spss案例数据分析.docxVIP

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—2022》，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。

描述性统

描述性统计量

均值

2744.0660

775.8200

694.1920

488.2500

食品

衣着

居住

家庭设备用品及服务

标准差

1802.80584

555.67616

565.48222

343.94006

N

5

5

5

5

表1描述性统计表

家庭设

家庭设备用品及

服务

.991**

相关性

食品

1

相关性

Pearson

衣着

食品

居住

.998**

.995**

显著性(单侧)

显著性(单侧)

平方与叉积的和1.300E7

协方差3250108.892

N5

衣着Pearson相关性.998**

显著性(单侧).000

平方与叉积的和4000739.197

协方差1000184.799

N5

居住Pearson相关性.991**

显著性(单侧).001

平方与叉积的和4039135.855

协方差1009783.964

N5

家庭设备用品及服务Pearson相关性.995**

显著性(单侧).000

平方与叉积的和2468266.142

协方差617066.535

N5

**.在.01水平(单侧)上显著相关。

.001

4039135.855

1009783.964

5

.985**

.001

1238672.922

309668.230

5

1

1279080.565

319770.141

5

.996**

.000

775005.410

193751.352

5

.000

4000739.197

1000184.799

5

1

1235103.975

308775.994

5

.985**

.001

1238672.922

309668.230

5

.994**

.000

760246.419

190061.605

5

.000

2468266.142

617066.535

5

.994**

.000

760246.419

190061.605

5

.996**

.000

775005.410

193751.352

5

1

473179.063

118294.766

5

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、衣着之间相关系数分别为0.995、0.994，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，居住与衣着之间的相关系数分别为0.998、0.991、0.985，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，它表示显著性水平α为0.01时仍拒绝原假设，一个星号则表示显著性水平α为0.05时可拒绝原假设。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，模型的拟合优度系数为1.000，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