文档介绍：Last updated on the afternoon of January 3, 2021
相关分析和一元线性回归分析SPSS报告
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 Correlation
1
.998**
Sig. (2-tailed)
.000
N
14
14
高等学校发表科技论文数量(篇)
Pearson Correlation
.998**
1
Sig. (2-tailed)
.000
N
14
14
**. Correlation is significant at the level (2-tailed).
两相关变量的Pearson相关系数=，表示呈高度正相关；相关系数检验对应的概率P值=，小于显着性水平，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着。
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)
Kendall's tau_b
(万人)
Correlation Coefficient
**
Sig. (2-tailed)
.
.
N
14
14
(篇)
Correlation Coefficient
**
Sig. (2-tailed)
.
.
N
14
14
Spearman's rho
(万人)
Correlation Coefficient
**
Sig. (2-tailed)
.
.
N
14
14
(篇)
Correlation Coefficient
**
Sig. (2-tailed)
.
.
N
14
14
**. Correlation is significant at the 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=，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=，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：
C