SPSS多元线性回归分析报告实例操作步骤
SPSS多元线性回归分析实例操作步骤
SPSS 统计分析多元线性回归分析方法操作与分析实验目的：引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素。
实验变量：以年份、商品房平均售价（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。
实验方法：多元线性回归分析法软件：spss19.0操作过程：第一步：导入Excel数据文件1.open data document——open data——open；2. Opening excel data source——OK.第二步：1.在最上面菜单里面选中Analyze——Regression——Linear ，Dependent（因变量）选择商品房平均售价，Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率；Method 选择Stepwise.进入如下界面：2.点击右侧Statistics，勾选Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、Casewise diagnostics默认；接着选择Model fit、Collinearity diagnotics；点击Continue.3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.4.点击右侧Save，勾选Predicted Vaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue.5.点击右侧Options，默认，点击Continue.6.返回主对话框，单击OK.输出结果分析：1.引入/剔除变量表Variables Entered/Removed aModel Variables Entered Variables Removed Method1 城市人口密度(人/平方公里) . Stepwise (Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >=.100).2 城市居民人均可支配收入(元) . Stepwise (Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >=.100).a. Dependent Variable: 商品房平均售价（元/平方米）该表显示模型最先引入变量城市人口密度(人/平方公里)，第二个引入模型的是变量城市居民人均可支配收入(元)，没有变量被剔除。
SPSS如何进行线性回归分析操作 精品
SPSS如何进行线性回归分析操作本节内容主要介绍如何确定并建立线性回归方程。
包括只有一个自变量的一元线性回归和和含有多个自变量的多元线性回归。
为了确保所建立的回归方程符合线性标准，在进行回归分析之前，我们往往需要对因变量与自变量进行线性检验。
也就是类似于相关分析一章中讲过的借助于散点图对变量间的关系进行粗略的线性检验，这里不再重复。
另外，通过散点图还可以发现数据中的奇异值，对散点图中表示的可能的奇异值需要认真检查这一数据的合理性。
一、一元线性回归分析用SPSS进行回归分析，实例操作如下：1.单击主菜单Analyze / Regression / Linear…，进入设置对话框如图7-9所示。
从左边变量表列中把因变量y选入到因变量（Dependent）框中，把自变量x选入到自变量（Independent）框中。
在方法即Method一项上请注意保持系统默认的选项Enter，选择该项表示要求系统在建立回归方程时把所选中的全部自变量都保留在方程中。
所以该方法可命名为强制进入法（在多元回归分析中再具体介绍这一选项的应用）。
具体如下图所示：2.请单击Statistics…按钮，可以选择需要输出的一些统计量。
如RegressionCoefficients(回归系数)中的Estimates，可以输出回归系数及相关统计量，包括回归系数B、标准误、标准化回归系数BETA、T值及显著性水平等。
Model fit 项可输出相关系数R，测定系数R2，调整系数、估计标准误及方差分析表。
上述两项为默认选项，请注意保持选中。
设置如图7-10所示。
设置完成后点击Continue返回主对话框。
回归方程建立后，除了需要对方程的显著性进行检验外，还需要检验所建立的方程是否违反回归分析的假定，为此需进行多项残差分析。
由于此部分内容较复杂而且理论性较强，所以不在此详细介绍，读者如有兴趣，可参阅有关资料。
3.用户在进行回归分析时，还可以选择是否输出方程常数。
SPSS多元线性回归分析报告实例操作步骤
SPSS 统计分析多元线性回归分析方法操作与分析实验目的：引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素。
实验变量：以年份、商品房平均售价（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。
实验方法：多元线性回归分析法软件：spss19.0操作过程：第一步：导入Excel数据文件1.open data document——open data——open；2. Opening excel data source——OK.第二步：1.在最上面菜单里面选中Analyze——Regression——Linear ，Dependent（因变量）选择商品房平均售价，Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率；Method 选择Stepwise.进入如下界面：2.点击右侧Statistics，勾选Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、Casewise diagnostics默认；接着选择Model fit、Collinearity diagnotics；点击Continue.3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.4.点击右侧Save，勾选Predicted Vaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue.5.点击右侧Options，默认，点击Continue.6.返回主对话框，单击OK.输出结果分析：1.引入/剔除变量表Variables Entered/Removed aModel Variables Entered Variables Removed Method1 城市人口密度(人/平方公里) . Stepwise (Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >=.100).2 城市居民人均可支配收入(元) . Stepwise (Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >=.100).a. Dependent Variable: 商品房平均售价（元/平方米）该表显示模型最先引入变量城市人口密度(人/平方公里)，第二个引入模型的是变量城市居民人均可支配收入(元)，没有变量被剔除。
SPSS多元线性回归分析实例操作步骤
SPSS多元线性回归分析实例操作步骤多元线性回归是一种常用的统计分析方法，用于探究多个自变量对因变量的影响程度。
SPSS（Statistical Package for the Social Sciences）是一款常用的统计软件，可以进行多元线性回归分析，并提供了简便易用的操作界面。
本文将介绍SPSS中进行多元线性回归分析的实例操作步骤，帮助您快速掌握该分析方法的使用。
步骤一：准备数据在进行多元线性回归分析之前，首先需要准备好相关的数据。
数据应包含一个或多个自变量和一个因变量，以便进行回归分析。
数据可以来自实验、调查或其他来源，但应确保数据的质量和可靠性。
步骤二：导入数据在SPSS软件中，打开或创建一个新的数据集，然后将准备好的数据导入到数据集中。
可以通过导入Excel、CSV等格式的文件或手动输入数据的方式进行数据导入。
确保数据被正确地导入到SPSS中，并正确地显示在数据集的各个变量列中。
步骤三：进行多元线性回归分析在SPSS软件中，通过依次点击"分析"-"回归"-"线性"，打开线性回归分析对话框。
在对话框中，将因变量和自变量移入相应的输入框中。
可以使用鼠标拖拽或双击变量名称来快速进行变量的移动。
步骤四：设置分析选项在线性回归分析对话框中，可以设置一些分析选项，以满足具体的分析需求。
例如，可以选择是否计算标准化回归权重、残差和预测值，并选择是否进行方差分析和共线性统计检验等。
根据需要，适当调整这些选项。
步骤五：获取多元线性回归分析结果点击对话框中的"确定"按钮后，SPSS将自动进行多元线性回归分析，并生成相应的分析结果。
结果包括回归系数、显著性检验、残差统计和模型拟合度等信息，这些信息可以帮助我们理解自变量对因变量的贡献情况和模型的拟合程度。
步骤六：解读多元线性回归分析结果在获取多元线性回归分析结果之后，需要对结果进行解读，以得出准确的结论。
SPSS多元线性回归分析报告实例操作步骤
SPSS 统计分析多元线性回归分析方法操作与分析实验目的：引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素。
实验变量：以年份、商品房平均售价（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。
实验方法：多元线性回归分析法软件：spss19.0操作过程：第一步：导入Excel数据文件1.open data document——open data——open；2. Opening excel data source——OK.第二步：1.在最上面菜单里面选中Analyze——Regression——Linear ，Dependent（因变量）选择商品房平均售价，Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率；Method选择Stepwise.进入如下界面：2.点击右侧Statistics，勾选Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、Casewise diagnostics默认；接着选择Model fit、Collinearity diagnotics；点击Continue.3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.4.点击右侧Save，勾选Predicted Vaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue.5.点击右侧Options，默认，点击Continue.6.返回主对话框，单击OK.输出结果分析： 1.引入/剔除变量表该表显示模型最先引入变量城市人口密度 (人/平方公里)，第二个引入模型的是变量城市居民人均可支配收入(元)，没有变量被剔除。
SPSS多元线性回归分析报告实例操作步骤
SPSS 统计分析多元线性回归分析方法操作与分析实验目的：引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素。
实验变量：以年份、商品房平均售价（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。
实验方法：多元线性回归分析法软件：spss19.0操作过程：第一步：导入Excel数据文件1.open data document——open data——open；2. Opening excel data source——OK.第二步：1.在最上面菜单里面选中Analyze——Regression——Linear ，Dependent （因变量）选择商品房平均售价，Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率；Method选择Stepwise.进入如下界面：2.点击右侧Statistics，勾选Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、Casewise diagnostics默认；接着选择Model fit、Collinearity diagnotics；点击Continue.3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.4.点击右侧Save，勾选Predicted Vaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue.5.点击右侧Options，默认，点击Continue.6.返回主对话框，单击OK.输出结果分析： 1.引入/剔除变量表该表显示模型最先引入变量城市人口密度 (人/平方公里)，第二个引入模型的是变量城市居民人均可支配收入(元)，没有变量被剔除。
线性回归分析的SPSS操作(多元线性回归)
线性回归分析的SPSS操作本节内容主要介绍如何确定并建立线性回归方程。
包括只有一个自变量的一元线性回归和和含有多个自变量的多元线性回归。
为了确保所建立的回归方程符合线性标准，在进行回归分析之前，我们往往需要对因变量与自变量进行线性检验。
也就是类似于相关分析一章中讲过的借助于散点图对变量间的关系进行粗略的线性检验，这里不再重复。
另外，通过散点图还可以发现数据中的奇异值，对散点图中表示的可能的奇异值需要认真检查这一数据的合理性。
一、一元线性回归分析1．数据以本章第三节例3的数据为例，简单介绍利用SPSS如何进行一元线性回归分析。
数据编辑窗口显示数据输入格式如下图7-8（文件7-6-1.sav）：图7-8：回归分析数据输入2．用SPSS进行回归分析，实例操作如下：2.1.回归方程的建立与检验（1）操作①单击主菜单Analyze / Regression / Linear…，进入设置对话框如图7-9所示。
从左边变量表列中把因变量y选入到因变量（Dependent）框中，把自变量x选入到自变量（Independent）框中。
在方法即Method一项上请注意保持系统默认的选项Enter，选择该项表示要求系统在建立回归方程时把所选中的全部自变量都保留在方程中。
所以该方法可命名为强制进入法（在多元回归分析中再具体介绍这一选项的应用）。
具体如下图所示：图7-9 线性回归分析主对话框②请单击Statistics…按钮，可以选择需要输出的一些统计量。
如Regression Coefficients(回归系数)中的Estimates，可以输出回归系数及相关统计量，包括回归系数B、标准误、标准化回归系数BETA、T值及显著性水平等。
Model fit项可输出相关系数R，测定系数R2，调整系数、估计标准误及方差分析表。
上述两项为默认选项，请注意保持选中。
设置如图7-10所示。
设置完成后点击Continue返回主对话框。
图7-10：线性回归分析的Statistics选项图7-11：线性回归分析的Options选项回归方程建立后，除了需要对方程的显著性进行检验外，还需要检验所建立的方程是否违反回归分析的假定，为此需进行多项残差分析。
wqeAAASPSS多元线性回归分析报告实例操作步骤
SPSS 统计分析多元线性回归分析方法操作与分析实验目的：引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素。
实验变量：以年份、商品房平均售价（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。
实验方法：多元线性回归分析法软件：spss19.0操作过程：第一步：导入Excel数据文件1.open data document——open data——open；2. Opening excel data source——OK.第二步：1.在最上面菜单里面选中Analyze——Regression——Linear ，Dependent（因变量）选择商品房平均售价，Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率；Method选择Stepwise.进入如下界面：2.点击右侧Statistics，勾选Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、Casewise diagnostics默认；接着选择Model fit、Collinearity diagnotics；点击Continue.3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.4.点击右侧Save，勾选Predicted Vaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue.5.点击右侧Options，默认，点击Continue.6.返回主对话框，单击OK.输出结果分析： 1.引入/剔除变量表该表显示模型最先引入变量城市人口密度 (人/平方公里)，第二个引入模型的是变量城市居民人均可支配收入(元)，没有变量被剔除。
fcindAAASPSS多元线性回归分析实例操作步骤
SPSS 统计分析多元线性回归分析方法操作与分析实验目的：引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素。
实验变量：以年份、商品房平均售价（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。
实验方法：多元线性回归分析法软件：操作过程：第一步：导入Excel数据文件1.open data document——open data——open；2. Opening excel data source——OK.第二步：1.在最上面菜单里面选中Analyze——Regression——Linear ，Dependent（因变量）选择商品房平均售价，Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率；Method选择Stepwise.进入如下界面：2.点击右侧Statistics，勾选Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、Casewise diagnostics默认；接着选择Model fit、Collinearity diagnotics；点击Continue.3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.4.点击右侧Save，勾选Predicted Vaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue.5.点击右侧Options，默认，点击Continue.6.返回主对话框，单击OK.输出结果分析： 1.引入/剔除变量表该表显示模型最先引入变量城市人口密度 (人/平方公里)，第二个引Variables Entered/Removed aModel Variables Entered Variables RemovedMethod1城市人口密度 (人/平方公里). Stepwise (Criteria: Probability-of-F-to-enter <= .050,Probability-of-F-to-remove >= .100).2城市居民人均可支配收入(元). Stepwise (Criteria: Probability-of-F-to-enter <= .050,Probability-of-F-to-remove >= .100).a. Dependent Variable: 商品房平均售价（元/平方米）入模型的是变量城市居民人均可支配收入(元)，没有变量被剔除。
SPSS多元线性回归分析报告实例操作步骤
SPSS多元线性回归分析报告实例操作步骤步骤1：导入数据首先，打开SPSS软件，并导入准备进行多元线性回归分析的数据集。
在菜单栏中选择"File"，然后选择"Open"，在弹出的窗口中选择数据集的位置并点击"Open"按钮。
步骤2：选择变量在SPSS的数据视图中，选择需要用于分析的相关自变量和因变量。
选中的变量将会显示在变量视图中。
确保选择的变量是数值型的，因为多元线性回归只适用于数值型变量。
步骤3：进行多元线性回归分析在菜单栏中选择"Analyze"，然后选择"Regression"，再选择"Linear"。
这将打开多元线性回归的对话框。
将因变量移动到"Dependent"框中，将自变量移动到"Independent(s)"框中，并点击"OK"按钮。
步骤4：检查多元线性回归的假设在多元线性回归的结果中，需要检查多元线性回归的基本假设。
这些假设包括线性关系、多重共线性、正态分布、独立性和等方差性。
可以通过多元线性回归的结果来进行检查。
步骤5：解读多元线性回归结果多元线性回归的结果会显示在输出窗口的回归系数表中。
可以检查各个自变量的回归系数、标准误差、显著性水平和置信区间。
同时，还可以检查回归模型的显著性和解释力。
步骤6：完成多元线性回归分析报告根据多元线性回归的结果，可以编写一份完整的多元线性回归分析报告。
报告应包括简要介绍、研究问题、分析方法、回归模型的假设、回归结果的解释以及进一步分析的建议等。
下面是一个多元线性回归分析报告的示例：标题：多元线性回归分析报告介绍：本报告基于一份数据集，旨在探究x1、x2和x3对y的影响。
通过多元线性回归分析，我们可以确定各个自变量对因变量的贡献程度，并检验模型的显著性和准确性。
研究问题：本研究旨在探究x1、x2和x3对y的影响。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
该表显示模型最先引入变量城市人口密度 ( 人/ 平方公里 ) ，第二个引 入模型的是变量城市居民人均可支配收入 ( 元) ，没有变量被剔除。
2. 模型汇总
Model S1 2
R 1.000 a 1.000 b
R Square
Adjusted R Square
Method . Stepwise (Criteria:
Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100). . Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100).
ANOVAc
Model 1
Regression
Sum of Squares 38305583.506
df
Mean Square
1
38305583.506
F 30938.620
Residual
Total
2
Regression
11143.039 38316726.545 38310296.528
9
1238.115
标准实用
SPSS 统计分析 多元线性回归分析方法操作与分析
实验目的 ： 引入 1998~2008年上海市城市人口密度、 城市居民人均可支配收入、 五
年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因 素。 实验变量 ：
以年份、商品房平均售价（元 / 平方米）、上海市城市人口密度 ( 人/ 平方公里 ) 、城市居民人均可支配收入 ( 元) 、五年以上平均年贷款利率 (%) 和房屋空置率 (%)作为变量。 实验方法： 多元线性回归分析法 软件 ：spss19.0 操作过程： 第一步：导入 Excel 数据文件 1. open data document —— open data —— open；
10
2
19155148.264
23832.156
Residual Total a. Predictors: (Constant), b. Predictors: (Constant), c. Dependent Variable:
6430.018
8
803.752
38316726.545
10
城市人口密度 ( 人/ 平方公里 ) 城市人口密度 ( 人/ 平方公里 ), 城市居民人均可支配收入 ( 元) 商品房平均售价（元 / 平方米）
Std. Error of the Estimate
1.000 1.000
1.000 1.000
35.187 28.351
Durbin-Watson 2.845
a. Predictors: (Constant), b. Predictors: (Constant), c. Dependent Variable:
文案大全
标准实用
4. 点击右侧 Save，勾选 Predicted Vaniues （预测值）和 Residuals （残 差）选项组中的 Unstandardized ；点击 Continue.
5. 点击右侧 Options ，默认，点击 Continue.
文案大全
标准实用
6. 返回主对话框，单击 OK.
文案大全
标准实用
2. Opening excel data source —— OK.
第二步： 1. 在最上面菜单里面选中 Analyze —— Regression —— Linear ， Dependent（因变量）选择商品房平均售价， Independents （自变量）选择 城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房 屋空置率； Method 选择 Stepwise.
Sig. .000 a
.000 b
该表显示各模型的方差分析结果。从表中可以看出，模型的 F 统计量 的观察值为 23832.156，概率 p 值为 0.000 ，在显著性水平为 0.05 的情形 下，可以认为：商品房平均售价（元 / 平方米）与城市人口密度 ( 人/ 平方 公里 ), 和城市居民人均可支配收入 ( 元) 之间有线性关系。
3. 点击右侧 Plots ，选择 *ZPRED（标准化预测值）作为纵轴变量，选择 DEPEND（NT因变量）作为横轴变量；勾选选项组中的 Standardized Residual Plots （标准化残差图）中的 Histogram 、Normal probability plot ；点 击 Continue.
输出结果分析： 1. 引入 / 剔除变量表
Model 1
Variables Entered/Removed a
Variables Entered
Variables Removed
城市人口密度 ( 人/ 平方公 里)
2
城市居民人均可支配收入 ( 元)
a. Dependent Variable:
商品房平均售价（元 / 平方米）
进入如下界面：
2. 点击右侧 Statistics ，勾选 Regression Coefficients （回归系数）选 项组中的 Estimates ；勾选 Residuals （残差） 选项组中的 Durbin-Watson 、
文案大全
标准实用
Casewise diagnostics 默认；接着选择 Model fit 、Collinearity diagnotics ；点击 Continue.
4. 回归系数
城市人口密度 ( 人/ 平方公里 ) 城市人口密度 ( 人/ 平方公里 ), 城市居民人均可支配收入 ( 元) 商品房平均售价（元 / 平方米）
该表显示模型的拟合情况。从表中可以看出，模型的复相关系数（ R） 为 1.000 ，判定系数（RSquare）为 1.000 ，调整判定系数（Adjusted RSquare） 为 1.000 ，估计值的标准误差（ Std. Error of the Estimate ）为 28.351 ， Durbin-Watson 检验统计量为 2.845 ，当 DW≈ 2 时说明残差独立。 3. 方差分析表