t
Sig.
(Constant) 2437.858 349.687
1 现金消费支 出(元)
.214
.018
.983
6.972 .001 11.934 .000
a. Dependent Variable: 食品
根据表中数据进行回归系数的显著性检验。可以看出，如果
显著性水平α为0.05，变量回归系数显著性t检验的概率远远
度检验。由于判定系 数（0.983）较接近 1，因此，认为拟合
1 .983a .966 .959 408.68748 优度较高，被解释变
a. Predictors: (Constant), 现金消费支出 量可以被模型解释的
(元)
部分较多，不能被解
释的部分较少。
ANOVAb
Model
Sum of Squares
量的
b. Dependent Variable: 食品
SST
为
2.462×107，SSR为2.379×107，SSE为835127.295，MSR为
2.379×107，MSE为167025.459，F统计量的观测值为
142.428，对应的概率P值近似为0。根据表中数据进行回归方
程的显著性检验。如果显著性水平α为0.05，由于概率P值小
性回归分析。
二、实验要求：在《中国统计年鉴》中选择
合适的数据进行一元线性回归分析（注明数据来
源）。注意回归分析要有经济意义。
三、实验结果及主要结论
Model Summary
根据该表进行拟合优
Model
R
R Adjusted R Square Square
Std. Error of the
Estimate
南昌航空大学经济管理学院学生实验报告 实验课程名称：统计学
班
戴
实验时 间 2012.12.24
级 11091125 姓
学
名
文 琦
成 绩
号
实验地 点
G804
实验性质： □基础性 综合性 □设计性
■
实验项 目
名 称
一元线性回归分析
指 导 老
王 秀 芝
师
一、实验目的：掌握用SPSS软件进行一元线
于显著性水平α，应拒绝回归方程显著性检验的原假设（β1
＝0），认为回归系数不为0，被解释变量与解释变量的线性
关系显著，可建立线性模型。
Coefficientsa
Model
Unstandardized
Coefficients
B
Std. Error
Standardized Coefficients
Beta
小于显著性水平α，因此拒绝原假设（β1＝0），认为回归系 数与0存在显著差异，即不为0。
1
根据上述结果写出的一元线性回归方程如下 ： 原数据：按收入等级分城镇居民家庭平均每人全年现金消费 支出 (2011年)描述[1]未考虑异方差问题。
df
Mean Square
F Sig.
Regression 2.379E7 1 2.379E7 142.428 .000a
1 Residual 835127.295 5 167025.459
由表 中数 据， 被解
Total
2.462E7 6
释变
a. Predictors: (Constant), 现金消费支出 (元)