首先运用OLS建立高新区创新网络与其所处地区创新能力之间的一元线性回归方程，见式（6．9）：

其中，y代表各地区创新能力，x代表各地区高新区创新网络发展水平，α、β为待估参数，μ为随机误差项。用软件SPSS19．0根据表和表中的数据进行参数估计。根据表6．10所示结果，可以看到区域创新能力与高新区创新网络之间具有显著相关性。

表6．10 一元回归相关性检验结果

由表6．11可以看到，该模型的相关系数R＝0.909，判定系数R 2＝0.825，调整的判定系数＝0.821，回归估计的标准误差S＝0.329 388 57。说明该线性回归模型可以解释自变量82%的变差，拟合效果较好。

表6．11 高新区创新网络与区域创新能力一元回归结果

注：①*表示在10%水平上显著，**表示在5%水平上显著，***表示在1%水平上显著。
②括号内为t值。

回归标准化残差的标准P-P图如图6．3所示。(www.daowen.com)

图6．3 一元回归标准化残差的标准P-P图

由于F＝184.381，相伴概率值为0．000小于0．05，说明自变量高新区创新网络与因变量区域创新能力之间存在显著的一元线性回归关系，回归方程如式（6．10）所示：

由于常量的显著性值大于0．05，即该项不显著。故标准化后的回归方程为：

图6．4为添加拟合线后的回归散点图，为回归因变量和每个自变量之间的关系点图，可以看出区域创新能力与高新区创新网络发展水平有着较显著的线性关系，呈直线趋势。

图6．4 添加拟合线的一元回归散点图

由上述分析可以看到，我国的区域创新能力与高新区创新网络发展水平有着显著的相关关系，随着我国高新区创新网络发展水平的提高，其所处区域的区域创新能力也显著提高。