500
11.5 一家物流公司的管理人员想研究货物的运输距离和运输时间的关系，为此，他抽出了 公司最近10个卡车运货记录的随机样本，得到运送距离 （单位：km）和运送时间（单位：天）
的数据如下：
运送距离x 825 215 1 070 550 480 920 1 350 325 670 1 215 运送时间y 3.5 1.0 4.0 2.0 1.0 3.0 4.5 1.5 3.0 5.0 要求： （1） 绘制运送距离和运送时间的散点图，判断二者之间的关系形态： （2）
计算线性相关系数，说明两个变量之间的关系强度。
(1)
解:
250 750 1000 1250
⑶利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。
x运送距离（km
可能存在线性关系。
相关性
x运送距离（km ）
y运送时间（天）
x运送距离（km ） Pearson 相关性 1 .949（**）
显著性（双侧） N
0.000
10 .949(**)
10 1
y运送时间（天）
Pearson相关性 显著性（双侧）
0.000 10
N
10
**.在.01水平（双侧）上显著相关。
有很强的线性关系。
（3）
系数（a）
非标准化系数
标准化系数
Beta
t 0.333
0.949
8.509
显著性
0.748 0.000
模型 1
B
（常量） x运送距离（km）
0.118 0.004
标准误
0.355 0.000
a. 因变量：y运送时间（天）
回归系数的含义：每公里增加 0.004天。
11.6下面是7个地区2000年的人均国内生产总值（GDP ）和人均消费水平的统计数据:
地区 北京 辽宁 上海 江西 河南 贵州 陕西 人均GDP（元） 22 460 11 226 34 547 4 851 5 444 2 662 4 549 人均消费水平（元） 7 326 4 490 11 546 2 396 2 208 1 608 2 035 要求:
（1） （2）
人均GDP作自变量，人均消费水平作因变量，绘制散点图，并说明二者之间的关系 形态。 计算两个变量之间的线性相关系数，说明两个变量之间的关系强度。
（3） 利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。 （4） 计算判定系数，并解释其意义。
第11章-相关分析与回归分析
