spss实验报告3

《统计分析与SPSS的应用》

实

验

报

告

三

一、数据来源及说明

使用SPSS多元线性回归分析法中的逐步回归法和强制回归法研究投资性变量与国民收入之间的相关关系。投资性变量选取5个变量：工业劳动者人数、农业劳动者数、货物周转量（铁路、公路、水路、民用航空、管道输油或气量）、生产性建设投资、建设安装工程投资；国民收入变量为：农业国民收入、工业国民收入、建筑业国民收入、运输业国民收入。现抽取从1963年-1982年共20年的统计数据（见下表，已将国民收入合并新的变量Y5），

试对其进行线性回归分析，看懂回归分析的结果并解释其经济意义。

二、统计分析结果

表 1 投资性变量和统计数据

（一）强制回归法

表 2 模型汇总

模型 R R 方 调整R 方 1

0.998a

0.996

0.995

a.预测变量：（常量），建设安装工程投资、生产性建设投资、农业劳动者数、工业劳动者数、货物周转

表2对回归方程进行拟合优度检验。各列的含义分别为：被解释变量和解释变量的复相关系数、判定系数R 方,调整的判定系数。由于是多元回归，应考察调整的判定系数0.995，认为拟合优度较高。

表 3 ANOVA b

序号

工业劳动者人数X1 （万人）

农业劳动

者人数X2 （万人） 货物周转

量X3（亿吨公公里）

生产性建设投资X4

（亿元） 建设安装工程投资

X5（亿元） 农业国民收入Y1

（亿元） 工业国民收入Y2

（亿元） 建筑业国民收入Y3（亿

元）

运输业国民收入Y4（亿元）

国民收入 Y5（亿元）

1 163

2 21968 2348 78.05 64.66 488.0 337.0 40.0 39.0 904.0 2 1695 2280

3 2750 112.26 92.38 549.0 422.0 50.0 44.0 1065.0 3 1828 23398 3463 144.7

4 109.18 641.0 505.0 53.0 58.0 1257.0 4 1974 24299 3901 172.70 119.37 692.0 606.0 58.0 66.0 1422.0

5 2032 25167 3050 114.21 86.62 703.0 505.0 55.0 52.0 1315.0

6 2092 26065 3109 91.22 63.7

7 714.0 449.0 44.0 49.0 1256.0 7 2365 27119 3753 163.93 114.6

8 722.0 587.0 60.0 62.0 1431.0 8 280

9 27814 4565 275.96 168.64 795.0 772.0 80.0 74.0 1721.0 9 3233 28400 5205 288.82 199.68 826.0 873.0 91.0 80.0 1870.0 10 3496 28286 5644 272.82 194.00 830.0 920.0 88.0 84.0 1922.0 11 3704 28861 6294 275.88 193.43 911.0 995.0 92.0 89.0 2087.0 12 3900 29222 6314 281.76 197.60 951.0 986.0 99.0 85.0 2121.0 13 4284 29460 7297 335.88 228.74 985.0 1113.0 113.0 96.0 2307.0 14 4692 29448 6904 305.81 212.91 996.0 1050.0 120.0 92.0 2258.0 15 4809 29345 7969 303.47 227.09 981.0 1195.0 124.0 106.0 2406.0 16 5009 29426 9829 396.24 300.85 1065.0 1408.0 125.0 118.0 2716.0 17 5340 29425 10907 365.14 343.80 1318.0 1536.0 130.0 121.0 3105.0 18 5600 30211 11517 359.23 381.07 1467.0 1688.0 169.0 117.0 3441.0 19 5796 31174 11616 252.43 317.32 1658.0 1709.0 175.0 120.0 3662.0 20 5930 32013 12403 302.90 397.35 1893.0 1792.0 194.0 133.0 4012.0

模型 F Sig

1 回归754.553 0.00a

a.预测变量：（常量），建设安装工程投资、生产性建设投资、农业劳动者数、工业劳动者数、货物周转

b.因变量：国民收入

表3是对回归方程的显著性检验。各列的含义为：被解释变量的方差来源、回归方程显著性检验中F统计量的值和相伴概率。由于相伴概率值近似等于0，可以认为各回归系数不同时为0，应拒绝原假设，认为被解释变量和解释变量全体的线性关系是显著的，可建立线性模型。

表 4 系数a

非标准化系数标准系

数

t Sig 共线性统计量

模型 B 标准误差试用版容差VIF

1 （常量）-1287.229 306.619 -4.198 0.01

工业劳动者人数-0.003 0.072 -0.006 -0.48 0.963 0.01

8

54.909

农业劳动者人数0.083 0.015 0.263 5.612 0.000 0.12

1

8.293

货物周转0.142 0.045 0.522 3.150 0.007 0.01

0 104.17 7

生产性建设投资-2.544 0.403 -0.280 -6.308 0.000 0.13

4

7.464

建设安装工程投资 4.141 1.006 0.479 3.886 0.002 0.01

7

57.581

a.因变量：国民收入

表4是对回归系数的显著性检验和检验多重共线性。各列数据的含义为：偏回归系数、

偏回归系数的标准误差、标准化偏回归系数、回归系数显著性检验中t检验统计量的观测值、

相伴概率值、解释变量的容忍度和方差膨胀因子。由表知，除“工业劳动者年数”外，其他变

量回归系数显著性检验的概率值都小于0.05，因此认为这些偏回归系数与零有显著差异，它

们与被解释变量的线性关系显著，应保留在模型中。从容忍度和方差膨胀因子看，货物周转

和其他解释变量的多重共线性很严重，在重新建模时可以考虑剔除该变量。

非标准化回归方程：Y=-1287.229-0.003×工业劳动者人数+0.083×农业劳动者人数+0.142×

货物周转-2.544×生产性建设投资+4.141×建设安装工程投资

标准化回归方程：Y=-0.006×工业劳动者人数+0.263×农业劳动者人数+0.522×货物周转

-0.280×生产性建设投资+0.479×建设安装工程投资

表 5 共线性诊断a

方差比例

模型维数特征

值条件索

引

工业劳动

者人数

农业劳动者

人数

货物周转生产性建设

投资

建设安装工

程投资

1 1 5.770 1.000 0.00 0.00 0.00 0.00 0.00