(yàn)，當(dāng)約束檢驗(yàn)通過(guò)后再采用約束法。解決共線(xiàn)性方法3.從先驗(yàn)信息上思考引出的約束法。26解決共線(xiàn)性方法4.從數(shù)據(jù)上思考引出的板塊數(shù)據(jù)法、增加樣本容量法和剔除影響點(diǎn)法

板塊數(shù)據(jù)法就是把截面數(shù)據(jù)與時(shí)序數(shù)據(jù)結(jié)合起來(lái)的方法。采用這種方法隱含著一個(gè)假定，即從截面數(shù)據(jù)中估計(jì)的參數(shù)與從時(shí)序數(shù)據(jù)中估計(jì)的參數(shù)是相等的，因此它僅適用于從一個(gè)截面到另一個(gè)截面數(shù)據(jù)、估計(jì)值相對(duì)穩(wěn)定的情況。剔除多重共線(xiàn)性的影響點(diǎn)法是指經(jīng)過(guò)診斷后假定樣本點(diǎn)為影響點(diǎn)，從原樣本中剔除第i個(gè)樣本點(diǎn)，可以減輕共線(xiàn)性程度。這種方法的問(wèn)題是診斷出的這個(gè)樣本點(diǎn)是否應(yīng)該剔除，這里需特別指出的是，當(dāng)沒(méi)有真正弄清楚樣本點(diǎn)形成機(jī)制之前，不能輕易剔除，因?yàn)橛绊扅c(diǎn)的形成可能是隨機(jī)因素，也可能是經(jīng)濟(jì)機(jī)制變化，當(dāng)后者發(fā)生時(shí)，無(wú)論影響點(diǎn)的剔除對(duì)減輕多重共線(xiàn)性的作用有多大，也不能剔除。解決共線(xiàn)性方法4.從數(shù)據(jù)上思考引出的板塊數(shù)據(jù)法、增加樣本容量27合并截面數(shù)據(jù)與時(shí)間序列數(shù)據(jù)這種方法屬于約束最小二乘法（RLS）。其基本思想是，先由截面數(shù)據(jù)求出一個(gè)或多個(gè)回歸系數(shù)的估計(jì)值，再把它們代入原模型中，通過(guò)用因變量與上述估計(jì)值所對(duì)應(yīng)的解釋變量相減從而得到新的因變量，然后建立新因變量對(duì)那些保留解釋變量的回歸模型，并利用時(shí)間序列樣本估計(jì)回歸系數(shù)。合并截面數(shù)據(jù)與時(shí)間序列數(shù)據(jù)282自變量的選擇資料課件292自變量的選擇資料課件302自變量的選擇資料課件31由于把估計(jì)過(guò)程分作兩步，從而避免了多重共線(xiàn)性問(wèn)題。顯然這種估計(jì)方法默認(rèn)了一種假設(shè)，即相對(duì)于時(shí)間序列數(shù)據(jù)各個(gè)時(shí)期截面數(shù)據(jù)所對(duì)應(yīng)的收入彈性系數(shù)估計(jì)值都與第一步求到的相同。當(dāng)這種假設(shè)不成立時(shí)，這種估計(jì)方法會(huì)帶來(lái)估計(jì)誤差。由于把估計(jì)過(guò)程分作兩步，從而避免了多重共線(xiàn)性問(wèn)題。顯然這種估32解決共線(xiàn)性方法4.從數(shù)據(jù)上思考引出的板塊數(shù)據(jù)法、增加樣本容量法和剔除影響點(diǎn)法

板塊數(shù)據(jù)法就是把截面數(shù)據(jù)與時(shí)序數(shù)據(jù)結(jié)合起來(lái)的方法。采用這種方法隱含著一個(gè)假定，即從截面數(shù)據(jù)中估計(jì)的參數(shù)與從時(shí)序數(shù)據(jù)中估計(jì)的參數(shù)是相等的，因此它僅適用于從一個(gè)截面到另一個(gè)截面數(shù)據(jù)、估計(jì)值相對(duì)穩(wěn)定的情況。剔除多重共線(xiàn)性的影響點(diǎn)法是指經(jīng)過(guò)診斷后假定樣本點(diǎn)為影響點(diǎn)，從原樣本中剔除第i個(gè)樣本點(diǎn)，可以減輕共線(xiàn)性程度。這種方法的問(wèn)題是診斷出的這個(gè)樣本點(diǎn)是否應(yīng)該剔除，這里需特別指出的是，當(dāng)沒(méi)有真正弄清楚樣本點(diǎn)形成機(jī)制之前，不能輕易剔除，因?yàn)橛绊扅c(diǎn)的形成可能是隨機(jī)因素，也可能是經(jīng)濟(jì)機(jī)制變化，當(dāng)后者發(fā)生時(shí)，無(wú)論影響點(diǎn)的剔除對(duì)減輕多重共線(xiàn)性的作用有多大，也不能剔除。解決共線(xiàn)性方法4.從數(shù)據(jù)上思考引出的板塊數(shù)據(jù)法、增加樣本容量33解決共線(xiàn)性方法5.從估計(jì)方法上思考引出的估計(jì)量

如有偏估計(jì)所謂有偏估計(jì)法是指參數(shù)估計(jì)量是有偏的，但估計(jì)量的均方誤差比采取OLS法估計(jì)的無(wú)偏估計(jì)量的均方誤差小，即以偏誤為代價(jià)來(lái)提高估計(jì)量的準(zhǔn)確性。解決共線(xiàn)性方法5.從估計(jì)方法上思考引出的估計(jì)量34主成分回歸分析1993年由Hotelling提出了主成分分析的方法,之后W.F.Massy于1965年根據(jù)主成分分析的思想提出了主成分回歸。如今主成分回歸方法已經(jīng)被廣泛采用,成為回歸分析中較有影響的估計(jì)方法。主成分回歸分析1993年由Hotelling提出了主成分分析35

主成分分析的核心思想就是通過(guò)降維,把多個(gè)指標(biāo)化為少數(shù)幾個(gè)綜合指標(biāo),而盡量不改變指標(biāo)體系對(duì)因變量的解釋程度。主成分的提取分5個(gè)步驟:主成分分析的核心思想就是通過(guò)降維,把多個(gè)指標(biāo)化為少數(shù)361、為了使結(jié)果不受量綱的影響,先把原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。

2、求出標(biāo)準(zhǔn)化數(shù)據(jù)的相關(guān)系數(shù)矩陣、協(xié)方差。

3、導(dǎo)出相關(guān)系數(shù)矩陣的特征值和特征向量。

4、最大的特征值對(duì)應(yīng)的特征向量即為第一主成分的系數(shù),第二大的特征值對(duì)應(yīng)的特征向量即為第二主成分的系數(shù),以此類(lèi)推。取幾個(gè)主成分取決于主成分對(duì)因變量的解釋程度。如果前i個(gè)特征值之和與所有特征值之和的比達(dá)到一定的程度比如80%時(shí),就可以認(rèn)為這些主成分就能代替所有的自變量體系。

5、用主成分對(duì)因變量進(jìn)行普通最小二乘法即可得出各個(gè)主成分對(duì)因變量的解釋程度。1、為了使結(jié)果不受量綱的影響,先把原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。37可以看出,主成分回歸分析解決多重共線(xiàn)性問(wèn)題是通過(guò)求特征值和特征向量達(dá)到降維來(lái)實(shí)現(xiàn)的,因?yàn)樵诮稻S前,指標(biāo)之間的多重共線(xiàn)性可能是由于某個(gè)指標(biāo)或者少數(shù)指標(biāo)所包含的信息與其他指標(biāo)所包含的信息之間的相關(guān)性引起的,通過(guò)降維的處理我們提取了主成分,就像是把指標(biāo)體系所包含的信息分了類(lèi),某一大類(lèi)由一個(gè)主成分來(lái)表現(xiàn),這樣就消除了產(chǎn)生多重共線(xiàn)性問(wèn)題的根源———信息的交迭。可以看出,主成分回歸分析解決多重共線(xiàn)性問(wèn)題是通過(guò)求特征值和特38

主成分回歸分析雖然比較好地解決了多重共線(xiàn)性問(wèn)題,但仍存在很多不足之處,比如:主成分的實(shí)際含義不明確,主成分與因變量之間的關(guān)系不很直接,估計(jì)出的參數(shù)是有偏的等等。主成分回歸分析雖然比較好地解決了多重共線(xiàn)性問(wèn)題,但仍39使用SPSS中Stepwise回歸分析直接使用SPSS系統(tǒng)給定的逐步回歸法進(jìn)行回歸分析，有時(shí)難以得到所需要的分析結(jié)果，因?yàn)橄到y(tǒng)給出的最終結(jié)果僅是一個(gè)滿(mǎn)足統(tǒng)計(jì)學(xué)檢驗(yàn)的結(jié)果，該結(jié)果不一定滿(mǎn)足實(shí)際問(wèn)題的需要。使用SPSS中Stepwise回歸分析直接使用SPSS系40為分析影響服務(wù)業(yè)發(fā)展的因素,引入如下指標(biāo):用第三產(chǎn)業(yè)產(chǎn)值占GDP的比重作為反映服務(wù)業(yè)發(fā)展水平的指標(biāo)(y,單位:%);

1.城鄉(xiāng)居民收入水平指標(biāo)(x1,單位元);2.城市化水平的指標(biāo)(x2,單位:%);3.人口密度(x3,單位:人/每平方公里);4.居民年消費(fèi)水平(x4,單位:元);5.食品消費(fèi)所占比重(x5,單位:%);6.個(gè)體私營(yíng)經(jīng)濟(jì)從業(yè)人員占社會(huì)從業(yè)員的比重(x6,

單位:%);7.實(shí)際外商直接投資在全社會(huì)固定資產(chǎn)投資中所占比例(x7,單位:%)。為分析影響服務(wù)業(yè)發(fā)展的因素,引入如下指標(biāo):41為解決由自變量之間的相關(guān)性導(dǎo)致的多重共線(xiàn)性,在Method一欄中選擇stepwise進(jìn)行回歸分析,得到如下方程:y=-22.699+0.01063x1+0.06917x3-0.00913x4

(-2.353)(2.953)(5.145)(-2.322)R2=0.956,F=168.813在顯著水平為0.05時(shí),估計(jì)方程及其所有估計(jì)系數(shù)都通過(guò)檢驗(yàn)。然而我們進(jìn)一步分析發(fā)現(xiàn),x4

在這里表示的是居民年消費(fèi)水平,其系數(shù)為負(fù),表示x4

每增加一個(gè)單位,y將減少0.00913個(gè)單位,從經(jīng)濟(jì)學(xué)意義上來(lái)說(shuō),這是不合理的,因此,不能作為分析的最終結(jié)果。為解決由自變量之間的相關(guān)性導(dǎo)致的多重共線(xiàn)性,在Method42本例表明,直接用SPSS系統(tǒng)內(nèi)部給出的stepwise進(jìn)行回歸分析有時(shí)難以得到我們所需要的結(jié)果。如何才能得到所需要的估計(jì)方程呢?本例表明,直接用SPSS系統(tǒng)內(nèi)部給出的stepwis43首先分別求y與x1～x7

的回歸方程,得到7個(gè)基本方程:y=26.2+0.003063x1

y=-196.572+4.131x2(31.643)(14.111)(-9.537)(11.25)R2=0.904F=199.118R2=0.857F=126.559y=-106.704+0.191x3

y=26.116+0.003348x4(-3.913)(5.208)(29.43)(13.205)R2=0.554F=27.122R2=0.892F=174.365y=51.505-0.332x5

y=27.41+2.323x6(5.144)(-1.652)(28.789)(11.184)R2=0.076F=2.73R2=0.855F=125.072y=27.891+0.438x7(29.794)(10.992)R2=0.851F=120.819首先分別求y與x1～x7的回歸方程,得到7個(gè)基44在上述7個(gè)基本方程中,除了(5)式中x5

的系數(shù)是負(fù)數(shù)外,其余方程的變量的系數(shù)都是正數(shù),從經(jīng)濟(jì)學(xué)意義上來(lái)說(shuō)這是合理的。由7個(gè)基本方程和經(jīng)濟(jì)理論可知,x1(城鄉(xiāng)居民收入水平)是最重要的變量,因此選擇(1)式為最初的回歸方程,然后按照R2從大到小的順序每次引入一個(gè)變量逐步引入其他變量。每次引入的變量是否保留在方程中要從兩方面進(jìn)行分析,一是從經(jīng)濟(jì)學(xué)意義上分析,一是從統(tǒng)計(jì)學(xué)意義上分析。從經(jīng)濟(jì)學(xué)意義上分析,主要要求引入新變量后重新估計(jì)的方程各系數(shù)的符號(hào)從經(jīng)濟(jì)學(xué)意義上來(lái)說(shuō)是合理的;從統(tǒng)計(jì)學(xué)意義上分析,應(yīng)按下述原則判斷：在上述7個(gè)基本方程中,除了(5)式中x5的系數(shù)是451、如果新加進(jìn)去的解釋變量改進(jìn)了R2,并且其他回歸系數(shù)在統(tǒng)計(jì)上仍是顯著的,則可以保留此變量;2、如果新加進(jìn)去的解釋變量未能改進(jìn)R2,其他回歸系數(shù)也沒(méi)有影響,則不加入此變量;3、如果新加入的解釋變量不僅改變了R2,而且影響到其他變量的回歸系數(shù)的符號(hào)或數(shù)值,致使某些回歸系數(shù)達(dá)到不能接受的地步,則用新加入的變量分別替代它所影響的變量估計(jì)方程,從中選擇估計(jì)效果最好的一個(gè)方程。1、如果新加進(jìn)去的解釋變量改進(jìn)了R2,并且其他回歸系數(shù)在46首先選擇(1)式為最初的回歸方程,在(1)式中引入變量x4,得新方程y=26.661+0.01242x1-0.0103x4

(32.92)(2.596)(-1.958)R2=0.916,F=115.582

由于式中x4

的系數(shù)為負(fù),從經(jīng)濟(jì)學(xué)意義上說(shuō)是不合理的。因此,按上述原則,不應(yīng)該引入變量x4。在(1)式中引入下一個(gè)變量x2y=-71.454+0.001923x1+1.8x2(-2.702)(5.46)(3.694)R2=0.941,F=169.339

由于引入x2

改變了R2,同時(shí)不影響x1

的顯著性,而且x2

也是顯著的。按上述原則,應(yīng)該引入變量x2。在式中引入變量x6首先選擇(1)式為最初的回歸方程,在(1)式中引入變量47y=-68.285+0.00341x1+1.734x2

–1.138x6

(-2.624)(2.921)(3.611)(-1.333)R2=0.944,F=118.103由于x6

表示個(gè)體私營(yíng)經(jīng)濟(jì)從業(yè)人員占社會(huì)從業(yè)員的比重,從經(jīng)濟(jì)學(xué)意義上來(lái)說(shuō),其系數(shù)為負(fù)不合理。按上述原則,不應(yīng)該引入變量x6。y=-73.578+0.0