导言
这两天在写一些东西，想给自己的文章中增加一点色彩。因为文章中涉及到了一个领域的发表论文数量，但是仅仅描述论文数量，确实挺无聊的。所以，就想看看，既然发表了这么多论文，花了这么多钱做研究，那么我们的病的死亡率到底有没有下降呢？所以，就要用到相关性分析。
最后结果如图所示
软件
2020 originpro(其他版本的软件一样操作)
图文教程
1. 打开Origin，输入数据，A列为某年到某年的发文数量，B列为相应年份的死亡率
2. 首先选中数据，做一个散点图
3. 然后我们做一个线性拟合，菜单栏-拟合-线性拟合-打开对话框
4. 点击确定
5. 这样，我们的拟合结果就出来了
6. 选中数据，再将p值分析一下：菜单栏-描述统计-相关系数-打开对话框
7. 选择第一个，确定
8. 右击一下，设置小数位数，查看起来比较方便
9. 设置成4位吧
10. P值为0.0001
11. 将R平方和p值放在图中
12. 参数解读：
(1) r一般表示的是两组数据之间的相关性，一般是|r| ≤1，r如果为正，表示正相关，反之，为负相关；其绝对值越接近于1，两组数据越相关，越趋于0，越不相关；
(2) R2 其实就是对r的平方，统计学家称之为决定系数。值得注意的是，R2只适合衡量线性相关系数，如果呈抛物线，也就是y值到达一个最大值之后，反而减少，或者保持恒定，那么这个时候不再适用于所计算的相关系数；
(3) P值如果较小(P≤0.05), 说明相关性是真实存在的；P值如果较大(P＞0.05), 说明结果中呈现的这个相关系数可能是不真实的。当然，设置的置信区间为95%，才可以参照前面所述。
13. 我们可以看到，随着年份的增加，论文数越来越多，但是死亡率也越来越低。所以我们得出的结论是，本领域内发表论文的数量和死亡率呈负相关，结果比较真实，相关性为0.8279。一定程度上说明，相关研究的增加，可以减少疾病的死亡率。
