首先你要告诉我你的解释变量是什么,被解释变量是什么。不过这么看上去你的模型应该有问题。
1、根据利润的计算,税收和利润之间有确定的函数关系,如果你的被解释变量是企业利润,你的模型没有价值,至少将税收放进模型作为因变量没有价值,因为这会影响模型的随机性。回归模型的最基本假设是解释变量和被解释变量间是未知的相关关系,而不是确定的函数关系。简单的说,如果你知道函数关系,就没有必要回归。
2、还是刚才那个问题,你没有说清解释变量和被解释变量是什么,不过看你提供的信息即可能是利润也有可能是GDP,不过无论是哪一个,你的模型一定存在解释变量过少的问题。从经济上讲无论是GDP增长还是企业利润,影响他们的因素过少的话会导致模型解释力不足。如果在数据量不大的情况下,会出现拟合度过低的问题。另外遗漏了其他可能的解释变量也会使模型本身的可信度下降。而且在只有两个解释变量的情况下,很可能将非线性回归强行作为线性回归拟合。
首先,任何数据序列之间都可以建立回归方程,回归方程是统计学方法,只针对数据本身,不涉及对于回归关系的解释;
其次,如果要通过整体经济形势和政策环境来预测某企业未来经营状况的话可以以GDP增量和税负为自变量,以企业经营指标为因变量建立回归方程。
最后,找论文我习惯上知网,要是在外网上没有账号的话也可以拷下文章标题在百度里搜。
就这样,希望有帮助。
你把这三个变量的近15年的数据都找到,然后用软件做出来一个回归方程看成立不成立就可以了。
可以建立,但是要小心陷阱很多