相关分析及一元线性回归分析SPSS报告.docxVIP

用下面的数据做相关分析和一元线性回归分析：选用普通高等学校毕业生数和高等学校发表科技论文数量做相关分析和一元线性回归分析。一、相关分析作散点图普通高等学校毕业生数和高等学校发表科技论文数量的相关图从散点图可以看出：普通高等学校毕业生数和高等学校发表科技论文数量的相关性很大。求普通高等学校毕业生数和高等学校发表科技论文数量的相关系数把要求的两个相关变量移至变量中，因为都是定距数据，选择相关系数中的Pearson，点击确定，可以得到下面的结果： Correlations 普通高等学校毕业生数(万人)高等学校发表科技论文数量(篇)普通高等学校毕业生数(万人)Pearson Correlation1.998**Sig. (2-tailed).000N1414高等学校发表科技论文数量(篇)Pearson Correlation.998**1Sig. (2-tailed).000N1414**. Correlation is significant at the 0.01 level (2-tailed).两相关变量的Pearson相关系数=0.0998，表示呈高度正相关；相关系数检验对应的概率P值=0.000，小于显著性水平0.05，应拒绝原假设（两变量之间不具有相关性），即毕业生人数好发表科技论文数之间的相关性显著。求两变量之间的相关性选择相关系数中的全部，点击确定：Correlations(万人)(篇)Kendalls tau_b(万人)Correlation Coefficient1.0001.000**Sig. (2-tailed)..N1414(篇)Correlation Coefficient1.000**1.000Sig. (2-tailed)..N1414Spearmans rho(万人)Correlation Coefficient1.0001.000**Sig. (2-tailed)..N1414(篇)Correlation Coefficient1.000**1.000Sig. (2-tailed)..N1414**. Correlation is significant at the 0.01 level (2-tailed).注解：两相关变量（毕业生数和发表论文数）的Kendall相关系数=1.000， 呈正相关；无相关系数检验对应的概率P值，应接受原假设（两变量之间不具有相关性），即毕业生数与发表论文数之间相关性不显著。 两相关变量（毕业生数和发表论文数）的Spearman相关系数=1.000， 呈正相关；无相关系数检验对应的概率P值，应接受原假设（两变量之间不具有相关性），即毕业生数与发表论文数之间相关性不显著。普通高等学校毕业生数和高等学校发表科技论文数量的相关系数将所求变量移至变量，将控制变量移至控制中，选中显示实际显著性水平，点击确定：Correlations普通高等学校毕业生数(万人)高等学校发表科技论文数量(篇)普通高等学校毕业生数(万人)Pearson Correlation1.998**Sig. (2-tailed).000N1414高等学校发表科技论文数量(篇)Pearson Correlation.998**1Sig. (2-tailed).000N1414**. Correlation is significant at the 0.01 level (2-tailed).注解: 两相关变量（普通高校毕业生数和发表论文数）的偏相关系数=0.998，呈正相关；对应的偏相关系数双侧检验p值0，小于显著性水平0.05，应拒绝原假设（两变量之间不具有相关性），即普通高校毕业生数与发表论文数之间相关性显著。二、一元线性回归从前面的相关分析可以看出普通高等学校毕业生数和高等学校发表科技论文数量呈高度正相关关系，所以，下面对这两个变量做一元线性回归分析。建立回归方程点击选项，选中使用F的概率，如上图所示。点击继续，确定：Variables Entered/RemovedbModelVariables EnteredVariables RemovedMethod1(篇)a.Entera. All requested variables entered.b. Dependent Variable: (万人)此图显示的是回归分析方法引入变量的方式。Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1.998a.996.99611.707a. Predictors: (Constant), (篇)此图是回归方程的拟合优度检验。注解：上图是回归方程的拟合优度检验。 第二列：两变量（被解释变量和解释变量）的相关系数R=0.9