得到如下表的结果： Correlations GDP Pearson Correlation Sig. (2-tailed) N GDP 1 人口数 .798 .000 32 32 **固定资产投资 .956 .000 32 **进出口总额 .984 .000 32 **国家财政支出 .992 .000 32 ** 人口数 Pearson Correlation Sig. (2-tailed) N .798 .000 32 .956 .000 32 .984 .000 32 .992 .000 32 ********1 .633 .000 **.781 .000 32 .933 .000 ****.729 .000 32 .974 .000 32 .969 .000 ******32 .633 .000 32 .781 .000 32 .729 .000 32 ******32 1 固定资产Pearson Correlation 投资 Sig. (2-tailed) N 进出口总Pearson Correlation 额 Sig. (2-tailed) N 国家财政Pearson Correlation 支出 Sig. (2-tailed) N 32 .933 .000 32 .974 .000 32 ****32 1 32 .969 .000 32 **32 1 32 **. Correlation is significant at the 0.01 level (2-tailed).
从表中我们可以知道：
（1） GDP与人口数之间的相关系数是0.798，双尾检验的概率值为
0，小于0.01，则相关水平是显著的，换句话说，我们有超过99%的把握认为，两者之间存在着比较强的正相关性。 （2） GDP与固定资产投资之间的相关系数是0.956，双尾检验的概
率值为0，小于0.01，则相关水平是显著的，换句话说，我们有超过99%的把握认为，两者之间存在着非常强的正相关性。 （3） GDP与进出口总额之间的相关系数是0.984，双尾检验的概率
值为0，小于0.01，则相关水平是显著的，换句话说，我们有超过99%的把握认为，两者之间存在着比较强的正相关性。 （4） GDP与国家财政支出数据之间的相关系数是0.992，双尾检验
的概率值为0，小于0.01，则相关水平是显著的，换句话说，我们有超过99%的把握认为，两者之间存在着非常强的正相关
性。
对于回归分析，我们可以利用excel中自带的会给分析予以分析。 点击工具→数据分析，截图如下：
点击“回归”截图如下：
在Y值输入区域键入B3：B34，在X值输入区域键入C3：F34,勾选线性拟合图。截图如下：
结果输出表：
回归统计
Multiple R 0.999009 R Square 0.998019 Adjusted R
0.997726
Square 标准误差 6035.224 观测值 32 方差分析
回归分析 残差 总计
df
SS
MS
F
Significance F 4.65521E-36
4 4.96E+11 1.24E+11 3400.95 27 9.83E+08 36423935 31 4.96E+11
RESIDUAL OUTPUT
观测值 预测 Y 残差
1 -2995.89 7541.511 2 -1156.79 6048.348 3 1428.274 3895.077 4 3908.707 2053.944 5 6803.827 404.2251 6 10220.78 -1204.74 7 13444.35 -3169.17 8 16527.14 -4468.52 9 20090.81 -5047.98 10 23419.28 -6426.97 11 27040.55 -8372.72 12 30862.99 -9081.49 13 34973.95 -8050.47 14 41008.56 -5674.63 15 50421.38 -2223.52 16 56700.19 4093.543 17 62100.47 9076.117 18 68679.97 10293.07 19 74784.22 9618.055 20 83728.95 5948.104 21 96349.68 2864.873 22 107115 2540.192 23 121192.1 -859.371 24 139165.9 -3343.17 25 163257.6 -3379.24 26 190386.2 -5448.84 27 221684.4 -5369.94 28 261965.8 3844.511 29 306801.5 7243.928 30 338798.3 2104.52 31 405141.4 -3628.65 32 474924.6 -1820.58
由输出结果可以知道，线性回归方程为：
Y=-149510+1.4495*X1+0.189964*X2+0.427531*X3+2.461343*X4。
根据输出结果中的方差分析可知，Significance F=4.65521E-36<α =0.05,说明果实横径与果重之间回归系数显著。而由结果中的回归系数的t Stat检测可知a:P-value=1.25E-08<α=0.05，b1=2.79E-09< α=0.05，b2=0.031325<α=0.05，b3=2.89E-06<α=0.05，b4=0.000433<α=0.05因此回归方程是有效可靠的。
（2）收集1980-2011年中南六省：湖北、湖南、河南、江西、广东、广西的GDP数据，消除物价因素影响后，做方差分析。
中南六省1980-2011年GDP数据（现价）