表中上半部分输出的是变量两两之间的Pearson简单相关系数，“产量”和“降雨量”的相关性系数为0.981，双侧检验的相伴概率为0.000。
表中下半部分偏相关分析的输出结果，在剔除“温度”变量的影响条件下，“产量”和“降雨量”的相关性系数为0.780，双侧检验的相伴概率为0.013。
可见，简单相关系数和偏相关系数相比，前者有夸大的成分，后者更符合实际。
【偏相关分析】
【距离分析】
【回归】
【一般线性回归】
练习1：
为了检验美国电力行业是否存在规模经济，特收集了1955年145家美国电力企业的总成本（TC）、产量（Q）、工资率（PL）及资本租赁价格（PK）的数据，见“练习1.sav”。试以工资率为y因变量，以产量为x自变量，对工资率和产量做简单线性回归分析。
第一个是输入/移去的变量表：
模型汇总表中看出：R值为0.171，R方为0.029，调整后的R方为0.023，反应了因变量工资率和自变量产量之间没有线性回归关系。
从ANOVA表方差分析表中可以看出：相伴概率为0.039，说明因变量和自变量之间有显著性 系数表中可以看出：常量为1.943，回归系数为1.385*10（-5次方）。回归系数的相伴概率为0.39小于0.05 该回归方差有意义：
练习2：
现有1992年~2006年国家财政收入和国民生产总值的数据如下表所示，请研究国家财政收入x和国民生产总值y之间的线性关系。
模型汇总表中可以看出：R值为0.989，R方为0.979，调整后的R方为0.977，表明了因变量国家财政收入和自变量国民生产总值之间的具有高度线性关系
从ANOVA表中看出回归的相伴概率为0，小于显著性水平0.05，反应了因变量和自变量之间具有显著性的线性回归关系
从系数表中可以看出：该回归模型的常量是24949，回归系数是4.962，回归系数的相伴概率为0，说明回归于0有显著差别改回归方程有意义最终的回归方程是：y=26949.902+4.962x