第一题：
相关性
相关性
生产性固定资产价值
工业总产值
生产性固定资产价值
Pearson 相关性
1
.948**
显著性（双侧）
.000
N
10
10
工业总产值
Pearson 相关性
.948**
1
显著性（双侧）
.000
N
10
10
**. 在 .01 水平（双侧）上显著相关。
模型汇总
模型
R
R 方
调整 R 方
标准 估计的误差
1
.948a
.898
.886
126.62795
a. 预测变量: (常量), 生产性固定资产价值。
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
1132339.800
1
1132339.800
70.618
.000a
残差
128277.100
8
16034.637
总计
1260616.900
9
a. 预测变量: (常量), 生产性固定资产价值。
b. 因变量: 工业总产值
系数a
模型
非标准化系数
标准系数
B
标准 误差
试用版
t
Sig.
1
(常量)
395.567
80.261
4.929
.001
生产性固定资产价值
.896
.107
.948
8.403
.000
a. 因变量: 工业总产值
1、两变量之间呈正相关；2、线性回归方程为Y=395.567+0.896X，表示生产性固定资产总值每增加1个单位，工业总产值增加0.896个单位；3、F统计量对应的概率是0.00，小于0.05，回归方程的线性关系显著，即用线性模型描述它们之间的关系恰当；4、t统计量对应的概率是0.00，小于0.05，回归系数显著，即X能保存在回归方程中；5、判定系数是0.898，说明回归方程对样本数据点的拟合程度较高；6、生产固定总值为1100万元时，总产值的可能值为1381.167万元。
第二题：
模型汇总
模型
R
R 方
调整 R 方
标准 估计的误差
1
.943a
.890
.876
.14194
a. 预测变量: (常量), 体重。
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
1.304
1
1.304
64.705
.000a
残差
.161
8
.020
总计
1.465
9
a. 预测变量: (常量), 体重。
b. 因变量: 体表面积
系数a
模型
非标准化系数
标准系数
B
标准 误差
试用版
t
Sig.
1
(常量)
2.661
.385
6.915
.000
体重
.229
.028
.943
8.044
.000
a. 因变量: 体表面积
已排除的变量b
模型
共线性统计量
Beta In
t
Sig.
偏相关
容差
1
身高
.215a
.919
.389
.328
.256
a. 模型中的预测变量: (常量), 体重。
b. 因变量: 体表面积
1、多元回归方程为Y=2.661+0.229X，X表示体重，Y表示体表面积，表示体重增加1个单位，体表面积增加0.229个单位；2、F统计量的概率是0.000，小于0.05，回归方程的线性关系显著，即用线性模型描述它们之间的关系恰当；3、体重的t统计量的概率为0.000，小于0.05，即回归系数显著，体重能保留在回归方程中；身高的t统计量的概率为0.389，大于0.05，即回归系数不显著，身高不能保留在回归方程中；4、判定系数是0.876，说明回归方程对样本数据点的拟合程度高。
第三题：
模型汇总
模型
R
R 方
调整 R 方
标准 估计的误差
1
.878a
.771
.743
2487.83460
2
.950b
.902
.874
1738.98462
a. 预测变量: (常量), 收入X2。
b. 预测变量: (常量), 收入X2, 价格X1。
Anovac
模型
平方和
df
均方
F
Sig.
1
回归
1.670E8
1
1.670E8
26.978
.001a
残差
4.951E7
8
6189320.980
总计
2.165E8
9
2
回归
1.953E8
2
9.766E7
32.294
.000b
残差
2.117E7
7
3024067.511
总计
2.165E8
9
a. 预测变量: (常量), 收入X2。
b. 预测变量: (常量), 收入X2, 价格X1。
c. 因变量: 需求量Y
系数a
模型
非标准化系数
标准系数
B
标准 误差
试用版
t
Sig.
1
(常量)
52140.580
2973.212
17.537
.000
收入X2
.114
.022
.878
5.194
.001
2
(常量)
62650.928
4013.010
15.612
.000
收入X2
.286
.058
2.211
4.902
.002
价格X1
-979.057
319.784
-1.381
-3.062
.018
a. 因变量: 需求量Y
已排除的变量b
模型
共线性统计量
Beta In
t
Sig.
偏相关
容差
1
价格X1
-1.381a
-3.062
.018
-.757
.069
a. 模型中的预测变量: (常量), 收入X2。
b. 因变量: 需求量Y
1、多元线性回归方程是Y=62650.928-979.057X1+0.286X2,其中X1表示价格，X2表示收入，表示价格增加1个单位，需求量减少979.057个单位，收入增加1个单位，需求量增加0.286个单位；2、F统计量的概率是0.000，小于0.05，回归方程的线性关系显著，即用线性模型描述它们之间的关系恰当；3、价格的t统计量的概率是0.018，小于0.05，回归系数显著，价格变量能保留在回归方程中，收入的t统计量的概率是0.002，小于0.05，回归系数显著，收入变量能保留在回归方程中；4、判定系数是0.874，说明回归方程对样本数据点的拟合程度较高。