spss pearson 相关性分析是什么

正值表示两变量正相关，即一个随另一个的增大而增大，减小而减小，变化趋势相同；负值表示两变量负相关，即一个随另一个的增大而减小，变化趋势相反。

如果研究者想得到两个变量之间是否有相关性或是具有怎样的相关性，就可以利用Perason做相关性的分析，那么在此软件内该如何操作得到数据结果图呢？接下来介绍一下得到相关性数据的具体操作方法。

方法

打开SPSS PERASON后，从上方“graphs”下选择第一个选项。

两个值都要看，r值表示在样本中变量间的相关系数，表示相关性的大小；p值是检验值，是检验两变量在样本来自的总体中是否存在和样本一样的相关性。

选择弹窗左方的“time-tv”，进入下方“gallery”。

1、打开spss主页输入对应的数据，在分析那里选择非参数检验下的相关样本。 2、下一步进入一个新的界面，直接按照图示来设置检验对以及勾选威尔科克森。 3、等完成上述操作以后，需要点击确定。 4、这个时候会得到相应的设置结果，即可看spss相关

接着选择“scatter”，并在右方选择适合的相关性表示方法。

是的，当然不能只看它的值，你要看下这个相关系数后面有没有星号，一个星号表示005水平下显著，两个星号表示001水平下显著，没有星号表示两者没有显著相关

随后编辑xy轴上的名称。

不是说必须相互影响，因为在做pearson相关之间，你是不知道这两个变量之间是否存在一定的什么相关的。 但是做pearson相关对于变量分布有个要求 是必须要符合正态分布，同时变量类型必须是数值型数据类型

在右方窗口中选择“Y-Axis”选项，在“minimum”中编辑“0”。

相关系数0.624大约属于中等量级的相关，在样本量足够大的情况下一般都会有显著性，你的情况应该是样本量偏小造成的。此外，pearson相关系数的正确性需要得到散点图的证实，你应该检查一下散点图，看看数据是否具有线性趋势，特别是有没有离群值

敲击回车键即可保存并执行操作。

皮尔森相关系数（Pearson correlation coefficient）也称皮尔森积矩相关系数(Pearson product-moment correlation coefficient)，统计检验：可以用t 统计量对总体相关系数为0的原假设进行检验。若t 检验显著，则拒绝原假设，即两个变量是线性相

结果图如下所示。

在这个图表中，你说的R值就是皮尔逊相关系数~（pearson correlation） r>0 代表两变量正相关，r

扩展阅读，以下内容您可能还感兴趣。

SPSS进行皮尔森相关系数分析 相关系数和显著性有什么关系

皮尔森相关系数（Pearson correlation coefficient）也称皮尔森积矩相关系数(Pearson product-moment correlation coefficient)，统计检验：可以用t 统计量对总体相关系数为0的原假设进行检验。zd若t 检验显著，则拒绝原假设，即两个变量是线性相关的；若t 检验不显著，则不能拒绝原假设，即两个变量不是线性相关的，本质上是一元回归中的回回归参数显著性检验

【如何使答用SPSS进行皮尔森相关系数分析】

1.单击“Analyze”,展开下拉菜单

2.下拉菜单中寻找“Correlate”弹出小菜单，从小菜单上寻找“Bivariate...”，单击之，则弹出相关分析“Bivariate Correlations”对话框

3.把左边的源变量中要分析相关的变量调入右边的“Variables：”下的矩形框内

4.勾选“Correlation Coelficients”中的“Pearson”选项

5.点击“OK”即可.本回答被提问者和网友采纳

spss相关性分析结果看不懂，帮忙解释下~谢了

在这个图表中，你说的R值就是皮尔逊相关系数~（pearson correlation）

r>0 代表两变量正相关，r<0代表两变量负相关。

|r|大于等于0.8时，可以copy认为两变量间高度百相关；

|r|大于等于0.5小于0.8时，可以认为两变量中度相关；

|r|大于等于0.3小于0.5时，可以认为两变量低度相关。

小于0.3说明相关程度弱，基本不相关。

上面说了啊~表格里的pearson correlation，就是R值

表格里*加重的几度个r值，是呈现显著相关的。

简单来说，

正相关是一个变量变大，另一个变量也变大

负相关就是一个变量变大，另一个变量变小

如何使用SPSS进行皮尔森相关系数分析？？Pearson’s correlation coefficients

如果用SPSSAU进行在线spss数据分析，选择通用方百法->相关进行，结果格式为三线度表格式，属于规范的格式不用重新整理。

分析结果上看会输出包括平均值和问标准差，以及相关系数和P值。

前两列即为各变量答的平均值和标准差，第三列开始为两两变量之间的相关系数。专

数值右上角的星号代表P值。对于相关分析，一般规范的表格格式是：P值使用*号表属示，P < 0.01使用2个*号表示；P < 0.05使用1个*号表示。

spss Pearson相关系数 和判定系数R^2什么关系

相关系数的平方 就是 回归分析中的拟合优度R方

pearson相关系数和spearman相关系数的区别

区别：

1.连续数据，正态分布，线性关系，用pearson相关系数是最恰当，当然用spearman相关系数也可以，效率没有pearson相关系数高。

2.上述任一条件不满足，就用spearman相关系数，不能用pearson相关系数。

3.两个定序测量数据之间也用spearman相关系数，不能用pearson相关系数。

拓展知636f7079e799bee5baa631333365656661识：

pearson相关通常是用来计算等距及等比数据或者说连续数据之间的相关的，这类数据的取值不限于整数，如前后两次考试成绩的相关就适合用pearson相关。

spearman相关专门用于计算等级数据之间的关系，这类数据的特点是数据有先后等级之分但连续两个等级之间的具体分数差异却未必都是相等的，比如第一名和第二名的分数差就未必等于第二名和第三名的分数差。两次考试的排名数据适用于spearman相关。

spearman相关只能计算等级数据，但pearson相关却既可以用来算等级相关，也可以算连续数据的相关，只不过一般默认用pearson相关计算连续数据的相关。

在 统计学中, 以查尔斯·斯皮尔曼命名的斯皮尔曼等级相关系数，即spearman相关系数。经常用希腊字母ρ表示。 它是衡量两个变量的依赖性的 非参数 指标。 它利用单调方程评价两个统计变量的相关性。 如果数据中没有重复值， 并且当两个变量完全单调相关时，斯皮尔曼相关系数则为+1或−1。

Pearson相关系数（Pearson CorrelationCoefficient）是用来衡量两个数据集合是否在一条线上面，它用来衡量定距变量间的线性关系。

如衡量国民收入和居民储蓄存款、身高和体重、高中成绩和高考成绩等变量间的线性相关关系。当两个变量都是正态连续变量，而且两者之间呈线性关系时，表现这两个变量之间相关程度用积差相关系数，主要有Pearson简单相关系数。

参考资料：

spearman相关系数_百度百科

Pearson相关系数_百度百科