3.2 人均收入与消费关系分析
3.2.1 案例描述
现有1981—1993年全国人均消费额和人均国民收入的数据，如表3-1所示，试分析人均收入对人均消费额的影响。
表3-1 数据表 单位：元
3.2.2 操作步骤和结果分析
(1) 打开SPSS 19主界面，单击窗口下方的Variable View按钮，变量设置如图3-1所示。
图3-1 变量设置
(2) 单击窗口下方的Data View按钮，输入数据如图3-2所示。输入完成后，单击菜单栏中的File菜单，选择Save As命令，保存为shouru.sav。
图3-2 数据录入
(3) 在菜单栏中依次选择Graphs→Legacy Dialogs→Scatter/Dot命令，弹出Scatter/Dot对话框，如图3-3所示。
图3-3 Scatter/Dot对话框
(4) 选中Simple Scatter图形，单击Define按钮，弹出Simple Scatterplot对话框，如图3-4所示。
图3-4 Simple Scatterplot对话框
(5) 从左侧的变量列表框中选择“人均消费额[Y]”选项，单击
按钮使之进入Y Axis框中；选择“人均收入额[X]”选项，单击
按钮使之进入X Axis框中，如图3-5所示。
图3-5 Simple Scatterplot对话框设置
(6) 单击OK按钮，输出散点图，如图3-6所示。从中可以直观地看出人均消费额和人均收入之间存在线性关系。
图3-6 散点图
(7) 在菜单栏中依次选择 Analyze→Correlate→Bivariate 命令，弹出 Bivariate Correlations对话框，如图3-7所示。
图3-7 Bivariate Correlations对话框
(8) 从左侧的变量列表框中选择“人均收入额[X]”和“人均消费额[Y]”选项，分别单击
按钮使之进入Variables框中，如图3-8所示。
图3-8 Bivariate Correlations对话框设置
(9) 单击OK按钮，输出相关系数表，如表3-2所示。从中可以看出，变量X与Y之间皮尔逊系数为0.999，双尾检验概率P值为0.000，小于0.05，因而，X与Y之间显著相关。
表3-2 相关系数表
** Correlation is significant at the 0.01 level (2-tailed)
(10) 在菜单栏中依次选择Analyze→Regression→Linear命令，弹出Linear Regression对话框，如图3-9所示。
图3-9 Linear Regression对话框
(11) 从左侧的变量列表框中选择“人均消费额[Y]”选项，单击
按钮使之进入Dependent框中；选择“人均收入额[X]”选项，单击
按钮使之进入Independent(s)框中；在Method下拉列表框中选择Enter选项，如图3-10所示。
图3-10 Linear Regression对话框设置
(12) 完成以上步骤后，单击图3-10中的OK按钮完成分析，输出分析结果，如图3-11所示。
图3-11 结果输出窗口
(13) 输出引入/剔出变量表，如表3-3所示。表明使用全部引入法将变量X引入。
表3-3 引入/剔出变量表
(14) 输出模型概览表，如表3-4所示。显示相关系数R=0.999，可决系数R2=0.997，调整可决系数R2=0.997，估计标准误为14.94818。
表3-4 模型概览表
(15) 输出方差分析表，如表3-5所示。从中可知，回归平方和 SSR=946491.148，残差平方和SSE=2457.929，总偏差平方和SST=948949.007，回归均方MSR=946491.148，残差均方MSE=223.448，检验统计量F=4235.843，检验P=0.000<0.05。
表3-5 方差分析表
(16) 输出相关系数表，如表3-6所示。从中可知回归分析中的各回归系数，常数项为54.230，回归系数(B)为0.526，回归系数的标准误为0.008，标准化回归系数为0.999，回归系数t检验的 t 值为65.083, P=0.000<0.05，即可认为回归系数具有显著意义，可得直线回归方程为：Y=54.230+0.526X。
表3-6 相关系数表
