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.youerw.com/jingji/lunwen_228.html