上表中输出的是被引入或从回归方程中被剔除的各个变量。

Model SummaryModel1RR Square.975a.951AdjustedR Square.945Std. Error ofthe Estimate60.8227 上表格输出的是常用统计量，从该表格中可以看出，关系数R=0.975，调整的判定系数为0.945，回归估计的标准误差为60.8227。

bANOVAa. Predictors: (Constant), 户主受教育年数（年）, 家庭月平均收入（元）Model1Sum ofSquaresRegression1082426Residual55491.069Total1137918df21517Mean Square541213.2313699.405F146.297Sig..000aa. Predictors: (Constant), 户主受教育年数（年）, 家庭月平均收入（元）b. Dependent Variable: 家庭书刊年消费支出（元） 从该表中可以看出，它是一个方差分析表，其统计量F=146.297；概率P=0.000<0.001,说明2个自变量与因变量之间存在线性回归关系。

CoefficientsaUnstandardizedCoefficientsBStd. Error-50.01649.460.086.02952.3705.202StandardizedCoefficientsBeta.234.798Model1(Constant)家庭月平均收入（元）户主受教育年数（年）t-1.0112.94410.067Sig..328.010.000a. Dependent Variable: 家庭书刊年消费支出（元） 上表表示回归系数分析。其中，Unstandardized Coefficients为非标准化系数，Standardized

Coefficients为标准化系数，t为回归系数检验统计量，Sig为相伴概率。可以看到：如果显著性水平a为0.05，家庭月平均收入和户主受教育年数的回归系数显著性t检验的概率P值都小于0.05，即拒绝原假设，，它们与被解释变量的线性关系是显著的，应保留在方程中。

实验七小结：中回归分子主要包括一元线性分析和多元回归。主要用于因

变量和自变量之间关系的分析方法。其包含的内容主要有：（1）散点图（2）相关系数（反应相关程度和相关性）（3）回归系数及其含义（4）判定系数(回归的拟合度测量)（5）两个检验：相关关系的检验和回归系数的检验。掌握回归分析对研究各因素对结果的影响有莫大重要的意义。

实验八 判别分析

实验内容：

已知中小企业破产模型中包含4个因素：x1总负债率，x2收益率，x3短期支付能力，x4生产效率。对其中17个破产企业（1类）和21个正常运行企业（2类）调查结果如下：

现有8个企业的对应数据如下表所示，请分类。 总负债率 收益性指标 短期支付能力 .04 .01 1.5 -.06 -.06 1.37 .07 -.01 1.37 -.13 -.14 1.42 生产效率指标 .71 .4 .34 .44 .15 .16 .29 .54

实验步骤：

.06 .05 .06 .11 2.23 2.31 1.84 2.33 .56 .2 .38 .48 1．建立数据文件。