与工业品出厂价格指数（PPI）之间的相关分析。首先，将表1中的数据代入SPSS之中，做出其对应的散点图并对其做相关性分析，得到如以下图1和表2所示的散点图和相关性分析表：
1
f图1CPI与PPI之间的散点图
表2相关性
居民消费价格指工业品出厂价格指
数
数
居民消费Pearso
相关性
1
884
价格指显著性（双侧）
0
数
N
21
21
工业品出Pearso
相关性
884
1
厂价格指
数
显著性（双侧）
0
N
21
21
在01水平（双侧）上显著相关。
由上述散点图可以看出，工业品出厂价格指数和居民消费价格指数相关性分析可得，居民消费价
格指数和工业品出厂价格指数之间的相关系数R0884，P值为0000001通过检验，由于相关系数
R088408，则说明居民消费价格指数CPI和工业品出厂价格指数PPI之间呈高度相关。
（2）居民消费价格指数（CPI）与工业品出厂价格指数（PPI）一元线性回归分析。
由（1）中的分析可得，CPI与PPI的相关系数R0884，在08以上，可以建立回归方程，令居
民消费价格CPI为因变量Y，工业品出厂价格PPI为自变量X，对19902010年的CPI和PPI数据在SPSS
中做一元线性回归分析：得到以下几个分析。表3
模型
R
R方
1
884a
0782
模型汇总b
调整R方0771
标准估计的误
差31214
Durbi
Watso
1606
2
fa预测变量常量工业品出厂价格指数。b因变量居民消费价格指数
从表3可以看出，DW的检验值为1606，在15到25之内，则说明CPI和PPI之间没有显著自
相关，一元线性回归模型的相关系数为R0884，说明PPI指数和CPI指数之间存在显著相关，R方为
0782，则说明工业品出厂价格指数大约能解释居民消费价格指数变化的782。调整后的R方为0771，
标准误差为3121。
表4方差分析
模型
平方和
df
均方
1回归664969
1
664969
残差185123
19
9743
总计850092
20
a预测变量常量工业品出厂价格指数。
b因变量居民消费价格指数
F68249
Sig000a
由表4方差分析可得回归模型的平方和为664969，自由度为1，F统计值为68249，P0000001
则明显通过了显著性检验。
表5系数a
模型
非标准化系数
B
标准误差
1
常量
22127
10024
工业品出厂079
0096
价格指数
a因变量居民消费价格指数
标准系数
试用版
0884
t22078261
Sig00400000
由表5可得标准化后的回归系数为0884，统计检验量t8261，P0000005则通过了显著性
检验，常数项的值为22127，统计检验量t2207P0040005，通过了显著性检验，所以可以得到
如下所示的回归模型方程：
Y221270790X
根据以上一元线性回归r