spss相关性分析数据问题

1. spss相关性分析数据问题

看两者是否算相关，要看两个方面：
（1）显著水平，就是你的图片中的第二个表的sig.(2-tailed)。这是首要的，因为如果不显著，相关系数再高也没用，可能只是因为偶然因素引起的。那多少才算显著？一般sig.(2-tailed)小于0.05就是显著了；如果小于0.01就更显著；像你的这表，小于0.001就是最高的显著水平了。只要显著，那就可以下结论说：两者（环境分值与满意度）显著相关，也就是说，两者间确实是有关系的。
（2）相关系数，就是第二个表中的pearsoncorrelation(皮尔逊相关，也是积差相关)。在确认上面的指标显著的情况下，再来看这个指标。一般相关系数越高，表明两者间关系越密切。0.598算是中等程度相关，也可以说是比较高的相关。挑哪种说法，这就看你的需要了。

2. 如何用spss做相关性分析

简介
相关性是指两个变量之间的变化趋势的一致性,如果两个变量变化趋势一致,那么就可以认为这两个变量之间存在着一定的关系(但必须是有实际经济意义的两个变量才能说有一定的关系)。相关性分析也是常用的统计方法,用SPSS统计软件操作起来也很简单,具体方法步骤如下。

方法步骤
选取在理论上有一定关系的两个变量,如用X,Y表示,数据输入到SPSS中。

从总体上来看,X和Y的趋势有一定的一致性。

为了解决相似性强弱用SPSS进行分析,从分析-相关-双变量。

打开双变量相关对话框,将X和Y选中导入到变量窗口。

然后相关系数选择Pearson相关系数,也可以选择其他两个,这个只是统计方法稍有差异,一般不影响结论。

点击确定在结果输出窗口显示相关性分析结果,可以看到X和Y的相关性系数为0.766,对应的显著性为0.076,如果设置的显著性水平位0.05,则未通过显著性检验,即认为虽然两个变量总体趋势有一致性,但并不显著。

3. 如何用spss做相关性分析

偏相关
从菜单中选择：
分析
相关
偏相关
选择两个或更多要为之计算偏相关的数值变量。
E 选择一个或多个数值控制变量。
还可以使用以下选项：
? 显著性检验。您可以选择双尾概率或单尾概率。如果预先已知关联的方向，请选
择单尾。否则，请选择双尾。
? 显示实际显著性水平。缺省情况下，将显示每个相关系数的概率和自由度。如果
取消选择此项，则使用单个星号标识显著性水平为0.05 的系数，使用两个星号
标识显著性水平为0.01 的系数，而不显示自由度。此设置同时影响偏相关矩阵
和零阶相关矩阵。
偏相关：选项
“偏相关性: 选项”对话框
统计量。可以选择以下方式中的一个或两个都选：
? 均值和标准差。为每个变量显示。还显示具有非缺失值的个案数。
? 零阶相关系数。显示所有变量（包括控制变量）之间简单相关的矩阵。
缺失值。您可以选择以下选项之一：
? 按列表排除个案。将从所有计算中排除其任何变量（包括控制变量）具有缺失值
的个案。
? 按对排除个案。对于偏相关所基于的零阶相关的计算，不使用其一对变量或其中一个
变量具有缺失值的个案。按对删除可以充分使用数据。但是，个案数可能随系数的
不同而不同。如果按对删除有效，则某个特定的偏相关系数的自由度是基于在任何
零阶相关计算中使用的最小个案数。

4. 如何用spss做相关性分析

偏相关
从菜单中选择：
分析
相关
偏相关...
选择两个或更多要为之计算偏相关的数值变量。
E 选择一个或多个数值控制变量。
还可以使用以下选项：
􀂄 显著性检验。您可以选择双尾概率或单尾概率。如果预先已知关联的方向，请选
择单尾。否则，请选择双尾。
􀂄 显示实际显著性水平。缺省情况下，将显示每个相关系数的概率和自由度。如果
取消选择此项，则使用单个星号标识显著性水平为0.05 的系数，使用两个星号
标识显著性水平为0.01 的系数，而不显示自由度。此设置同时影响偏相关矩阵
和零阶相关矩阵。
偏相关：选项
“偏相关性: 选项”对话框
统计量。可以选择以下方式中的一个或两个都选：
􀂄 均值和标准差。为每个变量显示。还显示具有非缺失值的个案数。
􀂄 零阶相关系数。显示所有变量（包括控制变量）之间简单相关的矩阵。
缺失值。您可以选择以下选项之一：
􀂄 按列表排除个案。将从所有计算中排除其任何变量（包括控制变量）具有缺失值
的个案。
􀂄 按对排除个案。对于偏相关所基于的零阶相关的计算，不使用其一对变量或其中一个
变量具有缺失值的个案。按对删除可以充分使用数据。但是，个案数可能随系数的
不同而不同。如果按对删除有效，则某个特定的偏相关系数的自由度是基于在任何
零阶相关计算中使用的最小个案数。

5. 怎样用spss分析这两组数据的相关性

spss的步骤如下：
1、单击Analyze——Correlate——Bivariate...，则弹出相关分析Bivariate Correlations对话框
2、把左边的源变量（情感温暖Q和T1）调入右边的矩形框内，同时勾选Pearson选项（见下图）

3、点击OK即可，出现如下结果

方法步骤：
1：选取在理论上有一定关系的两个变量,如用X,Y表示,数据输入到SPSS中。

2：从总体上来看,X和Y的趋势有一定的一致性。

3：为了解决相似性强弱用SPSS进行分析,从分析-相关-双变量。

4：打开双变量相关对话框,将X和Y选中导入到变量窗口。

5：然后相关系数选择Pearson相关系数,也可以选择其他两个,这个只是统计方法稍有差异,一般不影响结论。

6：点击确定在结果输出窗口显示相关性分析结果,可以看到X和Y的相关性系数为0.766,对应的显著性为0.076,如果设置的显著性水平位0.05,则未通过显著性检验,即认为虽然两个变量总体趋势有一致性,但并不显著。

6. 怎样用spss分析这两组数据的相关性？

1、打开SPSS软件，输入两列数据，如下图所示；
2、用鼠标在工具栏上一次点击“分析”----”相关”----“双变量”，如下图所示；

3、进入要分析的变量，将两个变量都选定，相关系数选择Pearson，显著性检验选择双侧检验，标记显著性相关，如下图所示；

4、选择其他相关需要，如均值与标准差，缺失值的选择，然后点击继续，如下图所示；

5、在bootstrap菜单中打勾，置信区间选择百分位，抽样选择简单，然后点击确定，如下图所示；

6、等待软件分析完成后就可以得到描述性分析和相关性分析的数据了，如下图所示。

7. 怎样用spss算偏相关系数

等级相关系数（Coefficient of Rank Correlation） 

[编辑]什么是等级相关系数 
　　在实际应用中，有时获得的原始资料没有具体的数据表现，只能用等级来描述某种现象，要分析现象之间的相关关系，就只能用等级相关系数。 

　　等级相关系数亦称为“秩相关系数”，是反映等级相关程度的统计分析指标。常用的等级相关分析方法有Spearman等级相关和Kendall等级相关等。 

[编辑]等级相关系数的计算步骤 
　　1、把数量标志和品质标志的具体表现按等级次序编号。 

　　2、按顺序求出两个标志的每对等级编号的差。 

　　3、按下式计算相关系数： 

　　 

　　其中:等级相关系数记为rs，di为两变量每一对样本的等级之差，n为样本容量。 

　　等级相关系数与相关系数一样，取值-1到+1之间，rs为正表示正相关，rs为负表示负相关，rs等于零为零相关，区别是它是建立在等级的基础上计算的，较适用于反映序列变量的相关。 

来自"http://wiki.mbalib.com/wiki/%E7%AD%89%E7%BA%A7%E7%9B%B8%E5%85%B3%E7%B3%BB%E6%95%B0"

给我加分+++ 

答案补充
公式就你书上135那个 加分不摆咯`

8. 怎样利用spss进行相关性分析

飞秒检测的步骤为第一步：建立数据文件。 
定义变量：序号为Number，假设年份用y表示，零售总额用r表示，居民收入用i表示，全市总人口用p表示，输入数据，例如
某市从1978年至1992年社会商品零售总额、居民收入和全市总人口统计数字表，试分析它们之间是否存在线性关系。

 
 
 
第二步：进行数据分析。 
在数据文件管理窗口中，点击Analyze，展开下拉菜单，再点击Correlate中的Bivariate项，进入Bivariate Correlations对话框，




在对话框中，有两项选择项。 （1）Statistics：统计量选择项 
在该栏中有两个有关统计量的选择项，只有在主对话框中选择了Pearson相关分析方法时才可以选择这两个选择项，如果选择了这些项，在输出结果中就会得到样本的相应的统计量数值。它们是： 
Means and standard deviations：均值与标准差； 
Cross-product deviations and covariances：叉积离差阵和协方差阵。 
（2）missing values：缺失值的处理方法选择项，在该栏中有两个关于缺失值的处理方法选择项： 
Exclude cases pairwise：仅剔除正在参与计算的两个变量值是缺失值的观测量。这样在多元相关分析中或多对两两分析中，有可能相关系数矩阵中的相关系数是根据不同数量的观测量计算出来的，系统默认为此项； 
Exclude cases listwise：剔除在主对话框中Variables矩形阵中列出的变量带有缺失值的所有观测量。这样计算出来的相关系数矩阵，每个相关系数都是一句相同数量的观测量计算出来的。



从表中可以看出，社会零售总额与居民收入之间的相关系数为0.991，双尾检验的概率值为0，小于1%，即相关程度是显著的，叉积离差值为42403.443，协方差为3028.817,；社会零售总额与总人口的相关系数为0.850，双尾检验的概率值为0，小于1%，即相关程度也是显著的，叉积离差值为4141.919，协方差为295.851；居民收入与总人口的相关系数为0.790，双尾检验的概率值为0，小于1%，即相关程度是显著的，叉积离差值为3498.399，协方差为249.886。因此可以说，该市从1978年到1992年社会零售总额、居民收入和总人口两两之间有着明显的线性关系。