【正文】 q u a r e F S i g .Predictors: (Constant), 人 均收入, 糧 食平均單價a . Dependent Variable: 人 均食品支出b . Coefficie nts a 8 7 . 3 6 8 6 1 . 6 8 0 1 . 4 1 6 . 1 6 8 2 1 3 . 7 1 4 3 8 . 9 7 92 1 3 . 4 2 3 7 3 . 2 7 8 . 2 4 3 2 . 9 1 3 . 0 0 7 6 3 . 3 2 0 3 6 3 . 5 2 6. 3 5 2 . 0 3 8 . 7 6 7 9 . 1 8 5 . 0 0 0 . 2 7 3 . 4 3 0( C o n s t a n t )糧食平均單價人均收入M o d e l1B S t d . E r r o rU n s t a n d a r d i z e dC o e f f i c i e n t sB e t aS t a n d a r d i z e dC o e f f i c i e n t st S i g . L o w e r B o u n d U p p e r B o u n d9 5 % C o n f i d e n c e I n t e r v a lf o r BDependent Variable: 人 均食品支出a . 按數(shù)列中所排列指標的表現(xiàn)形式不同分為： 絕對數(shù)數(shù)列 相對數(shù)數(shù)列 平均數(shù)數(shù)列 （平均指標數(shù)列） （相對指標數(shù)列） 時點數(shù)列 時期數(shù)列 時間數(shù)列分析 （ 總量指標列 ） 時間序列的基本構成要素 年份 國內生產(chǎn)總值 （億元） 年份 國內生產(chǎn)總值 （億元） 1997 1998 1999 2022 2022 2022 48 198 60 794 71 177 78 973 84 402 89 677 2022 2022 2022 2022 2022 2022 99 215 109 655 120 333 135 823 159 878 182 321 要素一：時間 t 要素二：指標數(shù)值 a 影響時間數(shù)列變動的因素可分解為 ： （ 1）長期趨勢（ T） （ 2）季節(jié)變動（ S） （ 3）循環(huán)變動（ C） （ 4）不規(guī)則變動（ I） 可解釋的變動 —不可解釋的變動 長期趨勢（ ） 現(xiàn)象在較長時期內受某種根本性因素作用而形成的總的變動趨勢 T季節(jié)變動（ ） 現(xiàn)象在一年內隨著季節(jié)的變化而發(fā)生的有規(guī)律的周期性變動 S循環(huán)變動（ ） 現(xiàn)象以若干年為周期所呈現(xiàn)出的波浪起伏形態(tài)的有規(guī)律的變動 C不規(guī)則變動（ ） 是一種無規(guī)律可循的變動，包括嚴格的隨機變動和不規(guī)則的突發(fā)性影響很大的變動兩種類型 I 時間序列的分解分析 （一）時間數(shù)列的組合模型 1 加法模型： Y=T+S+C+I 計量單位相同的總量指標 對長期趨勢產(chǎn)生的或正或負的偏差 2 乘法模型： Y=T Use F value：以回歸系數(shù)顯著性檢驗中的各自變量的 F統(tǒng)計量作為自變量進入模型或者從模型中剔除的標準。 Use probalitlity of F：以回歸系數(shù)顯著性檢驗中各自變量的 F統(tǒng)計量的相伴概率作為自變量是否引入模型或者從模型中剔除的標準。若該值＞ 2，則被排除的觀測值有可能是影響點。 Mahalanobis：保存 Mahalanobis距離 Cook’s：保存 Cook距離 Leverage values：保存 中心點杠桿值 Individual：保存 一個觀測量上限與下限的預測區(qū)間。 ** SRESID選項： t分析殘差。 ** DRESID選項：剔除殘差。 ** ZPRED選項：標準化預測值。 Plots對話框 用來檢驗殘差序列的正態(tài)性、隨機性和是否存在異方差現(xiàn)象。 Collinearity diagnostics：多重共線性分析，輸出各自變量的容限度、方差膨脹因子、最小容忍度、特征值、條件指標及方差比例等。 All case：輸出所有樣本數(shù)據(jù)有關殘差值。 Casewise diagnostics：輸出標準化殘差絕對值 ≥ 3的樣本數(shù)據(jù)點的相關信息，包括：標準化殘差、觀測值預測值、最小 (最大 )預測值、殘差、最小 (最大 )殘差以及它們的均值和標準差 。 Model fit：輸出判定系數(shù)、調整的判定系數(shù)、回歸方程的標準誤差， F檢驗的 ANOVA方差分析表。 Confidence intervals：輸出每一個非標準化回歸系數(shù)95%的可信區(qū)間。 Estimates：輸出與回歸系數(shù)相關統(tǒng)計量。 在實際問題中，如果無法自行確定權重變量，可以用 SPSS的權重估計來實現(xiàn)。 Method處下拉菜單，共有 5個選項： WLS選項 是存在異方差時，利用加權最小二乘法替代普通最小二乘法估計回歸模型參數(shù)。 Stepwise：逐步進入法， 根據(jù) Option對話框中設定的判據(jù)及方差分析結果，選擇符合判據(jù)的自變量與因變量相關程度最高的進入回歸方程。 Backward：向后剔除法，根據(jù) Option對話框中設定的判據(jù)，先建立全模型，然后根據(jù)設置的判據(jù)，每次剔除一個使方差分析中的 F值最小的自變量，直到回歸方程中不再含有不符合判據(jù)的自變量為止。 Enter：強行進入法 ， 即所選自變量全部進入模型 。 針對回歸系數(shù)的 t 統(tǒng)計量的顯著性檢驗決定了相 應的變量能否作為解釋變量進入回歸方程。 針對回歸系數(shù)的 t 統(tǒng)計量的顯著性檢驗決定了相 應的變量能否作為解釋變量進入回歸方程。其定義如下 ： 2R2R2abjRknnRnykneR a b j????????? 1)1(1)1/()/(1 22222abjR剔除了 自由度的影響。 回歸效果的檢驗 — 判定相關系數(shù)檢驗 ? ?? ??????? 2222212)()(?1yynxxnSSTSSESSTSSRR ?12 ?R若 x完全無助于解釋 y的變動 ，則 02 ?R— F檢驗 校正的判定系數(shù) 統(tǒng)計量 中不含有自由度。 ? 解釋變量 可以是刻度級、順序級、名義級的變量 ， 不論是什么級別的數(shù)據(jù) ， 都必須用 Numeric型的來表示。 回歸分析時變量的設定 ? 回歸分析的 被解釋變量 必須是刻度級的 ，如果是順序級的 ， 要用 Numeric型的來表示。 C o r r e l a t i o n s1 . 3 6 9 ** . 0 9 5 . 0 1 6. 0 0 0 . 0 6 8 . 7 6 53 7 9 3 7 0 3 7 1 3 5 4. 3 6 9 ** 1 . 1 1 6 * . 2 3 9 **. 0 0 0 . 0 2 4 . 0 0 03 7 0 4 0 5 3 8 1 3 8 4. 0 9 5 . 1 1 6 * 1 . 1 1 7 *. 0 6 8 . 0 2 4 . 0 2 63 7 1 3 8 1 3 9 0 3 6 4 . 0 1 6 . 2 3 9 ** . 1 1 7 * 1. 7 6 5 . 0 0 0 . 0 2 63 5 4 3 8 4 3 6 4 3 8 8P e a r s o n C o r r e l a t i o nS i g . ( 2 t a il e d )NP e a r s o n C o r r e l a t i o nS i g . ( 2 t a il e d )NP e a r s o n C o r r e l a t i o nS i g . ( 2 t a il e d )NP e a r s o n C o r r e l a t i o nS i g . ( 2 t a il e d )N證券市場以外年收入投入證券市場總資金受教育程度入市年份證券市場以外年收入投入證券市場總資金 受教育程度 入市年份C o r r e l a t i o n i s s i g n i f i c a n t a t t h e 0 . 0 1 l e v e l ( 2 t a i l e d ) .* * . C o r r e l a t i o n i s s i g n i f i c a n t a t t h e 0 . 0 5 l e v e l ( 2 t a i l e d ) .* . C o r r e l a t i o n s. 0 9 5 . 0 1 6. 0 6 8 . 7 6 53 7 1 3 5 4. 1 1 6 * . 2 3 9 **. 0 2 4 . 0 0 03 8 1 3 8 4P e a r s o n C o r r e l a t i o nS i g . ( 2 t a i le d )NP e a r s o n C o r r e l a t i