M0的多元回归分析及预测
郭 佳
（中国人民银行天津分行，天津市 300040）
摘 要： 本文选取国民生产总值、人口数量等12个影响现金需求的经济变量，运用SPSS统计软件对M0建立多元回归预测模型，通过相关性分析筛选变量，并结合未来5年经济发展和技术进步等对现金需求的影响，得出2019-2023年M0预测值。
关键词： M0；多元回归；分析；预测
为深入探究各类经济指标对M0的影响，准确预测中长期现金流通规律，本文建立多元回归模型，并利用统计软件进行模型检验、模型优化，最终进行模型预测，得出研究结论。
现阶段，我国所使用的信息通信工程通常是以变现后的一体机模式进行的。与传统的信息通讯工程技术不同的是，一体机有效的改良了传统传输技术的弊端，将传统单一化的传输技术，正是转变为了综合化的传输技术。在这种传遍之后，其技术传输的效率和稳定性又得到了显著的提升。一体机通过集成性，来将传统情况下各自独立的通讯设备进行集中的整合，来形成一个固有的整体通信检测系统，来为其设备的整体运作稳定提供了良好的保障。
一、变量选取
（一）国民生产总值（GDP）
国民生产总值反映经济发展总体水平，GDP引起货币需求增加，扩大现金需求，使得M0增加。
（二）固定资产投资
固定资产投资是经济增长重要因素，直接拉动现金需求。固定资产投资从最初的采购机器设备到工程竣工结算，整个过程都与现金存在联系。
（三）常住人口
近10年我国人口以年均0．5%的速度逐年增长，人口数量对现金需求的影响显而易见。
术前20例OSAHS患者填写鼾声响度及Epwoth嗜睡量表（Epwoth sleepy scale,ESS)[7]。耳鼻咽喉头颈外科专科检查，排除鼻腔及鼻咽部疾病，同时记录扁桃体大小及舌位情况等。PSG检查采用Alice 4多道睡眠监测仪，AHI定义为每小时发生低通气和呼吸暂停的次数总和，重度OSAHS患者被定义为AHI＞30次/小时[8]。术前根据电子鼻咽镜检查和上气道螺旋CT检查测量结果判定阻塞的部位及程度。20例患者中，10例具有内科相关的疾病，主要包括高血压和糖尿病等，术前请相关科室给予相关处理，内科病情平稳后，行手术治疗。
（四）居民人均可支配收入
居民人均可支配收入增加，促进生活用品、文化教育、娱乐用品等消费增长，带动现金流通量增长。
（五）社会消费品零售总额
通过比较12个变量与M0的相关系数，筛选多元回归模型自变量。
（六）银行机构人民币存款余额
银行机构人民币存款余额中个人存款占比较大，对M0影响显著。
颜晓晨忙把手中的杯子和碟子都放下，站起来，从角落里走了过去，恭敬地打招呼：“程先生，晚上好！想喝点什么？”
抒情是朱自清散文的重要特点，也是其作品极具感染力的原因之一。无论写景还是叙事，他的散文都在质朴真率的语言文字中流露出浓厚的情感。纵观朱自清的整个文学创作过程，前期以写景散文居多，在描摹景物中抒发情感；中期叙写个人经历和感受，抒写人生；后期作品较多评论社会生活，很多作品充满鲜明的爱国之情。因此，在朱自清的文学世界里所表现出的情感是丰富的，有对自然的爱，还有来自亲情、友情和爱情的生命之爱，更有强烈深沉的爱国情感，所有这些，共同构筑了他散文中的情感天地。
（七）银行机构人民币贷款余额
银行贷款是带动M0增长的因素。目前与银行贷款有关的现金支出包括居民提取贷款、工矿及其他产品采购、农副产品采购、城乡个体经营等。
目前国内外关于HPV不同型别与阴道微生态失衡的关系研究很少，并且缺乏大样本临床分析，本研究发现HPV16/18阳性与BV发生率升高有关，而与TV、VVC无关。阴道不同病原体感染时是否会导致不同型别HPV感染，目前尚无明确观点，若研究证实二者有相关性，将对HPV及宫颈癌的预防提供新的观点。
（八）城镇居民消费价格指数（CPI）
1．表4模型汇总表给出逐步回归每步的复相关系数（R）、判定系数（R2）及调整后判定系数（
），表下附注显示每步入选变量情况。调整后判定系数
接近1，可见整体上回归效果显著。
（九）存贷款利率
存贷款利率调整直接影响货币供应量，进而影响物价和消费，都对现金需求产生影响。
（十）第一、三产业增加值
第一产业、第三产业现金使用量较大，第一、第三产业增加值与现金具有相关性。
笔者选取12个影响现金需求的经济变量，展开研究。
根据逐步回归结果，最后得到多元回归模型：
二、变量筛选
社会消费品零售包括餐饮、住宿、批发、零售等经济活动，与现金关系密切。
结果显示因变量与自变量之间存在显著相关关系，同时自变量与自变量之间也存在显著相关，可能存在多重共线性，故采用多元逐步回归方法对五个自变量与因变量进行建模。
表1 变量相关性
由于全社会固定资产投资、第一产业增加值、第三产业增加值以及城镇居民人均可支配收入数据较少、误差较大，故建模时删除，先选定GDP、全国常住人口、消费品零售总额、银行存款余额、银行贷款余额初步作为多元回归模型自变量；1949年-1951年期间，剩下的五个变量中只有全国常住人口有数据，其他四个变量值均为缺失，所以最终选定1952-2018年的五个变量进行相关性分析（见表1）。
医院门诊楼空调系统室内设计干球温度26℃，湿球温度19.5℃，空调系统建成后试运行期间在室内空调参数满足要求的情况下对X-MZ-B1-2型号为CXS8N-6.4P的双冷源新风机组进行了测试，双冷源新风机组新风处理过程见图2，排风换热过程见图3。
沙门氏菌对生鸡蛋的污染是一个普遍的公共卫生问题。Yousef和Rodriguez-Romo开发了利用温和的热量和气态臭氧相结合，在蛋壳中灭活沙门氏菌的方法。这些处理在不影响蛋类质量的情况下，灭活了蛋类中6.3个对数单位以上的病菌。
三、模型建立
（一）采用逐步回归法进行建模
逐步回归法是常用消除多重共线性、选取最优回归方程的建模方法。在建模过程中逐个引入自变量，引入条件是该自变量F检验显著。每引入一个自变量，逐个检验已选入变量。如果已选入变量因后引入变量而变得不再显著，那么就将其剔除。每次引入变量都要进行F检验，确保回归方程只包含显著的变量。该过程反复进行，直到既没有不显著的自变量选入回归方程，也没有显著自变量从回归方程中剔除为止。
（二）逐步回归过程
利用SPSS进行逐步回归，回归结果如表2、表3所示，入选变量为GDP、全国常住人口、银行贷款余额，移去的变量为消费品零售总额、银行存款余额。
表2 输入的变量a
表3 移去的变量a
造模第12周时，光镜下，A组大鼠肝组织结构呈均质状，肝小叶、门管区等结构清晰;D组大鼠肝脏切片见肝小叶结构破坏，代之以许多大小不等的肝细胞团，由致密的纤维组织包绕，分割成大小不等的岛屿状，形成假小叶，假小叶中央部位的肝细胞出现萎缩、坏死;肝细胞索排列紊乱，肝细胞肿胀，核染色较深;可见淋巴细胞及少数中性粒细胞等炎性细胞浸润;B组经复方鳖甲软肝片治疗后，上述症状均逐渐好转，治疗6周后B组趋于正常。C组大鼠肝组织结构接近于A组。见图1。
M0=0．158*GDP-0．051*loan+0．044*population-3505．167
（三）模型检验
CPI是影响现金需求的重要因素。由于百分比数据不利于分析，笔者以1978年CPI为基数100，以后各年CPI数据用消费累加指数替代。
表4 模型汇总
2．表5给出每步回归的方差分析结果，每一次迭代显著性水平均为0，因此迭代结果是可靠的，即该多元回归方程是显著的。
表5 方差分析表
3．表6给出每步回归的参数估计与回归系数的显著性检验结果。各回归系数显著性检验尾概率均非常小，入选变量均显著，同时回归模型通过了整体显著性检验，表明多元回归模型优化效果较好。
表6 系数分析表
四、模型优化
（一）多重共线性诊断
上述模型的M0与银行贷款余额呈现负相关，与经济理论不符合。为优化模型，对变量进行共线性诊断。
表7中的自变量GDP和银行机构人民币贷款余额的膨胀因子VIF均大于10，二者存在强相关关系；表8中维度3的特征值为0．05，条件索引为25．479，说明该模型有共线性。而银行机构人民币贷款余额的方差贡献较大，故剔除该变量。
表7 多重共线性
表8 共线性诊断a
（二）模型优化
根据多重共线性诊断结果，剔除银行机构人民币贷款余额变量后进行建模（此时选择进入）进行模型优化。建模结果如下，其中表9的P值为0，通过检验；表10是回归方程的系数和共线性统计量，VIF均小于10，表11的特征值不为0且条件索引值小于30，故不存在多重共线性。
表9 方差分析表
表10 系数分析表
表11 共线性诊断
得到如下方程：
M0=0．085*GDP+0．091*population-7088．827
五、模型预测
按照国家“十三五”规划GDP年均增长6．5%，全国人口数量年均增长0．6%，对M0进行预测。模型预测值如下表所示：
表12 2019年至2023年M0 预测表
参考文献：
[1]蔡晓春，邹克．《货币供应量比率M1/M0的时间序列分解分析及预测》．《统计与决策》．2012年第8期．
[2]陈绍刚，鲁合营，李坤龙．《我国各层次货币供应量变化的趋势、结构及交互效应分析》．《西南民族大学学报》．2010年第4期．
[3]金道政，吴晓楠，江红莉．《我国货币供应内生性实证研究》．《当代经济》． 2008年第7期．
[4]刘雅瑞．《关于货币供应量与经济增长关系的分析评价》．《知识经济》．2008年第5期．
[5]李石凯．《从货币供应量变化看量化宽松货币政策的效果》．《中国金融》．2010年第23期．
[6]郭岩．《我国货币供应量变化与通货膨胀率变化的关系分析》．《经济视角》．2012年第1期．
Multivariate Regression Analysis and Prediction of M0
GUO Jia
Abstract: In this paper, 12 economic variables affecting cash demand, such as GNP and population, are selected, and a multiple regression prediction model for M0 is established by using SPSS statistical software. Variables are screened through correlation analysis, and the M0 forecast value for 2019-2023 is obtained by combining the impact of economic development and technological progress on cash demand in the next fi ve years.
Key Words: M0; Multiple Regression; Analysis; Prediction
中图分类号： F830
文献标识码： A
文章编号： 1009 - 3109（2019）03-0007-05
作者简介 ：郭 佳，女，硕士，中国人民银行天津分行，经济师。
（责任编辑：何昆烨）
标签：M0论文; 多元回归论文; 分析论文; 预测论文; 中国人民银行天津分行论文;