表4.6表明利用数据全部引入法,将数据引入SPSS软件。
序号 变量输入 变量输出 方法
1 人均可支配收入X(元) . 确定
表4.6 回归分析数据
a 引入所有数据
b 变量: •人均可支配收入X(元)
表4.7显示了相关系数R=0.923,可决系数R2=0.912,调整可决系数R2=0.874,估计标准差=876.53。
序号 相关系数R 可决系数R2 调整可决系数R2 误差估计
1 0.923(a) 0.912 0.874 876.53
a 预测因子(常量):人均可支配收入X(元)
b 因变量: 房地产价格Y(元)
表4.7 回归分析模型总结(b)
表4.6是方差分析表,其中,回归方程的显著性检验统计量F=62.103。检验P=0.000<0.05,拒绝H0,房地产价格Y与居民可支配收入X之间无线性回归关系,接受H1,房地产价格Y与居民可支配收入X之间具有线性回归关系。
回归平方和SRR=46193682.408,残差平方和SSE=4627463.467,总偏差平方和SST=48709145.875,他们相对应得自由度分别为1,6,7,回归平均方差MSR=46193682.408,残差平均方差MSE=742910.578。
序号 平方和 系数 均方 F 集合
1 回归 46193682.408 1 45191682.408 62.103 0.000(a)
残值 4627463.467 6 742910.578
合计 48709145.875 7
a 预测因子(常量):人均可支配收入X(元)
b 因变量: 房地产价格Y(元)
表4.6 方差分析表(b)
表4.7显示了回归分析中的系数。其中,常数项=3830.623,X的系数为0.113,X的标准化回归系数=0.935,回归系数T检验值=7.547,分析结果与EXCEL软件所得出的分析结果相似,两者都表明,居民可支配收入X对于房地产价格Y有着显著的影响。
序号 非标准系数 标准系数 t 集合
B 误差 β
1 常数 3830.623 553.627 6.965 0.000
人均可支配收入X(元) 0.113 0.026 0.935 7.547 0.000
a 预测因子(常量):人均可支配收入X(元)
b 因变量: 房地产价格Y(元)
表4.7 回归分析表(b)
根据SPSS软件分析结果,R2=0.912,调整后的R2=0.874,方程拟合效果较好。F=62.103通过了1%的显著性检验。居民可支配收入各系数也均显著不为零。所以,模型拟合度比较好。这也说明居民可支配收入与房地产价格之间是具有相关性的关系。由于进行的是一元线性回归分析,实际说明,居民可支配收入每增加一个百分点,房地产价格也随之增加了β2个百分点。房地产价格对居民可支配收入的弹性均为正值,这反映了居民可支配收入对于房地产价格起着推动作用。与其他学者所得出的结论相一致。
根据SPSS软件进行的以上海为例的实证分析,可以直观地分析得到,上海市居民可支配收入对于房地产价格成正比增长。 我国房地产价格及其影响因素分析(15):http://www.751com.cn/jingji/lunwen_228.html