怎麼用spss做相關性分析

1、在spss的主介面上輸入數據以後，透過分析那裏點擊非參數檢驗中的相關樣本。 2、這個時候來到一個新的視窗，設定檢驗對並選擇威爾科克森。 3、下一步如果沒問題，就直接進行確定。 4、這樣一來會生成詳細的數據結果，即可用spss做相關性分析了。

相關性分析是指對兩個或多個具備相關性的變量元素進行分析，從而衡量兩個變量因素的相關密切程度。SPSS軟件是進行相關性分析的常用軟件。下面介紹怎麼用spss來做相關性分析。

方法

開啟spss，依次點擊【檔案】-【開啟】-【數據】，進行數據匯入。

cross correlation,交叉相關分析，或者叫互相關分析，也有叫錯位相關分析。一般爲時間序列，兩列數據有時差，根據時差進行錯位移動，可找出兩列數據的最大相關係數。 步驟，我的是漢化版的spss，分析(analysis)——預測（T）——互相關圖（R），出現

選擇數據匯入。這裏匯入的是Excel數據。

0.271屬於低相關，這是分析相關係數的大校 相關係數： 1、0.8-1.0：極強相關。 2、0.6-0.8：強相關。 3、0.4-0.6：中等程度相關。 4、0.2-0.4：弱相關。 5、0.0-0.2：極弱相關或無相關。 相關關係是一種非確定性的關係，相關係數是研究變量之間

匯入數據後，依次點擊【分析】-【相關】-【雙變量】。

一般是計算平均值，把多個指標合併成一個變量後，再用兩個變量進行分析。 比如想要將“我在工作中能獲得成就感”、“我可以在工作中發揮個人的才能”這兩題合併成一個變量（影響因素），可以透過SPSSAU的【生成變量】功能計算均值，生成新的變量用於

出現雙變量對話框，在左側的候選對話框選擇兩個變量添加到右邊列表框中。

一般直接看相關係數和顯著性雙側。你這個一列一列的看要方便些，比如第一列，表示爲x1和其他各變量之間的相關性，x1和x2的相關係數爲-.022，顯著性雙側爲0.972，說明這兩個變量間無相關性，依次類推。只要是顯著性

接着選擇係數類型。一般可以選擇Pearson相關係數,也可以選擇其他兩個。Pearson是系統默認項，即積差相關係數。kendall和spearman都是等級相關係數。然後勾選標記顯著性相關。

兩個需要放在一個表格中 另外在求兩個量表的相關性是 需要分別求出每個量表包含的維度得分，然後將兩個量表的維度進行相關分析 而不是將單個題目之間進行相關分析

最後點擊確定按鈕就可以了。SPSS軟件會在結果輸出視窗顯示相關性分析結果。

1、開啟SPSS軟件，在提示符後輸入因變量y和自變量x的數據。 2、接下來使用R中作線性模型的函數lm()函數，lm(y~x+1)表示做有截距的線性迴歸模型，接下來lm(y~x)也是表示有截距的線性迴歸模型，lm(y~x+0)和lm(y~x-1)則表示過原點的線性迴歸模型，

擴展閱讀，以下內容您可能還感興趣。

用spss做兩個變量相關性分析時，存在強自相關怎麼辦

用spss做兩個變量相關性分析時，存在強自相關時解決辦法：

只留下一個變量；

再找一個別的變量代替zd。

注：兩個強自相關的變量是不能用作單獨的變量回歸分析的。

spss簡介：SPSS（Statistical Product and Service Solutions），“統計產品與服回務解決方案”軟件。最初軟件全稱爲“社會科學統計軟件包”（SolutionsStatistical Package for the Social Sciences），但是隨着SPSS產品服務領域的擴大和服務深度的增加，SPSS公司已於2000年正式將英文全稱更改爲“統計產品與服務解決方案”，標誌着SPSS的戰略方向正在做出重大調整。爲IBM公司推出的答一系列用於統計學分析運算、數據挖掘、預測分析和決策支援任務的軟件產品及相關服務的總稱SPSS，有Windows和Mac OS X等版本。

spss中相關性分析的原理是什麼

_問題描述：在SPSS中做主成成分分析的時候有一步是指標之間的相關性判定，我想知道具體是怎麼進行判定的，他的算法、原理是什麼？答案1：： 說判定有些嚴格，其實就是觀察一下各個指標的相關程度。一般來說相關性越是高，做主成分分析就越是成功。主成分分析是透過降低空間維度來體現所有變量的特徵使得樣本點分散程度極大，說得直觀一點就是尋找多個變量的一個加權平均來反映所有變量的一個整體性特徵。評價相關性的方法就是相關係7a64e4b893e5b19e31333332636331數，由於是多變量的判定，則引出相關係數矩陣。評價主成分分析的關鍵不在於相關係數的情況，而在於貢獻率，也就是根據主成分分析的原理，計算相關係數矩陣的特徵值和特徵向量。相關係數越是高，計算出來的特徵值差距就越大，貢獻率等於前n個大的特徵值除以全部特徵值之和，貢獻率越是大說明主成分分析的效果越好。反之，變量之間相關性越差。舉個例子來說，在二維平面內，我們的目的就是把它映射（加權）到一條直線上並使得他們分散的最開（方差最大）達到降低維度的目的，如果所有樣本點都在一條直線上（也就是相關係數等於1或者- 1），這樣的效果是最好的。再假設樣本點呈現兩條垂直的形狀（相關係數等於零），你要找到一條直線來做映射就很難了。一般來說前三個主成分的貢獻率在90%以上，第一個主成分的貢獻率在 70%效果就已經很好了。答案2：： 你直接看書吧 那原理我要寫一天 才能發給你。。。

請問spss相關分析結果怎麼看？

1、開啟spss主頁輸入對zhidao應的數據，在分析那裏選擇非參數檢驗下的相關樣本。

2、下一步進入一個新的介面，直接按照圖示來設定檢驗對以及勾選威爾科克森。專

3、等完成上述屬操作以後，需要點擊確定。

4、這個時候會得到相應的設定結果，即可看spss相關分析結果了。

怎麼用SPSS分析相關性啊？

在

Analyze 下拉選單的Correlate 命令復項具有三個相關分析功能子命令它們分別是

Bivariate Partial 和Distance 對應於相關分析偏相關分析和距離分析

1 Bivariate 計算指定的兩個變量間的相關係數可以選擇Pearson 相關(積差相關)

Spearman 等級相關和Kendall 相關(這三種不同的相關計算相關係數的公式不同有興趣的

讀者可查閱統計學方面的書籍) 同時對相關係數進行假設檢驗可選擇進行單尾或雙尾檢

驗給出相關係數爲0 的概率當資料不*從雙變量知正態分佈或總體分佈型未知或原始

數據是用等級表示時宜用Spearman 或Kendall 相關

2 Partial 計算兩個變量間再控制了其他變量影響下的相關係數即道偏相關係數可以

進行單尾或雙尾檢驗檢驗的假設是偏相關係數爲0 然後給出偏相關係數爲0 的概率

還可以計算其他描述統計量

3 Distance 對變量或觀測值進行相似性或不相似性測度因此分析的變量可以是連

續變量表頻數分佈的變量某些測度還可以適用於二值變量可以對原始數據和計算出

的距離數據進行標準化追問多謝了，不過，請問統計出來的數據怎麼看啊？追答相關數據Correlations（以Pearson 相關係數爲例）：

Pearson Correlation項顯示的是變量間的相關程度，變量自身的相關度自然是1了，變量之間的相關係數你憑感覺，數字越大，越接近1，相關度越高，同時顯著相關的數據會在右上角打上星號（注意這點很容易判斷是否相關了，這點是萬能解答，牢記）。

Sig.(2-tailed)一項根據顯著性概率檢驗兩個變量是否爲0的假設，若該數據0.05，則應接受總體中這兩個變量的相關係數爲零的假設。

用spss做相關分析的結果 Pearson相關性很小，顯著性（雙側）很大。那他們相關嗎？判斷標準具體是什麼？

不相關。一般來說相關性大小要看顯著性達到什麼程度。顯著性越小說明zd相關程度越高。顯著性小於0.05則爲顯著先關，版小於0.01則爲極顯著相關。大於0.05則說明不相關，或者相關性不強，也可以簡單理解爲不權相關。

希望對你有幫助！