四、相关性分析

如果只是简单分析每一个变量的描述性统计量，则无法判定这个变量能否对预测或总体描述产生影响。因此，必须在自变量的全部数据中进行选择，并通过相关性系数来观察自变量与因变量之间的相关性。进行回归研究、构造回归模型的前提条件是各变量必须具有相关性。

通常的做法是以因素分析为基础选择相应变量，并将原有变量加以替换。其原因在于通过因素分析选择的变量数远远小于原有的变量个数，更重要的是，经过因素分析选择的因素的内容涵盖它们所替换的多个变量的概念。在有多个自变量但同时只有一个因变量的情况下，可通过建立相关性矩阵的方法来观察所选择的变量之间的相关性。表6－7所展示的就是以基本公共服务满意度为因变量与多个自变量之间的相关性。这些自变量包括基础设施、医疗卫生、社会保障、义务教育、行政服务、公共文化以及公共安全等。

通过表6－7可以看出，所有自变量与因变量的相关性系数均大于0．7，因此可以证明这些自变量（基础设施、医疗卫生、社会保障、义务教育、行政服务、公共文化以及公共安全）与因变量（基本公共服务满意度）之间具有中高性相关关系。双尾检验的概率值均大于0．01，达到了0．000的显著程度，这拒绝了各因素不相关（P＝0）的原假设。

表6－7的数据证明了基本公共服务满意度与医疗卫生、义务教育、基础设施、行政服务、社会保障、公共文化以及公共安全等呈显著性正相关，即医疗卫生、义务教育、基础设施、行政服务、社会保障、公共文化以及公共安全等服务越好，则公共服务的满意度就越高。

表6－7　基本公共服务满意度与医疗卫生、义务教育、基础设施、行政服务、社会保障、公共文化以及公共安全的相关系数

表中数值为Pearson相关系数．＊＊＊：P＜0．001（双侧）．