你好，看了您的分析，觉得挺专业的，这是我写论文中遇到的一个麻烦，关于SPSS的，因为不是这个专业的，我让朋友帮忙做出了结果 但是我自己却不会分析了，拜托了
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .997a .995 .995 57.76324
a. Predictors: (Constant), 金融机构存贷款余额
Variables Entered/Removedb
Model Variables Entered Variables Removed Method
1 金融机构存贷款余额a . Enter
a. All requested variables entered.
b. Dependent Variable: GDP
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 8469275.080 1 8469275.080 2538.301 .000a
Residual 43375.698 13 3336.592
Total 8512650.779 14
a. Predictors: (Constant), 金融机构存贷款余额
b. Dependent Variable: GDP
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
1(Constant)367.671 24.485 15.016 .000
金融贷款余额1.349 .027 .997 50.382 .000
a. Dependent Variable: GDP
谢谢！请问合并显著性是非常显著的意思吗？结果上有99.5%的自变量可以解释应变量，但是事实上，影响GDP的因素很多并非只有贷款，那么这两者矛盾吗？
追答首先，合并显著性是指用你全部的自变量来解释应变量是否显著。一般来说，比较科学的模型应该包含若干个自变量，但你模型里只有一个自变量，所以其实F-test本身就没太大意义了，你不说也没关系，只要看t-test就好了。
其次，R-square有99.5%的显著性是指你“现有”的自变量中有99.5%的部分能够用来解释应变量。因此，R-square本质上是针对你已有的自变量或者说数据来说的。也就是说你目前的“金融贷款余额”用来解释GDP的变化情况是很可信的。
至于其他影响GDP的因素，就需要你再在模型中引入新的自变量，再来观察R-square，看看是否仍然显著。但是不是引入对于你当前模型的科学性本身没有影响的。
我个人建议，你可以多找一些影响因素，然后层级式的建立不同的模型，然后观察R-square、F-test、AIC或SIC、T-test这些指标，会使你的模型更科学和实际。因为事实上，R-square如果太高，并不是什么好事儿，现实中的情况怎么可能有接近100%的关联性呢？因此，需要探求新的自变量。
此外，我不知道你的样本数量有多少，一般来说，需要有30个或以上的数据建立的模型才能比较可信。如果数据太少，也会出现R-square过高，从而不科学的情况。你可以试着找若干年的月度、季度数据。尽量不找年度的，因为年度数据已经是经过调整和平均计算以后的了。
参考资料：sername
本回答被提问者采纳