SPSS对数据进行相关性和显著性分析

显著性分析：

1. 将数据导入SPSS，重新命名变量名，检查数据类型是否为数字

2. 对原始数据进行重新赋值，主要是将自变量赋值为1.2.3.4.5….等

3. 菜单栏点击analyze—general linear model—Univariate，将因变量移入dependent variable，自变量移入Fixed factors

4. 点击model，选择Full factorial，点击continue

5. 点击plots，将交互作用的两个自变量添加到横轴和纵轴；

6. 点击options，在display窗口选择 homogeneity tests（方差齐性检验），默认显著性水平为0.05，点击continue

7. 在Univariate对话框，点击OK，即可查看输出表；

还可以根据生成的图来判断交互作用；

注意：在非交互作用分析时，要在“模型”的类型中选择“主效应”，而不是“交互”。主效应是分析无交互作用时影响分析的。

相关性分析：

SPSS操作步骤

1. 点击analyze—correlate—bivariate，打开bivariate correlations 对话框

2. 将变量移动到variables 对话框，勾选相关系数Pearson，选择双边检验；

3. 点击options，勾选“均值与标准差”，“叉积离差阵与协方差阵”，点击continue

4. 完成操作，即可看到相关性系数；

关于相关性和显著性的一点数学知识：

1. spss做相关分析显著性都为0，其实是小于0.001，就是非常小的数字，点击查看可以看出具体的数字，说明显著性较好。

2. 显著性表示的两个变量之间的显著性差异，数值越大，表示显著性越大，反之，表示两者之间存在较强的交互作用。

3. 数据列入SPSS之前要进行数据的排查，删除异常点，得到的数据会令你惊喜；

4. 方差分析的实质是检验多个总体均值是否具有显著性差异，通过观察各个观测数据的误差来源分析得到的，实际应用中方差可以来检验各种因素对因变量是否有显著影响。

总离差平方和反映数据的总波动或者总误差

SST=SSA+SSE;

SSA为组间平方和，反映随机误差和系统误差的大小。

SSE为组内平方和，反映随机误差的大小；

F=SSA/SSE ，比较SSA在SST中的占比大小；

对SSPS计算来说，即为显著性概率Sig.，若Sig.<α（0.01或者0.05），则显著性水平α下拒绝H0，认为A影响显著。

5. 注意点:所有数据都是观测都是服从正态分布的简单随机样本；

独立实验；

各组观察数据等方差；

6. 皮尔森Pearson相关系数：仅仅表示的是一种线性关系。