【正文】 該方程式預(yù)測了我國淘寶注冊人數(shù)，網(wǎng)絡(luò)普及度和居民消費(fèi)水平關(guān)于淘寶交易額的影響的預(yù)測方程式。SPSS在得出的趨勢線以及變量之間的線性關(guān)系，需要自己用一元線性回歸的方法得出數(shù)據(jù)之間的系數(shù)，然后自己把方程寫在趨勢線旁邊。通過SPSS操作最后得到的我國財(cái)政收入的預(yù)測方程式： 再加上最后對數(shù)據(jù)的檢驗(yàn)可以得出人均國內(nèi)生產(chǎn)總值、經(jīng)濟(jì)活動人口、全社會固定資產(chǎn)投資對財(cái)政收入y有顯著的影響。由上可以看出我國的進(jìn)出口總額被剔除。它實(shí)質(zhì)上就是多元線性回歸分析的基礎(chǔ)上派生出一種研究和建立最優(yōu)多元線性回歸方程的算法技巧。而自變量，說明自變量，對因變量y有顯著性影響。 x3 amp。（1）本案例中計(jì)算的是因變量y與自變量，之間相關(guān)的密切程度。全社會固定資產(chǎn)投資是指以貨幣形式表現(xiàn)的在一定時期內(nèi)全社會建造和購置固定資產(chǎn)的工作量以及與此有關(guān)的費(fèi)用的總稱。影響公式可以近似為：即：淘寶注冊人數(shù)增加就可使得淘寶網(wǎng)的交易額增加。但是其關(guān)系強(qiáng)度較前者略低，所以經(jīng)過以上系數(shù)得到的偏相關(guān)系數(shù)可以看出，其相關(guān)程度較原關(guān)系的強(qiáng)度低，應(yīng)采用原數(shù)據(jù)的自變量和因變量。 x2yCorrelation.810Significance (2tailed)..051df04x3Correlation.810Significance (2tailed).051.df40解析：由上可知， 。（2）計(jì)算偏相關(guān)系數(shù)：在多變量的情況下，變量之間的相關(guān)系數(shù)是相當(dāng)復(fù)雜的。原始數(shù)據(jù)如下：由于數(shù)據(jù)之間單位的不同，為了消除量綱的影響，把數(shù)據(jù)標(biāo)準(zhǔn)化進(jìn)行處理，得到如下標(biāo)準(zhǔn)化的數(shù)據(jù)（所有取值保留了兩位小數(shù)）：對y與各個變量作出散點(diǎn)圖（1）淘寶注冊人數(shù)與y的相關(guān)性散點(diǎn)圖：（2）網(wǎng)絡(luò)普及度與淘寶網(wǎng)交易總額的相關(guān)性檢驗(yàn)：（3）我國居民消費(fèi)水平與淘寶交易的相關(guān)性檢驗(yàn)： 由以上三個散點(diǎn)圖可知，其所有的點(diǎn)均落在了左上至右下的一條直線上，表明了數(shù)據(jù)之間存在顯著相關(guān)關(guān)系。 我國網(wǎng)絡(luò)普及度（）是指我國近幾年網(wǎng)絡(luò)在我國普及的范圍，這一塊更好的反映了網(wǎng)絡(luò)對居民網(wǎng)絡(luò)消費(fèi)的影響，因?yàn)榫W(wǎng)絡(luò)是網(wǎng)絡(luò)消費(fèi)的必要條件。SPSS軟件作為當(dāng)今國際上運(yùn)用廣泛的統(tǒng)計(jì)分析軟件,因其具有自動統(tǒng)計(jì)繪圖、數(shù)據(jù)的深入分析、易學(xué)易用、功能齊全等特點(diǎn),在各個領(lǐng)域得到了迅速普及,并成為各行業(yè)管理組織提高管理水平、形成科學(xué)決策的重要手段。今天的統(tǒng)計(jì)學(xué)已展現(xiàn)出強(qiáng)有力的生命力。通過對數(shù)據(jù)的選取，以及軟件的操作方法來告知讀者如何在SPSS的操作中變量選取的原則、要求和方法。通過SPSS軟件對數(shù)據(jù)進(jìn)行分析，對數(shù)據(jù)進(jìn)行處理的方法進(jìn)行總結(jié)，找出SPSS對于數(shù)據(jù)處理和分析的優(yōu)缺點(diǎn)，最后得在對變量的選取和軟件的操作提出建議。關(guān)鍵詞：統(tǒng)計(jì)學(xué) SPSS 變量的選取 多元回歸分析 AbstractIn this paper, not only for plex statistical calculations done by the monly used puter application software of SPSS, through the empirical analysis of the two groups of data at the same time, to study the statistics of the variables in the multivariate regression analysis, let everybody to select multiple regression in statistical data and operation methods have a deeper understanding. Is a set of data for the future development trend of taobao transactions of research, a set of data for the research of our country39。第一章自變量的選擇在多元線性回歸模型中，自變量的選擇實(shí)質(zhì)上就是模型的選擇。在我國，社會主義市場經(jīng)濟(jì)體制的逐步建立，實(shí)踐發(fā)展的需要對統(tǒng)計(jì)學(xué)提出了新的更多、更高的要求。然而,我國對該軟件的理解和運(yùn)用還處于早期應(yīng)用階段,對其功能的研究開發(fā)與實(shí)際生活當(dāng)中的運(yùn)用與西方發(fā)達(dá)國家相差甚遠(yuǎn)。我國網(wǎng)絡(luò)普及度反映的是在我國日趨發(fā)展的經(jīng)濟(jì)下，網(wǎng)絡(luò)也得到了普遍的廣泛，人們對網(wǎng)絡(luò)的接受程度，信任程度也是直接影響到淘寶的網(wǎng)絡(luò)購物。所以我們還需要對數(shù)據(jù)進(jìn)行進(jìn)一步的分析，得到確切的答案。任意兩個變量之間都有可能存在著相關(guān)關(guān)系，因此，只知道被解釋變量與解釋變量的總的相關(guān)程度是不夠的。④消除我國居民消費(fèi)水平和淘寶交易額的影響后，淘寶注冊人數(shù)和我國網(wǎng)絡(luò)普及度的偏相關(guān)系數(shù)：CorrelationsControl Variablesx1x2x3 amp。即所采用的自變量和因變量保持不變。眾所周知我國網(wǎng)絡(luò)普及度是在逐年增加的，這里表現(xiàn)出的網(wǎng)絡(luò)普及度為負(fù)指標(biāo)，并不代表網(wǎng)絡(luò)普及度要遞減才可以使得淘寶交易額增加，隨著社會的發(fā)展，中國的發(fā)展更是越來越迅速，網(wǎng)絡(luò)普及度的增加使得更多的地方有網(wǎng)絡(luò)，更多的人了解網(wǎng)絡(luò)才能使得我國淘寶注冊人數(shù)的增加。其反映固定資產(chǎn)投資規(guī)模、結(jié)構(gòu)和發(fā)展速度的綜合性指標(biāo)的同時，也是觀察工程進(jìn)度和考核投資效果的重要依據(jù)。以下是用SPSS對數(shù)據(jù)進(jìn)行相關(guān)性分析，得到如下的相關(guān)系數(shù)圖 解析：圖中有帶“**”，由上圖可知，y與的相關(guān)系數(shù)為10，表示呈一定的線性關(guān)系，說明人均國內(nèi)生產(chǎn)總值與我國財(cái)政收入之間相關(guān)性顯著。 x4yCorrelation.782Significance (2tailed)..002df011x1Correlation.782Significance (2tailed).002.df110解析：表一為回歸分析圖中的人均國內(nèi)生產(chǎn)總值、經(jīng)濟(jì)活動人口、全社會固定資產(chǎn)投資、我國的進(jìn)出口總額分別與財(cái)政收入y的偏相關(guān)系數(shù)，表二為SPSS偏相關(guān)系數(shù)操作中得出的我國人均國內(nèi)生產(chǎn)總值與我國財(cái)政收入的偏相關(guān)系數(shù)。t檢驗(yàn)：在給定的，自由度n=132=11的臨界值時，可以看出常數(shù)項(xiàng)及自變量，這說明5%的顯著性水平下，斜率系數(shù)均顯著不為0，表明人均國內(nèi)生產(chǎn)總值、經(jīng)濟(jì)活動人口、全社會固定資產(chǎn)投資等變量聯(lián)合起來對我國的財(cái)政收入y有顯著的影響。主要含義如下：2） 逐步回歸分析的算法技巧是求解求逆緊奏變換法；其逐步回歸的順序?yàn)椋?Model SummarydModelRR SquareAdjusted R SquareStd. Error of the Estimate1.998a.996.996.155912.999b.998.998.109543.999.999.08259a. Predictors: (Constant), x1b. Predictors: (Constant), x1, x3c. Predictors: (Constant), x1, x3, x2d. Dependent