相关分析和一元线性回归分析SPSS报告

1、用下面的数据做相关分析和一元线性回归分析:普厘為莠#应毕业 生物方A手主朮万人普遢喜孚学EE軸聪L总埶万人252011732122D4571273292G25237252310G3QI1621VE60J62WB网測24319&A21127210邂230625M29511177427J5502301225FOB240911Q9SS52309他6752358屈3106251237430223253123056C32101634626驗021B621 16122知&阳S643；7|y24a2021亠UH44Q19034602SQ85U111伽W?37B10674咲如M12fH1”7391fl7107

2、179?W1G72OT020Dd31如174239173136916B852063K133416118615523M5612733孑矢41109145134139&37026413902251SQ313D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。、相关分析1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1006000006000001MOOOO11200000必等譬妙型科技论丈数民（篇）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。2.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

3、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Pearson1*.998业生数（万人）CorrelationSig.000(2-tailed)N1414高等学校发表科Pearson*.9981技论文数量（篇）CorrelationSig.000(2-tailed)N1414*. Correlation is significant at the 0.01 level（2-tailed）.两相关变量的Pearson相关系数=0.099

4、8，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。3.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 （万 Correlation1.000 1.000tau_b人）Coefficient*Sig. （2-tailed）.N1414（篇）Correlation1.0001.000Coefficient*Sig. （2-tailed）.N1414Spearma （万 Correlation1.000 1.000n

5、s rho人）Coefficient*Sig. (2-tailed).N1414(篇)Correlation1.0001.000Coefficient*Sig. (2-tailed).N1414*. Correlation is significant at the 0.01level (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

6、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。4.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Pearson1*.998业生数（万人）CorrelationSig.000(2-tailed)N1414高等学校发表科Pearson*.9981技论文数量（篇）CorrelationSig.000(2-tailed)N1414*. Co

7、rrelation 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。1.建立回归方程D 雄廡D阳fin內窖（Q） 窗口 需助井折也曲形（E 疾用名!卜F褰LRFM分析1比城均悄（妙广文

8、找也拦垦糧台模型Q厢关Q“H? M战表科技论文S量 篇专利申谪授权数1220467127329115214785006112721084930111774274550t百mcL尸53055对裁线性模型（3隆堤JSfiCS)非潜撫检般（吵硕测&农性0J.IZ1曲購估讯 溯汗最小平方“,JL 二兄 gsfic hSt 毎囲 Logistic .有序F 险 froW-3749025570141111204380436399m h Irff f k nLJ髒机. 負范恨存煙题点击选项，选中使用F的概率，如上图所示。点击继续，确ModelVariable s EnteredVariable s Remo

9、ve dMethod1（篇）a.Enter疋:Variables Entered/Removedba. 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 SummaryModelRRSquareAdjusted RSquareStd.Error of the Estimate1.998 a.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

10、变量）的相关系数 R=0.998.第三列：被解释变量（毕业人数）和解释变量（发表 科技论文数）的判定系数=0.996是一元线性回归方程拟合优度检验的统计量；判定系数越接近1，说明回归方程对样本数据的拟合优度越高，被解释变量可以被模型解释的部 分越多。第四列：被解释变量（毕业人数）和解释变量（发表 科技论文数）的调整判定系数=0.996。这主要适用于多个解释变量的时候。第五列：回归方程的估计标准误差=11.707.ANOVAModelSum ofSquaresdfMeanSquareFSig.1Regress448318.1448318.3271.000 aion664664335Residu1

11、644.5312137.045al5Total449963.19913a. Predictors: （Constant）,（篇）b. Dependent Variable:（万人）注解：回归方程的整体显著性检验一回归分析的方差分析 第二列：被解释变量（毕业人数）的总离差平方和 =449963.199 ，被分解为两部分：回归平方和=448318.664;剩余平方和=1644.535.F检验统计量的值=3271.335 ，对应概率的P值=0.000，小 于显著性水平0.05，应拒绝回归方程显著性检验的原假设（回归系数与0不存在显著性差异），结论：回归系数不为0， 被解释变量（毕业人数）与解释变量（

12、发表科技论文数）的 线性关系是显著的，可以建立线性模型。Coefficients aModelUnstandardizedCoefficientsStandar dizedCoefficie ntstSig.BStd.ErrorBeta1（Const-316.2514.029-22.5.000ant）943（篇）.001.000.998 !57.19.0006a. Dependent Variable:（ 万人）注解：回归方程的回归系数和常数项的估计值，以及回归 系数的显著性检验。第二列：常数项估计值 =-316.259 ;回归系数估计值=0.001.第三列：回归系数的标准误差=0.000第四

13、列：标准化回归系数 =0.998.第五、六列：回归系数 T检验的t统计量值=57.196 ，对应 的概率P值=0.000，小于显著性水平0.05，拒绝原假设（回 归系数与0不存在显著性差异），结论：回归系数不为0，被解释变量（毕业人数）与解释变量（发表科技论文数） 的线性关系是显著的。于是，回归方程为：=-316.259+0.001X2.回归方程的进一步分析水平百分之95.（1）在统计量中选中误差条图的表征，点击继续，然后点击确定，输出每个非标准化回归系数的95%置信区间：Coefficients3UnstaidardiiedCcefifitientsStand artilisd Dosfri

14、dentstSig,95i0%CDnidenc8 IrtervaltrEB3td. EmirBetaLow BoundJperBound(Const 砸 篙-31G25900114 02SOOO.99B 22 54-5719E.000.000*346.825.001205693001a DependentVaiiable： 05人)选中统计量中的描述性，点击继续，然后确定，输出变量的 均值、标准差相关系数矩阵和单侧检验概率值：Descriptive StatisticsMeanStd.Deviatio nN（万465.92 186.04414人）Descriptive StatisticsMe

15、anStd.Deviatio nN（万465.92 186.04414人）（篇）93278221459.140.57019Correlations（万人）（篇）PearsonCorrelation（万 人）1.000.998（篇）.998 1.000Sig. （1- tailed）（万 人）.000（篇）.000N（万 人）1414（篇）1414（2 ）残差分析戎性亘归统计韋耳HMMHM回归乘魏匡谡邕条图的走征水|声悔7T遜旄啟喲锻差I*. jrbin-VWscn(Ur)回會叢诰航O底卑植回込I饼有*t宪回模生抑會度期 R破就咼叵福建惟探莎舟芙和難相芙性(日共线性谁毓Q沁直站;取洎| 購勖选中

16、统计量中的个案诊断，所有个案，点击继续，然后确疋:Residuals StatisticsaMinim umMaxi mumMeanStd.Deviatio nNPredicted137.7707.1465.9185.70414Value262Std. Predicted-1.761.299.0001.00014Value7Standard Error3.1536.536 4.320.99514of PredictedValueAdjusted139.5713.7466.4185.62014Predicted380ValueResidual-26.219.11.00011.24714762St

17、d. Residual-2.241.633.000.961145Stud. Residual-2.5111.696-.0181.04814Deleted1-32.820.61-.47313.40314Residual968Stud. Deleted-3.491.862-.0731.25914Residual1Mahal.0153.123.929.89014DistanceCooks.000.795.100.20514DistanceCentered.001.240.071.06814Leverage Valuea. Dependent Variable:（ 万人）Casewise DiagnosticsaStd.Residual-2.245.811.834.314-.542.061-.4181.633.370-.2591.070-.447-.842（万人）681659639625608575531512448378307Predicte