spss相关性分析_SPSS篇—相关性分析

昨天跟大家探讨了如何使用SPSS进行方差分析，知道了方差分析的原理以及最后的结果如何解读。今天跟大家来分享的是另外一种比较常见的分析—相关性分析。

相关分析是研究两个或两个以上处于同等地位的随机变量间的相关关系的统计分析方法。比如我们在研究人的身高体重之间关系的时候，我们就会用到相关性分析。说到这里，大家是不是会想到一个比较熟悉的方法—回归分析。其实两种分析是不一样的，相关性分析偏向于发现自变量之间的相关性。而回归分析偏向于自变量的变化是如何导致因变量的变化。不过在实际分析操作中，回归分析和相关分析有着密切的关系。

下面，我们就进入到今天的相关分析：

上图就是本次分析所用到的数据。两列数据分别代表植物的生长高度以及与之对应的重量，我们需要通过相关分析来研究两者之间是否具有相关性，如果具有相关性又是怎样的一种相关关系。

我们从分析选项栏中选择相关，然后选择双变量，我们就可以进入到相关性分析的界面了：

我们将两个变量选中以后，下方需要选择Pearson相关系数(一般会是默认选项，主要通过Pearson相关系数来判断相关性)，其次我们在显著性检验中选择双侧检验，下面勾选标记显著性相关。

在这次的分析中，小白还在右边的选项栏里的统计量选项中勾选了均值与标准差：

其它选项我们均按系统默认的就行，不用进行更改，点击确定以后就会出现本次相关分析的结果：

从上图中我们可以看到，第一个统计量的表格就是系统针对本次数据进行的描述性统计。下方就是相关分析的结果，从结果中我们可以看到，植物生长高度和重量之间的Pearson相关系数为0.980，一般来说，Pearson相关系数的取值是-1到1，分别对应负相关以及正相关，当Pearson相关系数的绝对值越趋近于1的时候，相关性就越强。这里给大家列举一下Pearson相关系数的结果判定：

1.当系数在0.8-1.0时，两者存在极强相关性；

2.当系数在0.6-0.8时，两者存在强相关性；

3.当系数在0.4-0.6时，两者中等程度相关；

4.当系数在0.2-0.4时，两者存在弱相关性；

5.当系数在0.0-0.2时，两者极弱相关或无相关性。

从这个我们可以判定，植物的生长高度同它们重量之间存在极强的正相关性。同时我们在表中也可以看到，显著性P值为0.000<0.05，说明两者之间存在显著性差异，下方的N为样本量大小。

到这里，我们的相关分析就完成了，其实这只是一个比较简单的例子，但是在实际工作中，基本上都是会有很多因素堆积在一起，我们无法直观的去了解哪些变量之间存在相关性，这个时候，我们就需要用相关分析来快速并且准确的找到我们所需要的变量。

每天五分钟，轻松积累数据分析知识

讨论QQ群：514581193

数据干货，各种福利，不定期发放