x5 10 10 10 10 10 10

表中显示5个变量的Pearson相关系数,以及相关系数等于零假设的单侧显著性检验概率。从表中,我们可以清楚地看到因变量y与各个自变量x1,x2,x3,x4,x5之间的相关系数依次表示为0。988,0。735,-0。200,0。998,0。999。由于自变量x1,x2,x4,x5的相关性检验都为正数,说明人均收入与固定资产投资总额,实际到账注册外资,地区生产总值和第二产业增加值之间存在显著的正相关性,而x3代表的年末常住人口则与y（人均收入）之间相关系数为负值并且绝对值不大,说明x3与y之间存在负相关关系,但是并不是很显著。

另外x1与x2,x4,x5之间的相关系数分别为0。664,0。992,0。984；x2与x1,x4,x5之间的相关系数分别为0。664,0。707,0。742；x4与x1,x2,x5之间的相关系数分别为0。992,0。707,0。997；x5与x1,x2,x4之间的相关系数分别为0。984,0。742,0。997,说明他们各自之间也存在较为显著的线性关系。而x3与各个x的值之间均是负相关系数,因此是呈现负相关关系。

表三

输入／移去的变量b

模型 输入的变量 移去的变量 方法

1 x5, x2, x1, x3,x4a 。 输入

a。 已输入所有请求的变量。

b。 因变量: y

表四

模型汇总b

模型 R R 方 调整 R 方 标准 估计的误差 更改统计量 Durbin-Watson

R 方更改 F 更改 df1 df2 Sig。 F 更改

1 1。000a 1。000 。999 111。59517 1。000 3178。823 5 4 。000 2。081

a。 预测变量: (常量), x5, x3, x2, x1, x4。

b。 因变量: y文献综述

表四是线性回归分析结果的模型汇总表,由上表可知,此模型是以x1（淮安市固定资产投资总额）、x2（实际到账注册外资）、x3（年末常住人口）、x4（淮安市GDP）、x5（第二产业增加值）为解释变量的多元线性回归方程,该模型的判定系数调整的 为0。999,回归方程的估计标准误差为111。59517,概率P值为0。000,则拒绝原假设,说明模型存在着高度的线性相关,并且统计值接近2，说明无序列相关。

表五

Anovab

模型 平方和 df 均方 F Sig。

1 回归 1。979E8 5 3。959E7 3178。823