[关于2010年全国各地区人均收入与支出水平的spss数据分析.docVIP

Spss 统 计 数 据 分 析 期 末 作 业 一、数据的简单处理 在数据文件建立好后，通常还需要对待分析的数据进行必要的预加工处理，这是数据分析过程中不可缺少的一个关键环节。首先，为了便于数据的浏览，快捷的找到数据的最大值和最小值，同时，快捷的发现数据的异常值，先将数据按照降序重新进行排列；其次，为了粗略的把握数据的分布，实现数据的离散化处理和对数据进行频数分析，和对数据进行频数分析，利用spss软件中的分组功能对数据进行简单的分组。由于变量值较多，分组适应采用组据分组的方式，具体步骤如下： 1、确定组数： k=1+ln(n)/ln2=1+ln31/ln2=6 2、确定组距： 组距=（最大值-最小值）/组数=（10044.91-2088.48）/6=1326.0717 通过一个复合条形图，可以很明确的发现我国农村居民生活水平存在很大的地区差异，地区发展很不平衡，从图中的生活消费支出和人均收入来看，北京，上海，浙江这些省市农村消费水平最高，人均收入也是最高的，各省市的农村居民消费水平差异较大，大多数省份农村居民人均消费集中在3500元左右。 线性回归分析 农民人均生活消费支出Y与农民人均收入X的一元线性回归分析变量选择说明：被解释变量即自变量：农民人均生活消费支出Y，解释变量即因变量：农民人均收入X 1. 相关分析表，由模型汇总中看到复相关系数为0.922，决定相关系数0.930，说明方程拟合度较好，表明回归方程显著性较高。 输入／移去的变量a 模型 输入的变量 移去的变量 方法 1 生活消费支出合计 . 步进（准则: F-to-enter 的概率 = .050，F-to-remove 的概率 = .100）。 a. 因变量: 人均纯收入 模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 1 .960a .922 .919 761.53129 a. 预测变量: (常量), 生活消费支出合计。 b. 因变量: 人均纯收入 方差分析表，F=340.450，P=0.0000.05,表明回归方程高度显著，即农民人均收入对消费有高度影响。 Anovab 模型 平方和 df 均方 F Sig. 1 回归 1.974E8 1 1.974E8 340.450 .000a 残差 1.682E7 29 579929.906 总计 2.143E8 30 系数a 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量) 948.338 321.987 2.945 .006 生活消费支出合计 1.316 .071 .960 18.451 .000 a. 因变量: 人均纯收入 a. 预测变量: (常量), 生活消费支出合计。 b. 因变量: 人均纯收入 3. 回归系数的显著性检表，常数项的P=0.000.05，说明存在显著性差异，故应该得出现在回归方程中，回归方程为：Y=948.338+0.96X 单样本的T检验 由表3-2可知，分组后，全国31个省市的农村家庭居民平均每人生活消费支出合计，大约有21个城市都集中在第一组，数额主要2088.48——3951.17元之间，因此可推断，全国农村家庭居民平均每人生活消费支出的平均数应该在4000元——6000元之间，假设为4500元，由于该问题涉及的是单个总体，且要进行总体均值检验，同时农村家庭居民平均每人消费的总体可近似认为服从正态分布，因此，应采用单样本t检验来分析推断全国农村家庭居民人均消费的平均值是否为4500元。分析结果如下： 检测 单个样本统计量 N 均值 标准差 均值的标准误 生活消费支出合计 31 4087.2623 1949.53570 350.14695 单个样本检验 检验值 = 4500 t df Sig.(双侧) 均值差值 差分的 95% 置信区间 下限 上限 生活消费支出合计 -1.179 30 .248 -412.73774 -1127.8332 302.3577 4087.2623元，标准差为1949.53570元，均值标准误差为350.14695元。表2-2中，第二列是t统计量的观测值为-1.179； 第三列式自由度为30（即n-1=31-1）；第四列是t统计量的观测值的双尾概率P-值；第五列为样本均值与检验值的差，即t统计量的分子部分，它除以表2-1中的均值标准误差后得到t统计量的观测值；第六列和第七列是总体均值与原假设值差的95%的置信区间，为（-1127.8332,302.357