店铺租金的确定模型_经济学毕业论文
发布时间：2015-04-14
来源：人大经济论坛
店铺租金的确定模型_经济学毕业论文
店铺租金的确定模型
某商人欲在某火车站附近经营一店铺，委托本小组对相关情况进行调查。经过数月的资料收集和整理，我们的调查成果如下：
进出车站的乘客为主要服务对象的10家便利店的数据。
Y是日均销售额，X1为店铺面积，X2是店铺距车站的距离，X3为店员人数，X4为店铺日租金。
具体数据如下表：
店铺代码日均销售额（元）Y店铺面积（m2）X1离车站距离（100m）X2店员人数（人）X3店铺日租金（元）X4
A
B
C
D
E
F
G
H
I
J4000
4500
8000
6000
5000
2000
1500
9000
3000
700060
100
85
50
75
55
70
95
45
653
5
2
1
3
4
6
1
3
25
7
5
3
5
4
5
6
4
4600
600
1020
750
750
440
280
1425
450
780
数据来源：
为了考察店铺面积、离车站距离、店员人数和日租金对日销售额的影响，我们首先做Y关于X1、X2、X3、X4的回归，即建立如下回归模型：
Y=C+β1 X1+β2 X2+β3 X3+β4 X4
得回归结果如下表：
Dependent Variable: Y
Method: Least Squares
Date: 12/14/03 Time: 17:51
Sample: 1 10
Included observations: 10
VariableCoefficientStd. Errort-StatisticProb.
C4815.2671536.4183.1340870.0258
X1128.193039.797963.2210960.0234
X2-1494.966513.4078-2.9118480.0333
X3-619.1674472.6664-1.3099460.2472
X4-1.8772082.938471-0.6388380.5510
R-squared0.970270 Mean dependent var5000.000
Adjusted R-squared0.946486 S.D. dependent var2505.549
S.E. of regression579.6124 Akaike info criterion15.86945
Sum squared resid1679752. Schwarz criterion16.02074
Log likelihood-74.34724 F-statistic40.79489
Durbin-Watson stat1.407218 Prob(F-statistic)0.000522
从回归结果来看， R2接近于1，整个方程的拟合优度很高，FF0.05(4，5)＝5.19，变量X3、X4对应的偏回归系数之t值小于2，而且X3、X4的符号与经济意义相悖，该模型明显存在多重共线性，回归结果不显著，回归方程不能投入使用。
由于变量较多，采用逐步回归法来修正模型。
用Y对各个变量单独进行回归：
对X1，有：
Dependent Variable: Y
Method: Least Squares
Date: 12/14/03 Time: 20:17
Sample: 1 10
Included observations: 10
VariableCoefficientStd. Errort-StatisticProb.
C444.44442988.5550.1487160.8855
X165.0793741.384151.5725670.1545
R-squared0.236129 Mean dependent var5000.000
Adjusted R-squared0.140645 S.D. dependent var2505.549
S.E. of regression2322.680 Akaike info criterion18.51569
Sum squared resid43158730 Schwarz criterion18.57620
Log likelihood-90.57844 F-statistic2.472968
Durbin-Watson stat1.988381 Prob(F-statistic)0.154464
对X2，有：
Dependent Variable: Y
Method: Least Squares
Date: 12/14/03 Time: 20:20
Sample: 1 10
Included observations: 10
VariableCoefficientStd. Errort-StatisticProb.
C8687.5001096.2327.9248710.0000
X2-1229.167324.6760-3.7858260.0053
R-squared0.641777 Mean dependent var5000.000
Adjusted R-squared0.596999 S.D. dependent var2505.549
S.E. of regression1590.581 Akaike info criterion17.75844
Sum squared resid20239583 Schwarz criterion17.81896
Log likelihood-86.79221 F-statistic14.33248
Durbin-Watson stat2.488527 Prob(F-statistic)0.005344
对X3，有：
Dependent Variable: Y
Method: Least Squares
Date: 12/14/03 Time: 20:28
Sample: 1 10
Included observations: 10
VariableCoefficientStd. Errort-StatisticProb.
C3344.8283791.3250.8822320.4034
X3344.8276770.69640.4474230.6664
R-squared0.024413 Mean dependent var5000.000
Adjusted R-squared-0.097536 S.D. dependent var2505.549
S.E. of regression2624.897 Akaike info criterion18.76033
Sum squared resid55120690 Schwarz criterion18.82084
Log likelihood-91.80164 F-statistic0.200188
Durbin-Watson stat2.273575 Prob(F-statistic)0.666436
对X4，有：
Dependent Variable: Y
Method: Least Squares
Date: 12/14/03 Time: 20:30
Sample: 1 10
Included observations: 10
VariableCoefficientStd. Errort-StatisticProb.
C-124.4556691.7552-0.1799130.8617
X47.2226300.8931328.0868540.0000
R-squared0.891004 Mean dependent var5000.000
Adjusted R-squared0.877380 S.D. dependent var2505.549
S.E. of regression877.3734 Akaike info criterion16.56860
Sum squared resid6158272. Schwarz criterion16.62912
Log likelihood-80.84299 F-statistic65.39721
Durbin-Watson stat1.099477 Prob(F-statistic)0.000040
从上面的回归结果可以看到，Y对X2的回归拟合最好，故选择该回归式为基本回归表达式。现在分别加入X1、X3、X4回归结果如下：
加入X1，有：
Dependent Variable: Y
Method: Least Squares
Date: 12/14/03 Time: 21:21
Sample: 1 10
Included observations: 10
VariableCoefficientStd. Errort-StatisticProb.
C3641.214817.19384.4557530.0030
X175.4584910.588697.1263260.0002
X2-1307.769121.3087-10.780500.0000
R-squared0.956605 Mean dependent var5000.000
Adjusted R-squared0.944206 S.D. dependent var2505.549
S.E. of regression591.8273 Akaike info criterion15.84763
Sum squared resid2451817. Schwarz criterion15.93841
Log likelihood-76.23816 F-statistic77.15446
Durbin-Watson stat1.809788 Prob(F-statistic)0.000017
可见，加入X1效果较好，这样回归式中就有X1、X2两个变量了。在此基础上继续加入其他变量。
加入X3，有：
Dependent Variable: Y
Method: Least Squares
Date: 12/14/03 Time: 21:26
Sample: 1 10
Included observations: 10
VariableCoefficientStd. Errort-StatisticProb.
C3993.580797.84105.0054840.0024
X1109.374725.406914.3049200.0051
X2-1181.338142.6370-8.2821300.0002
X3-647.0407446.8316-1.4480640.1978
R-squared0.967843 Mean dependent var5000.000
Adjusted R-squared0.951765 S.D. dependent var2505.549
S.E. of regression550.2815 Akaike info criterion15.74791
Sum squared resid1816859. Schwarz criterion15.86895
Log likelihood-74.73956 F-statistic60.19526
Durbin-Watson stat1.281362 Prob(F-statistic)0.000072
可以看出，加入了X3以后引起了多重共线性，故剔除。
现在加入X4，回归结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 12/14/03 Time: 21:29
Sample: 1 10
Included observations: 10
VariableCoefficientStd. Errort-StatisticProb.
C4636.4821619.0772.8636580.0287
X199.5763235.195072.8292690.0300
X2-1674.283523.5131-3.1981670.0186
X4-2.2325263.095576-0.7211990.4979
R-squared0.960067 Mean dependent var5000.000
Adjusted R-squared0.940100 S.D. dependent var2505.549
S.E. of regression613.2195 Akaike info criterion15.96450
Sum squared resid2256229. Schwarz criterion16.08553
Log likelihood-75.82249 F-statistic48.08356
Durbin-Watson stat1.907328 Prob(F-statistic)0.000137
同样，X4引起多重共线性，故剔除。
故Y对X1、X2的回归拟合最好，回归表达式应为：
Y=3641.214+75.45849X1－1307.769X2
其经济意义为，在其他条件不变时，店铺面积扩大1平方米，日均销售额大约会增加75.5元；店铺如果比现在地址再远离车站100米，日均销售额大约会减少1307.8元。
由于客户的资金有限，每天能负担的租金为700～800元，因此我们建议在离火车站100米处租赁面积为60平方米左右的店铺，租金大约为750元。这样客户能够获得既定条件下的最大收益。
以上就是我们的分析报告。
经管之家“学道会”小程序
- 扫码加入“考研学习笔记群”
推荐阅读
会计学硕士（包括专硕）考研难度排名[附前辈经验]
简要说明微观经济学与宏观经济学的区别与联系
金融学的八大就业方向+经济学就业方向
论电子商务环境下物流企业的前景和策略_电子商务论文
西北农林科技大学林学院2013学术型考研招生专业目录_西北农林科技大学考研网
经管之家精彩文章推荐
