spss案例数据分析.doc

spss案例数据分析

Spss期末作业
关于我国城镇居民消费结构及趋势的数据分析
本次分析采用的数据来源于《中国统计年鉴—2011》,我选用的是其中的第十篇章—人民生活下的城镇居民家庭基本情况的相关数据,用以研究城镇居民消费结构及其趋势。(附数据部分截图
)

(A)下面是我对该数据做的相关分析。
表一给出的是基本的描述性统计图,表中显示各个变量的全部观测量的均值、标准差和观测值总数N,表2给出的是相关系数矩阵表,其中显示4个变量两两之间的pearson相关系数,以及关于相关关系等于零的假设的单侧显著性检验概率。
表1 描述性统计表


表2 相关系数矩阵
从表2中可以看出家庭设备用品及服务与食品、、,反映家庭设备用品及服务与食品、衣着之间存在显著的相关关系。说明食品与衣着对家庭设备用品及服务条件的好转有显著的作用,此外食品与衣着之间,食品与居住之间,、、,这说明他们之间也存在着显著的相关关系。在这里还要提一下相关系数旁边的两个星号的意思,,。因此,两个星号比一个星号拒绝原假设犯错误的可能性更小。
(B)下面是做的回归分析
表3给出了进入模型和被剔除的变量的信息。从表中我们可以看出所有3个自变量都进入模型,说明我们的解释变量都是显著并且是有解释力的。
表4给出了模型整体拟合效果的概述,,反映了因变量于自变量之间具有高度显著的线性关系。表里还显示了R平方以及经调整的R值估计标准误差
表5给出了方差分析表我们可以看到模型的设定检验F统计量的值为


,。
表6给出了回归系数表和变量显著性检验的T值。我们发现变量“食品”的T值太小,没有达到显著性水平,因此我们要将这个变量剔除。从这里我们也可以看出模型虽然通过了设定检验,但很有可能不能通过变量的显著性检验。

表4 模型概述表
表5 方差分析表


表6 回归系数表
表7 残差统计表
表7给出了残差分析表,表中显示了预测值、残差、标准化预测值、标准化残差的最小值、最大值、均值、标准偏差及样本容量等数据。根据概率的3西格玛原则,,小于3,说明样本数据中没有奇异值。
表8 残差分布直方图
表8给出了模型的直方图。由于我们在模型中始终假设残差服从正态分布,因此我们可以从这张图中直观地看出回归后的实际残差是否符合我们的假设。从回归残差的直方图与附于图上的正态分布曲线相比较,可以认为残差的分布不是明显地服从正态分布。尽管这样也不能盲目的否定残差服从正态分布的假设,因为我们用了进行分析的样本太小,样本容量仅为5。(C)spss参数检验分析(单样本t检验)


。在这里我选择的是转移性收入这个变量做的分析,推断转移性收入的平均值是否为2200元,下面是分析后输出的结果。
表9 转移性收入的基本描述统计结果
表10 转移性收入单样本t检验结果
由表9可知,,标准差为2