三、试验步骤与结果
1. 绘制散点图：选择【图形】-【旧对话框】-【散点/点状】。
2. 简单相关分析：选择“【分析】→【相关】→【双变量】”打开对话框如图，将待分析的2个指标移入右边的变量列表框内。其他均可选择默认项，单击ok提交系统运行
3. 线性回归分析： 1.选择菜单“【分析】—>【回归】—>【线性】”，打开Linear Regression 对话框。将ninv移入Dependent列表框中，将gdp移入Independents列表框中。在Method 框中选择Enter 选项，表示所选自变量全部进入回归模型。 2.单击Statistics按钮，该对话框中设置要输出的统计量。这里选中估计、模型拟合度复选框。 结果：
相關
gdp
皮爾森 (Pearson) 相關 顯著性 （雙尾） N
ninv
皮爾森 (Pearson) 相關 顯著性 （雙尾） N
gdp
1 ninv .985 .000
16 16 1 **
.985 .000 16
**
16 11
**. 相關性在 0.01 層上顯著（雙尾）。
四、试验总结
1.建立散点图可直观地看出ninv与gdp之间存在线性相关关系.2.从表中可得到两变量之间的皮尔逊相关系数为0.985，双尾检验概率p值尾0.000<0.01，故变量之间显著相关。根据全社会固定资产投资总额和GDP之间的散点图与相关分析显示，住房支出与年收入之间存在显著的正相关关系。在此前提下进一步进行回归分析，建立一元线性回归方程。
3. 回归模型的拟和优度（R Square）、调整的拟和优度（Adjusted R Square）、估计标准差（Std. Error of the Estimate）以及Durbin－Watson统计量。从结果来看，回归的可决系数和调整的可决系数分别为0.970和0.968，即住房支出的90％以上的变动都可以被该模型所解释，拟和优度较高。回归模型的方差分析表，可以看到，F统计量为454.061，对应的p值为0，所以，拒绝模型整体不显著的原假设，即该模型的整体是显著的。表中给出了回归系数、回归系数的标准差、标准化的回归系数值以及各个回归系数的显著性t检验。从表中可以看到无论是常数项还是解释变量x，其t统计量对应的p值都小于显著性水平0.05，因此，在0.05的显著性水平下都通过了t检验。变量x的回归系数为3.192，即gdp每增加1亿元，ninv就增加3.192.
12
13