请通过以下数据进行SPSS一般线性回归模型的构造并解释分 "年 份 Year" 城镇居民家庭人均 农村居民家庭人均 Per Capita Income and Per Capita Income and Expenditure of Urban Household Expenditure of Rural Household 可支配 可 支 配 消 费 可支配 可 支 配 生活消费 收 入 收入指数 支 出 收 入 收入指数 支 出 Disposable Disposable Disposable Income Consumption Disposable Income Household Income Index Expenditure Income Index Expenditure
1978 315.00 274.00 104.71 81.70 1979 361.04 114.3 302.98 133.56 127.6 1980 365.00 108.1 335.02 160.78 120.5 135.51 1981 395.00 103.1 363.23 215.57 133.4 165.57 1982 429.00 103.9 382.47 216.74 99.7 177.90 1983 452.50 101.6 405.00 272.00 124.5 196.35 1984 497.49 108.8 431.68 301.17 110.3 219.64 1985 600.59 114.2 556.72 328.78 107.0 260.19 1986 724.21 113.2 653.83 333.64 99.7 292.48 1987 814.20 104.9 711.27 377.72 110.1 309.90 1988 946.10 87.2 896.55 401.32 98.2 346.73 1989 1111.46 102.2 963.97 457.06 102.5 390.05 1990 1267.73 113.5 1067.67 526.95 105.5 437.73 1991 1384.81 103.9 1199.95 539.29 102.3 454.6
为了构建一般线性回归模型,我们需要明确我们的因变量(Y)和自变量(X)。在这个例子中,我们可以选择“城镇居民家庭人均可支配收入”作为因变量(Y),并选择“农村居民家庭人均可支配收入”作为���变量(X)。我们将使用SPSS软件来进行回归分析。
首先,我们需要将数据输入到SPSS中。以下是数据的简化版本:
Year | Urban Disposable Income | Rural Disposable Income |
---|---|---|
1978 | 315.00 | 104.71 |
1979 | 361.04 | 133.56 |
1980 | 365.00 | 160.78 |
1981 | 395.00 | 215.57 |
1982 | 429.00 | 216.74 |
1983 | 452.50 | 272.00 |
1984 | 497.49 | 301.17 |
1985 | 600.59 | 328.78 |
1986 | 724.21 | 333.64 |
1987 | 814.20 | 377.72 |
1988 | 946.10 | 401.32 |
1989 | 1111.46 | 457.06 |
1990 | 1267.73 | 526.95 |
1991 | 1384.81 | 539.29 |
Analyze
> Regression
> Linear...
。Dependent
框中,将“农村居民家庭人均可支配收入”拖到 Independent(s)
框中。OK
运行回归分析。SPSS会生成一系列输出,包括回归系数、R平方值、ANOVA表等。以下是一些关键结果的解释:
回归系数表(Coefficients):
R平方值(R Square):
ANOVA表:
假设SPSS输出的回归系数表如下:
Coefficients | Unstandardized Coefficients | Standardized Coefficients | t | Sig. |
---|---|---|---|---|
B | Std. Error | |||
(Constant) | 200.00 | 50.00 | 4.00 | 0.001 |
Rural Disposable Income | 2.00 | 0.10 | 20.00 | 0.000 |
假设R平方值为0.95。
通过这些结果,我们可以得出结论:农村居民家庭人均可支配收入对城镇居民家庭人均可支配收入有显著的正向影响。