在开放经济中，汇率是重要的资源配置价格。 利率失衡或误算，不仅会破坏经济的外部平衡，还会给国内宏观经济稳定和经济可持续增长带来一系列不利影响。 此外，汇率的变化也会对人们的日常生活和企业的生产销售产生较大的影响。 因此，对汇率影响因素的分析和讨论对于指导汇率政策的制定、预测汇率走势、优化投资策略以及研究与汇率相关的生产和消费问题具有重要的应用价值。 一国汇率的变化受到多种因素的影响，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（ ）是一种多元统计分析方法，研究单个因变量与多个自变量之间的相关性。 更基本和常用的一种是多元线性回归分析（ ）。 许多非线性回归（Non-）和多项式回归（ ）都可以通过多元线性回归来求解，因此多元线性回归分析有着广泛的应用。

基本步骤

使用多元回归进行预测分析或相关因素分析时，基本思想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着性，通过进行逻辑检验和相关性来确定各因素的选择对每个因素进行测试。 逐步筛选出对因变量影响最大的因素。 这个过程与逐步回归类似，下面简单总结一下分析步骤。

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，剔除无关变量。

③重新建立多元线性回归预测模型，再次检验，如此重复，直至回归模型中不存在不合逻辑的变量且所有自变量对因变量均产生显着影响。

数据源

数据如下。 初始12个自变量中，变量的数值单位为比率、亿元人民币、十亿美元。 测量方法并不统一，因此首先需要对其进行标准化。

单击菜单“分析-回归-线性”即可执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“后向法”。

单击“统计”按钮，检查估计值、模型拟合、共线性诊断、-，然后单击继续返回主面板。

单击“图形”按钮，选择 Y 和 X 变量，并检查正态概率图。 单击继续返回主面板。

单击“保存”按钮，依次选中复选框，然后单击继续返回主面板。

设置完成后，点击“确定”即可分析结果。

结果分析

(1)模型汇总信息和方差分析结果。 如图21-9所示，模型汇总表显示了逐步回归各模型的拟合情况。 最终模型（模型6）的R方和调整后的R方统计量均达到0.99以上，即模型几乎解释了总变异。 均表明模型整体拟合效果良好。 - 统计距离2（与0和4相比）比较接近，因此可以初步认为残差序列不存在一阶自相关。

ANOVA 表显示了模型的方差分析结果。 从模型6的F值测试Sig值远小于0.01来看，最终模型的整体线性关系显着成立。

“排除变量”表给出了所有未进入最终模型的变量的测试信息。 从t检验的Sig值均大于0.1来看，这些变量对模型的贡献并不显着，因此不包含在最终的方程中。 里面。

残差的诊断和分析。 残差统计表给出了预测值（Value）、标准化预测值（Std. value）、残差（）和标准化残差（Std）的最小值（）、最大值（）、平均值（Mean）等。 ）和标准差（Std）等统计数据。

标准化残差PP图通过比较样本残差分布是否与假设的正态分布相同来检验残差是否服从正态性。 所有残差点都分布在对角直线附近，说明残差的正态性假设基本成立。

预测测试图。 汇率散点图是以汇率观测值为横轴、以汇率调整预测值为纵轴的图表。 所有散点都分布在对角线附近，说明预测值与观测值非常接近，预测效果良好。 。

预测效果图

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，然后单击确定。

画一个时序图如下图：

观测汇率值（蓝线）和预测汇率值（绿线）的变化趋势以图表形式描绘。 该图直观地显示两条线非常接近，从而判断预测值与观测值吻合得非常好。 好的。