多元线性模型分类变量方差_多元线性回归模型

（1）模型准备

多元线性回归模型是指含有多个解释变量的线性回归模型，用于解释被解释的变量与其他多个变量解释变量之间的线性关系。其数学模型为：

上式表示一种

元线性回归模型，可以看出里面共有

个解释变量。表示被解释变量

的变化可以由两部分组成：第一部分，是由

个解释变量

的变化引起的

的线性变化部分

第二部分，是要解释由随机变量引起

变化的部分，可以用

部分代替，可以叫随机误差，公式中的参数

都是方程的未知量，可以表示为偏回归常数和回归常数，则多元线性回归模型的回归方程为：

（2）模型建立

首先在中国A股票市场中，根据各指标与估值标准

的关联度来选取变量，选取指标为：年度归母净利润

、年度营业收入

、年度单只股票交易量

、年度单只股票交易量金额

。有如下表达式为：

其中

是因变量，

是自变量，

为误差项，

为各项系数。

（3）中国A股票市场模型求解

运用SPSS软件，运用多元线性回归方程可以得出如下：

下表模型有4个自变量，模型调整后的拟合度为0.976，说明模型的拟合度非常好，

下表为方差分析表，告诉我们

的值值为1.794，显著性概率

为0.004小于0.005，因此自变量系数统计较为显著。

下表给出模型常数项和自变量系数，并对系数统计显著性进行检验，常数项的值为2.618，显著性为0.002，统计比较显著，其它指标的显著性都小于0.005，故该模型比较准确。

故得出中国A股市场中的估值水平与这四个指标的线性关系为：

（4）美国NASDAQ市场模型求解

下表模型有4个自变量，模型调整后的拟合度为0.862，说明模型的拟合度非常好，

下表为方差分析表，告诉我们

值为15.081，显著性概率

为0.005等于0.005，因此自变量系数统计较为显著。

下表给出模型常数项和自变量系数，并对系数统计显著性进行检验，常数项的值为-184.104，显著性为0.004，统计比较显著，其它指标的显著性都小于0.005，故该模型比较准确。

故得出美国NASDAQ市场中的估值水平与这四个指标的线性关系为：