spss多元回归系数表：基于多元回归汇率影响因素分析
spss多元回归系数表：基于多元回归汇率影响因素分析单击“统计”按钮，依次勾选估计值、模型拟合、共线性诊断、德宾—沃森，点击继续，返回主面板。依次单击菜单“分析—回归—线性”，进行多元线性回归分析过程。分别选择因变量和自变量，方法选择“后退法”。②对多元回归方程进行分析检验，剔除不相关变量。③重新建立多元线性回归预测模型，再进行检验，重复直至回归模型中没有不符合逻辑的变量，且所有自变量都对因变量有显著影响为止。数据如下所示，在初始的12个自变量里，变量的取值单位有比率、亿元、亿美元，度量方式不统一，所以有必要先对它们进行标准化处理。
在开放经济中，汇率是一种重要的资源配置价格。礼率的失衡或错估，不仅会破坏经济的外部均衡，而且会给国内宏观经济稳定和可持续的经济增长带来一系列不利影响。另外，汇率的变化还能对人们的日常生活和企业的生产销售产生较大的影响。所以对影响汇率的因素进行分析和探讨，对于指导汇率政策的制定、预测汇率变化趋势、优化投资策略，以及研究与汇率有关的生产消费等问题都有重要的应用价值。一个国家汇率的变动要受到许多因素的影响，包括经济因素、政治因素、心理因素等。
多元回归分析多元回归分析（Multiple Regression Analysis）是研究单个因变量和多个自变量之间的相关关系的多元统计分析方法。比较基础且常用的是多元线性回归分析（Multiple Linear Regression Analysis），许多非线性回归（Non-linear Regression）和多项式回归（Polynomial Regression）都可以化为多元线性回归来解决，因而多元线性回归分析有着广泛的应用。
基本步骤运用多元回归进行预测分析或相关因素分析时，基本思路是利用统计数据建立多元线性回归方程，然后检验回归系数的显著性，通过对各个因素进行逻辑检验和相关性检验，决定各个因素的取舍.逐步筛选出对因变量最有影响的因素。这个过程与逐步回归类似，下面是分析步骤的简单总结。
①利用统计数据建立多元线性回归预测模型。
②对多元回归方程进行分析检验，剔除不相关变量。
③重新建立多元线性回归预测模型，再进行检验，重复直至回归模型中没有不符合逻辑的变量，且所有自变量都对因变量有显著影响为止。
数据来源数据如下所示，在初始的12个自变量里，变量的取值单位有比率、亿元、亿美元，度量方式不统一，所以有必要先对它们进行标准化处理。
依次单击菜单“分析—回归—线性”，进行多元线性回归分析过程。分别选择因变量和自变量，方法选择“后退法”。
单击“统计”按钮，依次勾选估计值、模型拟合、共线性诊断、德宾—沃森，点击继续，返回主面板。
点击“图”按钮，选择Y、X的变量，并勾选正态概率图，点击继续，返回主面板。
点击“保存”按钮，依次勾选复选框，，点击继续，返回主面板。
设置完毕后，点击确定，进行结果分析。
（1）模型摘要信息和方差分析结果。如图21-9所示，模型摘要表给出逐步回归的各模型的拟合情况，最终模型（模型6）的R方和调整R方统计量都达到0.99以上，即模型几乎解释了总变异的全部，说明模型的整体拟合效果不错。Durbin-Watson统计量距离2（与0、4相比）相对较近，故可初步认为残差序列不存在一阶的自相关性。
ANOVA表给出模型的方差分析结果，从模型6的F值检验Sig值远小于0.01看，最终模型的整体线性关系是显著成立的。
“已排除的变量”表给出的是所有未进入最终模型的变量检验信息，由t检验的Sig值都大于0.1看，这些变量对模型的贡献都不显著，所以它们都不包含在最终方程里。
残差的诊断和分析。残差统计量表给出了预测值（Predicted Value）、标准化预测值（Std.Predicted value）、残差（Residual）和标准化残差（Std Residual）等的最小值（Minimum）、最大值（Maximum）、均数（Mean）和标准差（Std Deviation）等统计量。
标准化残差的P-P图通过比较样本残差分布与假设的正态分布是否相同来检验残差是否服从正态，所有残差点都分布在对角的直线附近，说明残差的正态性假设基本成立。
预测检验图。汇率的散点图是以汇率观测值为横轴、汇率的调整预测值为纵轴所作的图形，所有散点都分布在对角线的附近，说明预测值和观测值非常接近，预测效果不错。
预测效果图依次单击菜单“分析—时间序列预测—序列图”，选择变量和时间轴标签，点击确定。
做出序列图如下所示：
在一个图形中描绘汇率观测值（蓝线）和汇率预测值（绿线）的变化趋势，图中直观显示出两条线的接近程度很高，从而判断预测值对观测值的拟合效果很好。
