spss线性分析案例.docVIP

SPSS案例分析 实验数据 年份 城镇居民家庭人均可支配收入(元) 城镇居民家庭恩格尔系数(%) 绝对数(元) 1980 477.6 56.9 1985 478.6 53.3 1989 479.6 54.5 1990 480.6 54.2 1991 481.6 53.8 1992 482.6 53 1993 483.6 50.3 1994 484.6 50 1995 485.6 50.1 1996 486.6 48.8 1997 487.6 46.6 1998 488.6 44.7 1999 489.6 42.1 2000 490.6 39.4 2001 491.6 38.2 2002 492.6 37.7 2003 493.6 37.1 问题提出：以上历年数据我们可以看出城镇居民家庭人均可支配收入与恩格尔系数有高度相关性但是具体的定量关系还没有确定。利用简单线性回归分析来定量的估计两者之间的回归方程。 利用SPSS可以得出以下结果： 1，判断变量之间是否存在相关性关系： 描述性统计量 均值 标准 偏差 N 城镇居民家庭恩格尔系数(%) 47.688 6.6232 17 城镇居民家庭人均可支配收入(元) 485.600 5.0498 17 相关性 城镇居民家庭恩格尔系数(%) 城镇居民家庭人均可支配收入(元) Pearson 相关性 城镇居民家庭恩格尔系数(%) 1.000 -.971 城镇居民家庭人均可支配收入(元) -.971 1.000 Sig. （单侧） 城镇居民家庭恩格尔系数(%) . .000 城镇居民家庭人均可支配收入(元) .000 . N 城镇居民家庭恩格尔系数(%) 17 17 城镇居民家庭人均可支配收入(元) 17 17 2，确定因变量与自变量，初步设定回归方程 以恩格尔作为因变量，城镇居民人均可支配收入作为自变量，建立简单的线性回归方程： 3，估计参数，确定估计的简单线性回归方程 输入／移去的变量a 模型 输入的变量 移去的变量 方法 1 城镇居民家庭人均可支配收入(元)b . 输入 a. 因变量: 城镇居民家庭恩格尔系数(%) b. 已输入所有请求的变量。 模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 1 .971a .943 .939 1.6309 a. 预测变量: (常量), 城镇居民家庭人均可支配收入(元)。 b. 因变量: 城镇居民家庭恩格尔系数(%) 注释：从表中可得线性回归出来的相关系数为R=0.971，方程拟合优度R方为0.943，调整后的R方为0.939，说明所做的回归方程拟合度较好。 Anovaa 模型 平方和 df 均方 F Sig. 1 回归 661.981 1 661.981 248.883 .000b 残差 39.897 15 2.660 总计 701.878 16 a. 因变量: 城镇居民家庭恩格尔系数(%) b. 预测变量: (常量), 城镇居民家庭人均可支配收入(元)。 由表可见回归模型的F统计量F=248.883，相应的P值为0.000，因此我们可以用的这个模型是显著的是有统计意义的。由于这里我们只用了一个自变量，所以模型的检验等价于系数的检验。 系数a 模型 非标准化系数 标准系数 t Sig. B 的 95.0% 置信区间 B 标准 误差 试用版 下限 上限 1 (常量) 666.233 39.210 16.991 .000 582.659 749.807 城镇居民家庭人均可支配收入(元) -1.274 .081 -.971 -15.776 .000 -1.446 -1.102 a. 因变量: 城镇居民家庭恩格尔系数(%) 注释：这个表给出了包括常数项在内所有系数的检验结果并用了t检验同时给出了标准系数和非标准系数，由相应的P值可知道这些系数都是显著的。具有统计意义。拟合的B0=666.233, B1=-0.713，所以所拟合的简单线性回顾方程为： y=666.233-1.274x 案例诊断a 案例数目 标准 残差 城镇居民家庭恩格尔系数(%) 预测值 残差 1 -.600 56.9 57.878 -.9784 2 -2.026 53.3 56.605 -3.3047 3 -.509 54.5 55.331 -.8309 4 .088 54.2 54.057 .1429 5 .623 53.8 52.783 1.0167 6 .914 53.0 51.510 1.4904 7 .039 50.3 50.236 .0642 8 .636 50.0 48.962 1.0380 9 1.479 50.1 47.688 2.4118 10 1.463 48.8 46.414 2.3855 11 .895 46.6 45