用下面的数据做相关分析和一元线性回归分析：选用普通高等学校毕业生数和高等学校发表科技论文数量做相关分析和一元线性回归分析。
一、相关分析
1.作散点图
两相关变量的Pearson相关系数=0.0998，表示呈高度正相关；相关系数检验对应的概率P值=0.000，小于显著性水平0.05，应拒绝原假设（两变量之间不具有相关性），即毕业生人数好发表科技论文数之间的相关性显著。
3.求两变量之间的相关性
选择相关系数中的全部，点击确定：
呈
注解: 两相关变量（普通高校毕业生数和发表论文数）的偏相关系数=0.998，呈正相关；对应的偏相关系数双侧检验p值0，小于显著性水平0.05，应拒绝原假设（两变量之间不具有相关性），即普通高校毕业生数与发表论文数之间相关性显著。
二、一元线性回归
此图是回归方程的拟合优度检验。
注解：上图是回归方程的拟合优度检验。
第二列：两变量（被解释变量和解释变量）的相关系数R=0.998.
第三列：被解释变量（毕业人数）和解释变量（发表科技论文数）的判定系数=0.996是一元线性回归方程拟合优度检验的统计量；判定系数越接近1，说明回归方程对样本数据的拟合优度越高，被解释变量可以被模型解释的部分越多。
第四列：被解释变量（毕业人数）和解释变量（发表科技论文数）的调整判定系数=0.996。这主要适用于多个解释变量的时候。
第二列：常数项估计值=-316.259；回归系数估计值=0.001.
第三列：回归系数的标准误差=0.000
第四列：标准化回归系数=0.998.
第五、六列：回归系数T检验的t统计量值=57.196，对应的概率P 值=0.000，小于显著性水平0.05，拒绝原假设（回归系数与0不存
在显著性差异），结论：回归系数不为0，被解释变量（毕业人数）与解释变量（发表科技论文数）的线性关系是显著的。
于是，回归方程为：
=-316.259+0.001x
2.回归方程的进一步分析
