用spss怎么做相关分析？

1. 用spss怎么做相关分析？

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。

2. 哪位大神帮忙做spss分析

信度分析的操作步骤（这里是计算内部一致性系数的步骤）应该是：Analyse——Scale——Reliability Analyse,然后在Statistics里选中Scale if item delete和Correlation这两项，点OK，不知道你是不是这样的步骤
一般信度分析是针对态度、性格、爱好、兴趣类的主观问题或现象的调查，而这类的调查问卷一般都是采用量表的形式，因此就是你看到的现象。
而对于一般我们调查的客观类的问卷数据，不需要做信度分析。信度分析主要是考察数据的可靠性的，比如内部一致性系数、拆半系数、相关系数等等，而这些系数都是针对量表那种具有一系列相关问题进行的分析，因此，如果你需要做信度分析，看看你的问卷是否适合或有必要做信度分析。通常可以对整个问卷做信度分析，也可以对问卷中一类问题进行信度分析。
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。

3. spss数据分析？

「秒懂百科」一分钟读懂基于SPSS的数据分析

4. spss常用几种分析

一、 主成分分析
1.导入数据后，先将数据标准化，消除单位的影响。
图1-1
标准化后的数据见图1-2
图1-2 标准化数据
   2、做主成分分析
操作步骤见图2-1、图2-2
图2-1因子分析图2-2
   3、提取结果，根据特征值大于1提取出了三个主成分。
图3-1特征值图3-2成分矩阵
根据成分矩阵可以写出主成分的表达式

请点击输入图片描述

请点击输入图片描述

请点击输入图片描述
4、根据主成分排序
图4-1 排名前10图4-2排名后10
结论：这三个主成分因该是反应城市的交通运输旅游住宿的水平，所以西部城市排名较后、东部城市靠前。
二、判别分析
目的：为了研究某地区育龄妇女的生育情况，根据生育峰值年龄、一胎生育率、二胎生育率、三胎生育率4项指标，收集到12个样品的分类情况，另收集到3个待判样品情况。 用贝叶斯判别法与费歇尔判别法建立判别规则，并对待判样品进行判断。
1、 组均值检验及协方差检验
（一）组均值同等检验
图1.1 组平均值的同等检验
由图1.1可知峰值年龄和二胎生育率平均值不显著，一胎生育率和三胎生育率平均值显著不同。
（二）协方差矩阵的博克斯等同性检验
图1.2 博克斯等同检验
显著性〈0.05显著性水平，说明组间协方差阵显著不相等。
2、进行判别
（一） 费歇判别
图 2.1 费歇标准化判别函数系数
由图2.1可以写出费歇判别函数y1=0.918*峰值年龄+1.524*一胎生育率+0.232*二胎生育率
（二）贝叶斯判别
图 2.2 贝叶斯判别式函数
由图2.2可知贝叶斯判别式函数可写成

请点击输入图片描述

请点击输入图片描述
从图2.3可以看出判别的结果，得知误判率等信息。
图 2.3贝叶斯判别结果


以上。

5. spss数据怎么分析

首先，要了解数据分析的一般流程是什么？
可以将一个完整的数据分析项目分为以下五个流程：
数据获取
外部数据主要有三种获取方式，一种是获取国内一些网站上公开的数据资料，例如国家统计局；一种是通过爬虫等工具获取网站上的数据。还有一种是通过企业内部的数据库，SPSS有丰富的数据库接口，可以便捷地从数据库中读取数据。

数据存储
对于数据量不大的项目，可以使用excel来处理数据，但对于数据量过万的项目，使用数据库来存储与管理会更高效便捷。SPSS也有自己的用作数据储存的数据格式，sav文件。用户可以将经过SPSS处理的数据保存为sav格式，同时也可以非常方便地将sav文件转换为其他数据格式文件。

数据预处理
数据预处理也称数据清洗。大多数情况下，我们拿到手的数据是格式不一致，存在异常值、缺失值等问题的，而不同项目数据预处理步骤的方法也不一样。数据分析有80%的工作都在处理数据，可见数据预处理在数据分析的重要性。

建模与分析
这一阶段首先要清楚数据的结构，结合项目需求来选取模型。

可视化分析
数据分析最后一步是撰写数据分析报告，一般包括数据可视化分析。

其次，掌握了数据分析的一般流程后，便要以SPSS为工具，根据以下流程对一个完整项目进行以下细分并掌握：

6. spss数据分析

录入完数据后，你可以先进行基础的数据统计--描述性统计。然后根据你的数据结果再看是否需要相关回归或者其他分析。spss里面的描述统计主要在analyze——descriptive里面，其中有描述统计、频数统计、交叉分析。 
描述性统计分析是统计分析的第一步，先选择analyze，你就能看到descriptive，然后鼠标再选Descriptive 菜单中，最常用的是列在最前面的四个过程：Frequencies过程的特色是产生频数表；Descriptives过程则进行一般性的统计描述；Explore过程用于对数据概况不清时的探索性分析；Crosstabs过程则完成计数资料和等级资料的统计描述和一般的统计检验。
先选择analyze，---再选descriptive
打开任意的分析窗口后，你把想分析的数据选入，可以一起按鼠标左键选中按中间按钮加入，然后选择单击后弹出Statistics对话框，用于定义需要计算的其他描述统计量。你可以分析均数(Mean)、中位数(Median)、众数(Mode)、总和(Sum)等等。 然后还可以点Charts对话框，选择直方图、饼图等来绘图。都确定好后，选择单击Continue钮 ，然后选择OK。就可以了。直接就会有输出结果。
你可以先看看描述性统计的结果，有没有什么缺失值或者不符合实际的数据出现。要是有，你需要纠正数据，再用描述统计进行分析。
我觉得说的挺详细的了。呵呵~~~~

7. spss数据分析

录入完数据后，你可以先进行基础的数据统计--描述性统计。然后根据你的数据结果再看是否需要相关回归或者其他分析。spss里面的描述统计主要在analyze——descriptive里面，其中有描述统计、频数统计、交叉分析。 
描述性统计分析是统计分析的第一步，先选择analyze，你就能看到descriptive，然后鼠标再选Descriptive 菜单中，最常用的是列在最前面的四个过程：Frequencies过程的特色是产生频数表；Descriptives过程则进行一般性的统计描述；Explore过程用于对数据概况不清时的探索性分析；Crosstabs过程则完成计数资料和等级资料的统计描述和一般的统计检验。
先选择analyze，---再选descriptive
打开任意的分析窗口后，你把想分析的数据选入，可以一起按鼠标左键选中按中间按钮加入，然后选择单击后弹出Statistics对话框，用于定义需要计算的其他描述统计量。你可以分析均数(Mean)、中位数(Median)、众数(Mode)、总和(Sum)等等。 然后还可以点Charts对话框，选择直方图、饼图等来绘图。都确定好后，选择单击Continue钮 ，然后选择OK。就可以了。直接就会有输出结果。
你可以先看看描述性统计的结果，有没有什么缺失值或者不符合实际的数据出现。要是有，你需要纠正数据，再用描述统计进行分析。
我觉得说的挺详细的了。呵呵~~~~
这样可以么？

8. SPSS分析

spss
第一行的 R方 是表示的下面不同拟合曲线模型的拟合效果，理论上的值为1表示拟合效果最好，越接近1的拟合效果越好
 
F，df1，df2，sig 是对每个曲线模型的整体方差检验效果，你只要看F值对应的sig值就可以，sig的值＜0.05，就说明 拟合的曲线模型效果显著。
 
后面参数估计值下面对应的常数、b1、b2、b3是对应不同曲线方程中的具体系数值。 比如拟合的线性模型，则方程就是y=0.119X-284.012， 拟合的二次曲线方程 就是y=-0.148X²+（2.460E-0.005）*X+252.698.