经济学建模问题。。两个看起来是有相关性的经济因素，建模的结果确实两者之间影响的不大，该怎么解释呢？ 在SPSS中，如果分析多个因素对某一结果的影响程度应该用什么...
\u538b\u6291\u5c31\u662f\u76f8\u5173\u5173\u7cfb\u53d7\u5230\u7b2c\u4e09\u53d8\u91cf\u7684\u5e72\u6270\u53d8\u5f97\u770b\u4e0d\u51fa\u6765\u5c14\u96c5\u8bfe\u7684\u8bdd\uff0c\u7b54\u6848\u662f\u5bf9\u7684
\u5206\u6790\u591a\u4e2a\u56e0\u7d20\u5bf9\u67d0\u4e00\u7ed3\u679c\u7684\u5f71\u54cd\u7a0b\u5ea6\u5e94\u8be5\u7528\u6570\u636e\u5206\u6790\u3002\u4e3b\u8981\u7684\u65b9\u5f0f\u5982\u4e0b\uff1a
\u5206\u6790\u591a\u4e2a\u56e0\u7d20\u5bf9\u67d0\u4e00\u7ed3\u679c\u7684\u5f71\u54cd\u7a0b\u5ea6\u4e3b\u8981\u5206\u4e3a\u4e09\u6b65\uff1a
\u7b2c\u4e00\u6b65\u662f\u6574\u7406\u6570\u636e\uff0c\u9996\u5148\u5b9a\u4e49\u53d8\u91cf\uff0c\u8fd9\u4e2a\u662f\u6bd4\u8f83\u91cd\u8981\u7684\u4e00\u6b65\uff0c\u4f46\u96be\u5ea6\u4e0d\u5927\u3002
\u7b2c\u4e8c\u6b65\uff1a\u5206\u6790 \u7531\u4e8e\u4f60\u8981\u5206\u6790\u519c\u6c11\u6536\u5165\u548c\u5176\u4ed6\u56e0\u7d20\u4e4b\u95f4\u7684\u5173\u7cfb\u3002\u6240\u4ee5\u786e\u5b9a\u519c\u6c11\u6536\u5165\u4e3a\u56e0\u53d8\u91cf\uff0c\u800c\u5176\u4ed6\u4e3a\u81ea\u53d8\u91cf\u3002\u901a\u8fc7analyze\u4e0b\u9762\u7684regression\u6765\u5b8c\u6210\u3002\u5373\u628a\u519c\u6c11\u6536\u5165\u9009\u8fdb\u56e0\u53d8\u91cf\uff0c\u5176\u4ed6\uff08\u9664\u5e74\u4efd\u548c\u603b\u8ba1\uff09\u4f5c\u4e3a\u81ea\u53d8\u91cf\u5206\u6790\u3002\u5f53\u7136\u91cc\u9762\u8fd8\u6709\u50cfstatistics\u7b49\u8fd9\u4e9b\u529f\u80fd\u9879\uff0c\u4f60\u4f5c\u4e3a\u9ed8\u8ba4\u5c31\u884c\u4e86\u3002
\u7b2c\u4e09\u6b65\uff1a\u89e3\u91ca\u6a21\u578b\u3002\u8ba4\u5b9a\u4f60\u7684\u6a21\u578b\u505a\u7684\u597d\u4e0d\u597d\u8981\u770b\u68c0\u9a8c\u7684\u7ed3\u679c\uff0c\u8fd9\u91cc\u770bR\u503c\u3002\u5982\u679cR\u63a5\u8fd11\uff0c\u5219\u8bf4\u660e\u6a21\u578b\u548c\u5b9e\u9645\u62df\u548c\u7684\u6548\u679c\u6bd4\u8f83\u597d\u3002\u4f60\u7684\u6a21\u578bR\u503c\u8fbe\u5230\u4e860.9\u591a\uff0c\u8bf4\u660e\u6548\u679c\u975e\u5e38\u4e0d\u9519\u3002
SPSS\u4e2d\u505aLogistic\u56de\u5f52\u7684\u64cd\u4f5c\u6b65\u9aa4\uff1a\u5206\u6790>\u56de\u5f52>\u4e8c\u5143Logistic\u56de\u5f52\uff0c\u9009\u62e9\u56e0\u53d8\u91cf\u548c\u81ea\u53d8\u91cf\uff08\u534f\u53d8\u91cf\uff09
\u6269\u5c55\u8d44\u6599:
\u6570\u503c\u578b\u53d8\u91cf\uff08metric variable\uff09\u662f\u8bf4\u660e\u4e8b\u7269\u6570\u5b57\u7279\u5f81\u7684\u4e00\u4e2a\u540d\u79f0\uff0c\u5176\u53d6\u503c\u662f\u6570\u503c\u578b\u6570\u636e\u3002\u5982\u201c\u4ea7\u54c1\u4ea7\u91cf\u201d\u3001\u201c\u5546\u54c1\u9500\u552e\u989d\u201d\u3001\u201c\u96f6\u4ef6\u5c3a\u5bf8\u201d\u3001\u201c\u5e74\u9f84\u201d\u3001\u201c\u65f6\u95f4\u201d\u7b49\u90fd\u662f\u6570\u503c\u578b\u53d8\u91cf\uff0c\u8fd9\u4e9b\u53d8\u91cf\u53ef\u4ee5\u53d6\u4e0d\u540c\u7684\u6570\u503c\u3002\u6570\u503c\u578b\u53d8\u91cf\u6839\u636e\u5176\u53d6\u503c\u7684\u4e0d\u540c\uff0c\u53c8\u53ef\u4ee5\u5206\u4e3a\u79bb\u6563\u578b\u53d8\u91cf\u548c\u8fde\u7eed\u578b\u53d8\u91cf\u3002
\u6570\u636e\u5f62\u5f0f\u5728\u8ba1\u7b97\u673a\u4e2d\u7684\u8868\u793a\u4e3b\u8981\u6709\u4e24\u5927\u7c7b\uff1a\u6570\u503c\u578b\u53d8\u91cf\u548c\u975e\u6570\u503c\u578b\u53d8\u91cf\uff08\u5982\uff0c\u5b57\u7b26\u3001\u6c49\u5b57\u7b49\uff09\u3002\u6570\u503c\u578b\u53d8\u91cf\u6307\uff0c\u88ab\u4eba\u4e3a\u5b9a\u4e49\u7684\u6570\u5b57\uff08\u5982\u6574\u6570\u3001\u5c0f\u6570\u3001\u6709\u7406\u6570\u7b49\uff09\u5728\u8ba1\u7b97\u673a\u4e2d\u7684\u8868\u793a\u3002\u8fd9\u79cd\u88ab\u5b9a\u4e49\u7684\u6570\u636e\u5f62\u5f0f\u53ef\u76f4\u63a5\u8f7d\u5165\u5185\u5b58\u6216\u5bc4\u5b58\u5668\u8fdb\u884c\u52a0\u3001\u51cf\u3001\u4e58\u3001\u9664\u7684\u8fd0\u7b97\u3002
\u4e00\u822c\u4e0d\u7ecf\u8fc7\u6570\u636e\u7c7b\u578b\u7684\u8f6c\u6362\uff0c\u6240\u4ee5\u8fd0\u7b97\u901f\u5ea6\u5feb\u3002\u5177\u6709\u8ba1\u7b97\u610f\u4e49\u3002\u53e6\u4e00\u79cd\u975e\u6570\u503c\u578b\u7684\u6570\u636e\uff0c\u5982\u5b57\u7b26\u578b\u6570\u636e\uff08\u5982\u2018A\u2019\uff0c\u2018B\u2019\uff0c\u2018C\u2018\u7b49\uff09\uff0c\u662f\u4e0d\u53ef\u76f4\u63a5\u8fd0\u7b97\u7684\u5b57\u7b26\u5728\u8ba1\u7b97\u673a\u4e2d\u7684\u5b58\u5728\u5f62\u5f0f\u3002\u5177\u6709\u4fe1\u606f\u5b58\u50a8\u7684\u610f\u4e49\u3002
\u5728\u8ba1\u7b97\u673a\u4e2d\u53ef\u8bc6\u522b\u7684\u5b57\u7b26\uff0c\u4e00\u822c\u90fd\u5bf9\u5e94\u6709\u4e00\u4e2aASCII\u7801\uff0cASCII\u7801\u4e3a\u6570\u503c\u578b\u7684\u6570\u636e\u3002ASII\u7801\u503c\u7684\u6539\u53d8\uff0c\u5bf9\u5e94\u7684\u5b57\u7b26\u4e5f\u4f1a\u6539\u53d8\u3002\u6240\u4ee5\uff0c\u975e\u6570\u503c\u578b\u7684\u6570\u636e\uff0c\u672c\u8d28\u4e0a\u4e5f\u662f\u6570\u503c\u578b\u7684\u6570\u636e\u3002\u4e3a\u4e86\u63a5\u8fd1\u4eba\u7684\u601d\u7ef4\u4e60\u60ef\uff0c\u65b9\u4fbf\u7a0b\u5e8f\u7684\u7f16\u5199\uff0c\u8ba1\u7b97\u673a\u9ad8\u7ea7\u8bed\u8a00\uff0c\u5212\u5206\u4e86\u6570\u636e\u7684\u7c7b\u578b\uff1a
\u6570\u503c\u578b\u6570\u636e\u6709\uff1a\u6574\u578b \u5355\u7cbe\u5ea6\u578b \u53cc\u7cbe\u5ea6\u578b\u3002
\u975e\u6570\u503c\u7c7b\u578b\u6570\u636e\u6709\uff1a\u5b57\u7b26\u578b \u6216 \u5e03\u5c14\u578b \u6216\u8005 \u5b57\u7b26\u4e32\u578b\u3002
\u53c2\u8003\u8d44\u6599\u6765\u6e90\uff1a\u767e\u5ea6\u767e\u79d1:\u6570\u503c\u578b\u53d8\u91cf
其次，针对你的这个研究，我认为可能你在以下方面还存在不足：
1.模型设定的偏误或遗漏变量。你研究的对外贸易是对外贸易总量吗？如果是这样的，那么你想研究国内物流运输成本和我国对外贸易总量这两个变量之间的关系，那么显然你缺少了一些重要的控制变量，计量经济学的多元线性回归分析是在保持其他因素不变的情况下，考查你感兴趣的解释变量对于被解释变量的偏效应，重要控制变量的遗漏会有严重后果。这里列举两个你遗漏的重要变量，一个是进口总额，国内物流运输成本的上涨带来出口价格的上升，从而导致国外的需求下降，导致出口减少，在进口不变的前提下，是会引起贸易额的缩小，但是如果进口上升了，贸易额可能不变也可能扩大，从而你可以看到不控制进口总额可能会导致不显著以及符号相反的系数；（当然，如果不想控制进口额也行，那么干脆直接研究国内物流成本和出口额之间的关系好了，也就相当于你研究一个东西的价格上升对于需求量的影响，那么你就有非常成熟而且简单的模型可以直接套用，根据你在微观经济学里面学习的知识，你就知道有外国人的收入等等变量需要控制了对吧）。另一个你没有控制的重要变量是汇率，汇率会影响进口商和出口商双方的行为。建议你从浏览有关国内物流成本和对外贸易的相关文献入手，理解所有变量的含义，了解目前理论界已有的研究成果、模型，这样你才能确保你在模型中加入了足够的控制变量，控制变量多一些没什么关系，它只影响估计的最优性，但是遗漏重要变量则会带来估计的有偏和不一致；
2.数据处理的问题，有可能你的数据存在异方差性和自相关性等问题，这样会导致系数不显著；建议参考一本计量经济学教材，例如古扎拉蒂的《计量经济学基础》，里面提供了系统的解决方案。
希望能对你有所帮助~
我怀疑你这个问题不能简单的用OLS处理，不然怎么样也不会出显著性的。
原因是你考虑的是一个国际贸易模型，本来就非常不稳定，加上你的模型没有理论支持，你很有可能需要工具变量。
建议你收集一下贸易引力模型的相关数据，然后用这些数据做你的工具变量，重新再跑一边。
不如用对数模型试试，变量弄成logc，logx，logFDI，logGDP
绛旓細1.妯″瀷璁惧畾鐨勫亸璇垨閬楁紡鍙橀噺銆備綘鐮旂┒鐨勫澶栬锤鏄撴槸瀵瑰璐告槗鎬婚噺鍚楋紵濡傛灉鏄繖鏍风殑锛岄偅涔堜綘鎯崇爺绌跺浗鍐呯墿娴佽繍杈撴垚鏈拰鎴戝浗瀵瑰璐告槗鎬婚噺杩欎袱涓彉閲忎箣闂寸殑鍏崇郴锛岄偅涔堟樉鐒朵綘缂哄皯浜嗕竴浜涢噸瑕佺殑鎺у埗鍙橀噺锛岃閲忕粡娴庡鐨勫鍏冪嚎鎬у洖褰掑垎鏋愭槸鍦ㄤ繚鎸佸叾浠栧洜绱犱笉鍙樼殑鎯呭喌涓嬶紝鑰冩煡浣犳劅鍏磋叮鐨勮В閲婂彉閲忓浜庤瑙ｉ噴鍙橀噺鐨勫亸鏁堝簲锛岄噸瑕...
绛旓細杩欎釜鏄タ鏂圭粡娴庡涓殑铔涚綉妯″瀷锛歵琛ㄧず鏈湡锛宼-1琛ㄧず涓婃湡 闇姹傦細Dt=a-bPt銆傘傘傦紙1锛変緵缁欙細St=-c+dPt-1.銆傘傘傦紙2锛夐氳繃1991锛1992鐨勬暟鎹‘瀹氶渶姹傛洸绾匡細Dt=45-2.5Pt 閫氳繃1991鐨勪环鏍硷紝1992骞寸殑浜ч噺锛1992骞寸殑浠锋牸鍜1993骞寸殑浜ч噺锛岀‘瀹氫緵缁欐洸绾匡細St=16+1.5Pt-1 b=2.5锛宒=1.5锛宐>d,闇...
绛旓細涓や釜鑷彉閲忎箣闂存湁澶氶噸鍏辩嚎鎬ф槸寰堟甯哥殑锛屽彧瑕乿if 闂鍏細缁忔祹瀛﹀缓妯￠棶棰樸傘涓や釜鐪嬭捣鏉ユ槸鏈夌浉鍏虫х殑缁忔祹鍥犵礌锛屽缓妯＄殑缁撴灉纭疄涓よ呬箣闂村奖鍝嶇殑涓嶅ぇ锛岃鎬庝箞瑙ｉ噴鍛紵 棣栧厛锛岃繖鏍蜂竴涓師鍒欎綘瑕佹槑纭紝濡傛灉妯″瀷鐨勮瀹氬拰鏁版嵁澶勭悊鍩烘湰娌￠棶棰橈紝閭ｄ箞涓嶇缁撴灉濂戒笉濂斤紝閮芥槸鏈夋剰涔夌殑锛岃繖灏辨槸瀹炶瘉鐮旂┒锛屽彲浠ユ槸璇佸疄...
绛旓細1銆佺粡娴庡涓嚑涔庢墍鏈夌被鍨嬬殑璁＄畻棰橈紝閮芥槸鍩轰簬涓や釜閲忎箣闂寸殑鏁伴噺鍏崇郴锛鑰屾暟閲忓叧绯诲ぇ鑷村彧鏄袱绉嶆儏鍐:鎴愭姣旀垨鎴愬弽姣銆傚洜鑰岋紝瑙ｅ喅闂鐨勫叧閿湪浜: 鎺屾彙涓ょ鏁伴噺鍏崇郴鍚勮嚜鐨勮绠楁柟娉曘傝繕鏈夊氨鏄槑纭浉鍏抽噺涔嬮棿鐨勬暟閲忔瘮渚嬪叧绯伙紝鎴愭姣旇繕鏄垚鍙嶆瘮銆傚缓璁浉鍏抽噺涔嬮棿鐨勬暟閲忔瘮渚嬪叧绯讳笉蹇呯‖鎬ц蹇嗭紝鍙互鍦ㄥ仛棰樻椂涓存椂鈥滄兂鈥濆嚭...
绛旓細鍐嶈濡傦紝adverse selection model鐨勬牳蹇冩満鍒舵槸淇℃伅涓嶅绉銆傞櫎浜嗘牳蹇冩満鍒讹紝妯″瀷鍏朵粬鐨勯儴鍒嗛兘鏄粡娴庡鐨勫熀鏈師鐞嗕簡锛岃濡傚畬鍏ㄧ珵浜夊競鍦虹殑涓浜涘熀鏈壒寰侊紝鍨勬柇甯傚満鐨勪竴浜涘熀鏈壒寰侊紝浣嗘暣涓ā鍨嬬殑瑙ｉ兘鏄洿缁曠潃鏍稿績鏈哄埗灞曞紑鐨勩傛垜妯″瀷鐨勬牳蹇冩満鍒剁洿鍒扮幇鍦ㄨ繛鎴戣嚜宸遍兘娌℃湁寮勬槑鐧斤紝鎵浠ユ瀯寤烘ā鍨嬬殑杩囩▼涓姱浜嗕竴浜涢敊璇紙瀵...
绛旓細璁￠噺缁忔祹瀛鐨勫熀纭鏄竴鏁村寤虹珛鍦ㄦ暟鐞嗙粺璁＄悊璁轰笂鐨勮閲忔柟娉曪紝灞炰簬璁￠噺缁忔祹瀛︾殑鈥滅‖浠垛濓紝璁￠噺缁忔祹瀛︾殑涓昏鐢ㄩ旀垨鐩殑涓昏鏈涓や釜鏂归潰锛氱悊璁烘楠屻傞娴嬪簲鐢ㄣ傜悊璁烘楠屾槸璁￠噺缁忔祹瀛︾敤閫旀渶涓轰富瑕佺殑鍜屽彲闈犵殑鏂归潰銆傝繖涔熸槸璁￠噺缁忔祹瀛︽湰韬殑涓涓富瑕佸唴瀹广傞娴嬪簲鐢ㄤ粠鐞嗚鐮旂┒鍜屾柟娉曠殑鏈缁堢洰鐨勭湅锛岄娴嬶紙鍖呮嫭鏀跨瓥璇勪环锛...
绛旓細寤烘ā闂鍒嗘瀽鏄竴涓秹鍙婂瀛︾鐨勭患鍚堟ч棶棰樸傚畠闇瑕佹暟瀛︺佽绠楁満绉戝銆佺粺璁″銆缁忔祹瀛銆佺墿鐞嗗銆佸寲瀛︾瓑涓嶅悓瀛︾鐨勭煡璇嗭紝瀵瑰疄闄呴棶棰樿繘琛屽垎鏋愬拰姹傝В锛屽洜姝ゅ缓妯￠棶棰樺垎鏋愰渶瑕佽法瀛︾鍚堜綔锛岄泦鎬濆箍鐩娿傚缓妯￠棶棰樺垎鏋愭槸瀛︽湳鐮旂┒鍜岀幇瀹炲簲鐢ㄧ殑閲嶈鎵嬫銆傚畠鍙互鍦ㄧ悊璁轰笂鎺㈢┒闂鑳屽悗鐨勮寰嬪拰鏂规硶锛屼负瀹炶返鎻愪緵鎸囧锛涘悓鏃讹紝...
绛旓細浜鏄ā鍨嬮殢鏈鸿宸」鐨勫紓鏂瑰樊闂銆傜敤鎴潰鏁版嵁浣滄牱鏈,瀹规槗寮曡捣妯″瀷闅忔満璇樊椤逛骇鐢熷紓鏂瑰樊銆傝繖涓棶棰樺悗闈㈣繕瑕佷笓闂ㄨ璁恒傝櫄鍙橀噺鏁版嵁涔熺О涓轰簩杩涘埗鏁版嵁,涓鑸彇0鎴1銆傝櫄鍙橀噺缁忓父琚敤鍦ㄨ閲缁忔祹瀛妯″瀷涓,浠ヨ〃寰佹斂绛栥佹潯浠剁瓑鍥犵礌銆備緥濡,寤虹珛鎴戝浗鐨勭伯椋熺敓浜ц閲忕粡娴庡妯″瀷,浠ョ伯椋熶骇閲忎綔涓鸿瑙ｉ噴鍙橀噺,瑙ｉ噴鍙橀噺涓櫎浜嗘挱绉嶉潰绉佸寲鑲...
绛旓細璁￠噺缁忔祹瀛鎶ュ憡 鐮旂┒闂锛氭垜鍥界浜烘苯杞︽嫢鏈夐噺 涓 鍩庨晣灞呮皯鍙敮閰嶆敹鍏 姹借溅浜ч噺涔嬮棿鐨勫叧绯 妯″瀷璁惧畾锛氫互鎴戝浗绉佷汉姹借溅鎷ユ湁閲忎负琚В閲婂彉閲忥紙qcyyl锛 鍩庨晣灞呮皯鍙敮閰嶆敹鍏ワ紙kzpsr锛夛紝姹借溅浜ч噺锛坬ccl锛変负涓や釜瑙ｉ噴鍙橀噺锛岄夊彇1994-2008骞存暟鎹繘琛屽垎鏋 涓 1鏁版嵁 骞翠唤 qcyyl kzpsr qccl 3496.2 4238 ...
绛旓細浣犳槸瑕寤烘ā鍚庡緱鍒扮殑鏂圭▼鍚楋紵
