3)、以体重为控制变量,以肺活量为因变量,身高为自变量进行偏相关分析
假设:
H。
:
P=0
H1:
P≠0
利用SPSS进行偏相关分析,得表如下:
ZeroOrderPartials
身高肺活量体重
身高1.0000.6001.7414
(0)(27)(27)
P=.P=.001P=.000
肺活量.60011.0000.7506
(27)(0)(27)
P=.001P=.P=.000
体重.7414.75061.0000
(27)(27)(0)
P=.000P=.000P=.
Controllingfor..体重
身高肺活量
身高1.0000.0983
(0)(26)
P=.P=.619
肺活量.09831.0000
(26)(0)
P=.619P=.
(Coefficient/(D.F.)/2-tailedSignificance)
"."isprintedifacoefficientcannotbecompated
由该表我们可以得到如下信息:
在体重为控制变量的条件下,身高与肺活量的相关系数r=0.0983,而其简单相关系数为0.6001.我们明显可以看出前者远小于后者,我们进一步分析,因为体重跟肺活量都呈高度相关,相关系数为0.7506,所以他们之间存在线性相关。
但我们有意排除这个体重这个变量时,我们发现它的相关性下降,但由于P=0.619>a=0.05,所以接受原假设,即身高与肺活量的相关关系不显著。
2、解:
1)绘制散点图如下:
分析该市工业总产值与税利总额的关系:
由图可以看出他们呈正线性关系。
2)、做相关分析
以总产值与税利总额进行相关分析
假设:
H。
:
P=0
H1:
P≠0
利用SPSS进行相关分析,得表如下:
Correlations
工业总产值X
税率总值Y
工业总产值X
PearsonCorrelation
1
.942**
Sig.(2-tailed)
.000
N
12
12
税率总值Y
PearsonCorrelation
.942**
1
Sig.(2-tailed)
.000
N
12
12
**.Correlationissignificantatthe0.01level(2-tailed).
由该表我们可以得到如下信息:
总产值与税利总额的相关系数为r=0.942,呈高度线性相关。
又显著性水平P=03)、利用SPSS进行相关分析,得表1、表2如下:
表1
ModelSammary
Model
R
RSqaare
AdjastedRSqaare
Std.ErroroftheEstimate
1
.942
.888
.876
95.45481
aPredictors:
(Constant),X
表2
Coefficients