《怎样对数据做相关性检验》由会员分享，可在线阅读，更多相关《怎样对数据做相关性检验（7页珍藏版）》请在金锄头文库上搜索。
1、怎样对数据做相关性检验？最简单直观的方法就是做相关系数矩阵了，另外就是 Pearson 相关系数或者 Spearman 相关系数用 SPSS 软件或者 SAS 软件都可以分析。用 SPSS 更简单。如果你用 SPSS 软件，分析的步骤如下：1.点击 “分析（Analyze ）” 2. 选中 “相关 （Correlate ）”3. 选中 “双变量（Bivariate）”4 选择你想要分析的变量5 选择 Pearson 相关系数 （或者 Spearman 相关系数）6 选择恰当的统计检验（单边或双边）7 点击“OK” 即可SPSS 中 pearson（皮尔逊相关系数）确定相关性，数据分析如下图，请
2、问 1 与 2 的相关性是什么。急。图片 0-1为什么显著相关，请分析一下。不是相关系数越接近于 1 或-1 ，相关度越强，相关系数越接近于 0，相关度越弱么。回答Correlate 子菜单-Bivariate 过程观察 Correlation Coefficients 值和 Test of Significance 值即可，惟必须注意，变量须为等距尺度 (interval level of measurement)。若变项只属顺序尺度 (ordinary level of measurement)，则可选择计算 Kendalls 等级相关系数和 Spearman 相关系数。spss 相关性分
3、析 相关性相关性X1 X2 X3 X4 X5 X6 X7 X8X1 Pearson 相关性 1 -.022 -.447 .999* .999* .982* .994* .975*显著性（双侧） .972 .451 .000 .000 .003 .001 .005N 5 5 5 5 5 5 5 5X2 Pearson 相关性 -.022 1 .261 -.059 -.025 -.179 -.117 -.206显著性（双侧） .972 .671 .925 .969 .773 .852 .740N 5 5 5 5 5 5 5 5X3 Pearson 相关性 -.447 .261 1 -.481 -.
4、415 -.405 -.448 -.469显著性（双侧） .451 .671 .413 .488 .499 .450 .426N 5 5 5 5 5 5 5 54X4 Pearson 相关性 .999* -.059 -.481 1 .997* .982* .994* .977*显著性（双侧） .000 .925 .413 .000 .003 .001 .004N 5 5 5 5 5 5 5 5X5 Pearson 相关性 .999* -.025 -.415 .997* 1 .985* .994* .975*显著性（双侧） .000 .969 .488 .000 .002 .001 .005N
5、5 5 5 5 5 5 5 5X6 Pearson 相关性 .982* -.179 -.405 .982* .985* 1 .996* .995*显著性（双侧） .003 .773 .499 .003 .002 .000 .000N 5 5 5 5 5 5 5 5X7 Pearson 相关性 .994* -.117 -.448 .994* .994* .996* 1 .994*显著性（双侧） .001 .852 .450 .001 .001 .000 .001N 5 5 5 5 5 5 5 5X8 Pearson 相关性 .975* -.206 -.469 .977* .975* .995*
6、.994* 1显著性（双侧） .005 .740 .426 .004 .005 .000 .001N 5 5 5 5 5 5 5 5*. 在 .01 水平（双侧）上显著相关。一般直接看相关系数和显著性双侧。你这个一列一列的看要方便些，比如第一列，表示为 x1 和其他各变量之间的相关性，x1 和 x2 的相关系数为-.022 ，显著性双侧为 0.972，说明这两个变量间无相关性，依次类推。只要是显著性0.05 即可说明两变量具有相关性，而相关性的大小取决于相关系数，相关系数越接近 1，相关性越好。看了一下你的 x1 和 x4-x8 的相关系数都在 0.9 以上了。是非常好的。利用 SPSS，相关
7、系数矩阵怎么算analyze-correlate-bivariate-选择变量 OK 输出的是相关系数矩阵 相关系数下面的 Sig.是显著性检验结果的 P 值，越接近 0 越显著。另外，表格下会显示显著性检验的判断结果，你看看表格下的解释就知道，比如“*. Correlation is significant at the 0.01 level (2-tailed).” 就是说，如果相关系数后有*符号，代表在 0.01 显著性水平下显著相关 粗略判断的方法是，相关系数 0.6 以上，可以认为显著相关了5person 系数是什么意思皮尔森系数 皮尔森相关系数皮尔森相关系数（Pearson cor
8、relation coefficient） 也称皮尔森积矩相关系数(Pearson product-moment correlation coefficient) ，是一种线性相关系数。皮尔森相关系数是用来反映两个变量线性相关程度的统计量。相关系数用 r 表示，其中 n 为样本 量，分别为两个变量的观测值和均值。r 描述的是两个变量间线性相关强弱的程度。r 的绝对值越大 表明相关性越强。person 是人的意思SPSS 中 pearson（皮尔逊相关系数）看 r 值还是 P 值，确定相关性两个值都要看，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
9、的总体中是否存在和样本一样的相关性。相关系数为 0.61，能否证明两个变量相关性较高？实验结果表明两个变量的相关系数是 0.61，能否表明这 2 个变量有较高的相关性？目前研究这 2 个变量表示的内容的关系的人还比较少，所以我没法和别人的对比。所以想问问数学系的同学，这个结果够不够“充分” ？谢谢！可根据相关系数的临界值去判断。追问能否说的具体一些？谢谢！回答1. 可根据相关系数 r 的临界值去判断。可查资料，资料很多。2. “当 0|r|1 时，表示两变量存在一定程度的线性相关。且|r|越接近 1，两变量间线性关系越密切；|r|越接近于 0，表示两变量的线性相关越弱。一般可按三级划分：|r|
10、0.4 为低度线性相关；0.4|r|0.7为显著性相关；0.7|r|1 为高度线性相关。” 这是一种简单的判断方法：因此r=0.61 为显著相关。追问（1）我这个不是 “线性相关系数”（2）“显著相关”是什么概念？若 2 个变量“显著相关”，能不能作为一个较好的结果？其他 2 条回答2013-04-04 16:16 热心网友皮尔森相关 （简单相关）检验的应该就是线性相关 楼上说的是对的http:/ 相关性大小 是指相关系数的绝对值6是否显著、极显著 是指显著性水平，即看 P 值的大小http:/ 0.8为什么会出现相关系数小但是相关性显著的情况呢当显著性水平小于 0.05 时说明两个变量之间存
11、在显著相关，反之则不存在。相关系数是表示两个变量之间的相关性强弱的。假设检验只是判断相关系数是否为 0，r0.4 为低度相关。相关系数为 0.59 表示相关性大还是不大？你可以把它理解为两个量以某种方式相关的概率，则 0.59 表示它们有 59的可能性相关。若为 1，则表示 100%相关。所以此处相关系数为 0.59，我们认为其相关性不大。SPSS 中 pearson（皮尔逊相关系数）看 r 值还是 P 值，确定相关性两个值都要看，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。相关系数是 0.9985,是否能说明
12、相关性很好?已经很好了楼上说的不对相关系数不表示概率用 SPSS 软件进行相关性分析时，得出的相关系数为负值。进行逐步回归分析时， 得出的系数确为正值。为什么？这种情况是可以出现的。在相关性分析时，你看到的是两个变量之间的关系，其他变量的影响是不被考虑的；但是，进行逐步回归分析时，如果入选的变量不止一个，那么入选变量之间可以产生影响，这种影响甚至可以改变一些原来不算强的相关性的方向。 这表明你的数据存在偏相关、部分相关或伪相关等情况。相关系数说明两个现象之间相关关系密切程度的统计分析指标。相关系数用希腊字母 表示， 值的范围在-1 和+1 之间。0 为正相关，0 为负相关。0 表示不相关； 的
13、绝对值越大，相关程度越高。 两组数据的相关系数如果是负数则表示一组数据增大，另一组数据也反而减小；一组数据减小，另一组数据反而增大。相关系数如果是负数表明两种资产的收益率呈反方向变动,负数代表负相关. 正数代表正相关.0 代表不相关.你好，请教一下，主成分分析中，综合得分都是负值怎么比较？7你是用什么软件操作？SPSS 中，主成分分析实现是利用因子分析，只要累计方差贡献率达到 80%以上即可，你说的综合得分指的是因子分析的得分？追问谢谢！是的，是各因子的得分,以下是计算结果第一次用，是不是哪里出错了，数据不知道怎么解释？我的 qq:2628230137回答首先，你要先确定你的变量不存在问题：不
14、存在共线、异方差等，在做因子分析前，你是否进行了 KMO 检验？是否有必要做因子旋转？累计方差贡献率是否达到 80%以上以上问题都排除之后，说明你的变量应该是不存在问题。那么一般因子分析得分出现负数，只能说明因子得分是在平均分以下，我头一次见到所有因子和主因子得分都是负数建议你先看下变量是否存在问题，我晚上不上 QQ，如果你白天有时间，可以加个 QQ 聊下。用 SPSS 进行主成分分析，最后得出的一个综合指标关系式，但是带入相应的数据后为负值。请问原因及解决方法有负值是正常的因为所有评价对象的综合指标的和为 0不同评价对象的综合指标必须有正有负的主成分分析要求数据必须正态分布吗？聚类分析对数据有什么要求？主成分分析要求数据接近正态分布，不一定要严格的正态分布条件，一般来说样本量在 100 以上就基本符合条件。聚类分析对数据的要求是聚类的各组的组内方差较小，而组间方差较大，正常来说只要方法选择得当，这个要求会比较容易做到的。
