相关分析和一元线性回归分析SPSS的报告.docVIP

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 高等学校发表科 业生数 (万人) 技论文数量 ( 篇 ) 普通高等学校毕业生数 ( 万人 ) Pearson Correlation 1 .998 ** Sig. (2-tailed) .000 N 14 14 高等学校发表科技论文数量 Pearson Correlation .998 ** 1 ( 篇) Sig. (2-tailed) .000 N 14 14 **. 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 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 Coefficient 1.000 1.000 ** Sig. (2-tailed) . . N 14 14 ( 篇 ) Correlation Coefficient 1.000 ** 1.000 Sig. (2-tailed) . . N 14 14 Spearmans rho (万人) Correlation Coefficient 1.000 1.000 ** Sig. (2-tailed) . . N 14 14 ( 篇 ) Correlation Coefficient 1.000 ** 1.000 Sig. (2-tailed) . . N 14 14 **. 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着。 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着。 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， 选中显示实际显着性水平， 点击确定： Correlations 普通高等学校毕 高等学校发表科技 业生数 (万人) 论文数量 ( 篇) 普通高等学校毕业生数 ( 万人 ) Pearson Correlation 1 .998 ** Sig. (2-tailed) .000 N 14 14 高等学校发表科技论文数量 Pearson Correlation .998 ** 1 ( 篇) Sig. (2-tailed) .000 N  14  14 **. 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； 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： b Variables Entered/Removed Model  Variables Entered  Variables Removed  Method 1  (  篇) a  . Enter a. 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 Summary Model  R  R Square  Adjusted R Square  Std.  Error of the Estimate 1  .998  a  .996