回归分析的价格函数 02
本文在进行构造价格函数的回归方程之前，首先，采用交叉列联表来判断价格样本的因素之间的相关性．
得到相关性的结论以后，可以在分类列联表中得到两类结果，再将相出关系数计算出来，通过相应的检验后，再剔除无关性较大的变量以后建立价格的回归函数，此处用SPSS软件进行实现．
本文在进行构造价格函数的回归方程之前，首先，采用交叉列联表来判断价格样本的因素之间的相关性．
得到相关性的结论以后，可以在分类列联表中得到两类结果，再将相出关系数计算出来，通过相应的检验后，再剔除无关性较大的变量以后建立价格的回归函数，此处用SPSS软件进行实现．
这里理论频数是T，实际频数是A，所在行、列的编号用i、j来表示．x²值越大，就证明假设值和实际情况越相符．自由度为
行数和列数分别用R和C来表示， 0.05是显著性水平．如果计算的显著性水平比0.05小时，两变量之间有明显相关性．
以上结果可以通过SPSS来获得．
一般来说，一元线性回归中一个因变量是受多个自变量综合影响的，因此就要用到大于等于2个因子来描述影响因素，这就是多元回归亦称多重回归．
在此对配煤的描述、价格、质量和产地进行回归分析，其中x1、x2、x3和x4分别表示描述分、价格分、质量分和服务分，y表示评价程度，c表示常数因子，此处用eviews进行实现．
通过线性回归方程的显著性检验，当所有变量都作为自变量时，方程没有通过显著性检验，而且各回归系数也没有通过检验，所以对变量进行剔除，对变量剔除结果如表1.4、表1.5所示，首先检验产地和总销量的相关性，然后再检验产地和总量之间的相关性，其中表示所在产地库存量和原煤质量等级，表示销量．
通过线性回归方程的显著性检验，当所有变量都作为自变量时，如图1.6所示，方程没有通过显著性检验，而且各回归系数也没有通过检验，所以对变量进行剔除，对变量剔除结果如图1.7所示，建立回归方程：
因子分析处理价格因素 03
军训的目的是端正军人姿态，保持严整军容，养成整齐划一、令行禁止和严格遵守纪律的习惯，培养迅速、准确、协调一致的作风，为掌握技术战术动作打下良好的基础。
因子分析其实是一种降维技术，在多个因子之间有联系时，就在它们之间找出共性代表因子，用共性因子来代表所有因子，此处用SAS软件进行实现．
所以本文将原煤销量的几种因素：
包括产地、价格、库存量、贸易方式、企业规模在内的因子进行了因子分析，这些因子的相关系数很大，且KMO大于0.7，表明做因子分析是可行的．具体结果如表1.6示．
在表1.7和表1.8中可以看到，第一公共因子上载荷系数较大的指标价格、库存量，这几个因子归为一类，可命名为“具体因子”；
第二公共因子载荷系数较大的指标有企业规模和贸易方式，这几个因子为一类，可命名为“综合因子”．所以影响煤炭销量的因素可分为两种：具体因子和综合因子[9]．
由表1.9所示的SAS因子分析特旋转元件矩阵可以看出，特征值序号在第二列标明，特征值在第三列标明，结合因子分析图示，可以得出保留2个公共因子将能概括原有指标的大部分信息，所以本文提取了两个公共因子来代表影响煤炭价格的因素，具体的代表因子表示模型如下所示．
本章小结 04
本章应用数据进行分析，综上所述国内对煤炭行业成本难管理的研究虽然理论颇多，案例也不少，但存在以下问题：
(1)目前的研究方法单一，缺少实证性比较强的调查问卷和访谈等方法．
(2)对于完善煤炭行业环境成本管理的控制措施研究较片而，缺乏实践经验，视野狭隘，没有与企业白身经营相结合，缺少对某个公司的个体分析．
(3)对环境成不研究的面传力度不够．
综上实证分析整改过程我们可以发现，一个实证分析包含很多图表，其中像条形图、饼状图和折线图等等一般在描述性统计部分，而描述性统计部分还包括表格，主要是关于统计特征值如平均值、方差、最大最小值、极差、偏度和峰度的数据测算；
其后的各个方法如回归分析、因子分析和层次分析等等会涉及到结果表格和公式的应用，具体的含义就附在一般硕论表格的下方。
,
