正值表示兩變量正相關，即一個隨另一個的增大而增大，減小而減小，變化趨勢相同；負值表示兩變量負相關，即一個隨另一個的增大而減小，變化趨勢相反。

如果研究者想得到兩個變量之間是否有相關性或是具有怎樣的相關性，就可以利用Perason做相關性的分析，那么在此軟件內該如何操作得到數據結果圖呢？接下來介紹一下得到相關性數據的具體操作方法。

方法

打開SPSS PERASON后，從上方“graphs”下選擇第一個選項。

兩個值都要看，r值表示在樣本中變量間的相關系數，表示相關性的大小；p值是檢驗值，是檢驗兩變量在樣本來自的總體中是否存在和樣本一樣的相關性。

選擇彈窗左方的“time-tv”，進入下方“gallery”。

1、打開spss主頁輸入對應的數據，在分析那里選擇非參數檢驗下的相關樣本。 2、下一步進入一個新的界面，直接按照圖示來設置檢驗對以及勾選威爾科克森。 3、等完成上述操作以后，需要點擊確定。 4、這個時候會得到相應的設置結果，即可看spss相關

接著選擇“scatter”，并在右方選擇適合的相關性表示方法。

是的，當然不能只看它的值，你要看下這個相關系數后面有沒有星號，一個星號表示005水平下顯著，兩個星號表示001水平下顯著，沒有星號表示兩者沒有顯著相關

隨后編輯xy軸上的名稱。

不是說必須相互影響，因為在做pearson相關之間，你是不知道這兩個變量之間是否存在一定的什么相關的。 但是做pearson相關對于變量分布有個要求 是必須要符合正態分布，同時變量類型必須是數值型數據類型

在右方窗口中選擇“Y-Axis”選項，在“minimum”中編輯“0”。

相關系數0.624大約屬于中等量級的相關，在樣本量足夠大的情況下一般都會有顯著性，你的情況應該是樣本量偏小造成的。此外，pearson相關系數的正確性需要得到散點圖的證實，你應該檢查一下散點圖，看看數據是否具有線性趨勢，特別是有沒有離群值

敲擊回車鍵即可保存并執行操作。

皮爾森相關系數（Pearson correlation coefficient）也稱皮爾森積矩相關系數(Pearson product-moment correlation coefficient)，統計檢驗：可以用t 統計量對總體相關系數為0的原假設進行檢驗。若t 檢驗顯著，則拒絕原假設，即兩個變量是線性相

結果圖如下所示。

在這個圖表中，你說的R值就是皮爾遜相關系數~（pearson correlation） r>0 代表兩變量正相關，r

擴展閱讀，以下內容您可能還感興趣。

SPSS進行皮爾森相關系數分析 相關系數和顯著性有什么關系

皮爾森相關系數（Pearson correlation coefficient）也稱皮爾森積矩相關系數(Pearson product-moment correlation coefficient)，統計檢驗：可以用t 統計量對總體相關系數為0的原假設進行檢驗。zd若t 檢驗顯著，則拒絕原假設，即兩個變量是線性相關的；若t 檢驗不顯著，則不能拒絕原假設，即兩個變量不是線性相關的，本質上是一元回歸中的回回歸參數顯著性檢驗

【如何使答用SPSS進行皮爾森相關系數分析】

1.單擊“Analyze”,展開下拉菜單

2.下拉菜單中尋找“Correlate”彈出小菜單，從小菜單上尋找“Bivariate...”，單擊之，則彈出相關分析“Bivariate Correlations”對話框

3.把左邊的源變量中要分析相關的變量調入右邊的“Variables：”下的矩形框內

4.勾選“Correlation Coelficients”中的“Pearson”選項

5.點擊“OK”即可.本回答被提問者和網友采納

spss相關性分析結果看不懂，幫忙解釋下~謝了

在這個圖表中，你說的R值就是皮爾遜相關系數~（pearson correlation）

r>0 代表兩變量正相關，r<0代表兩變量負相關。

|r|大于等于0.8時，可以copy認為兩變量間高度百相關；

|r|大于等于0.5小于0.8時，可以認為兩變量中度相關；

|r|大于等于0.3小于0.5時，可以認為兩變量低度相關。

小于0.3說明相關程度弱，基本不相關。

上面說了啊~表格里的pearson correlation，就是R值

表格里*加重的幾度個r值，是呈現顯著相關的。

簡單來說，

正相關是一個變量變大，另一個變量也變大

負相關就是一個變量變大，另一個變量變小

如何使用SPSS進行皮爾森相關系數分析？？Pearson’s correlation coefficients

如果用SPSSAU進行在線spss數據分析，選擇通用方百法->相關進行，結果格式為三線度表格式，屬于規范的格式不用重新整理。

分析結果上看會輸出包括平均值和問標準差，以及相關系數和P值。

前兩列即為各變量答的平均值和標準差，第三列開始為兩兩變量之間的相關系數。專

數值右上角的星號代表P值。對于相關分析，一般規范的表格格式是：P值使用*號表屬示，P < 0.01使用2個*號表示；P < 0.05使用1個*號表示。

spss Pearson相關系數 和判定系數R^2什么關系

相關系數的平方 就是 回歸分析中的擬合優度R方

pearson相關系數和spearman相關系數的區別

區別：

1.連續數據，正態分布，線性關系，用pearson相關系數是最恰當，當然用spearman相關系數也可以，效率沒有pearson相關系數高。

2.上述任一條件不滿足，就用spearman相關系數，不能用pearson相關系數。

3.兩個定序測量數據之間也用spearman相關系數，不能用pearson相關系數。

拓展知636f7079e799bee5baa631333365656661識：

pearson相關通常是用來計算等距及等比數據或者說連續數據之間的相關的，這類數據的取值不限于整數，如前后兩次考試成績的相關就適合用pearson相關。

spearman相關專門用于計算等級數據之間的關系，這類數據的特點是數據有先后等級之分但連續兩個等級之間的具體分數差異卻未必都是相等的，比如第一名和第二名的分數差就未必等于第二名和第三名的分數差。兩次考試的排名數據適用于spearman相關。

spearman相關只能計算等級數據，但pearson相關卻既可以用來算等級相關，也可以算連續數據的相關，只不過一般默認用pearson相關計算連續數據的相關。

在 統計學中, 以查爾斯·斯皮爾曼命名的斯皮爾曼等級相關系數，即spearman相關系數。經常用希臘字母ρ表示。 它是衡量兩個變量的依賴性的 非參數 指標。 它利用單調方程評價兩個統計變量的相關性。 如果數據中沒有重復值， 并且當兩個變量完全單調相關時，斯皮爾曼相關系數則為+1或−1。

Pearson相關系數（Pearson CorrelationCoefficient）是用來衡量兩個數據集合是否在一條線上面，它用來衡量定距變量間的線性關系。

如衡量國民收入和居民儲蓄存款、身高和體重、高中成績和高考成績等變量間的線性相關關系。當兩個變量都是正態連續變量，而且兩者之間呈線性關系時，表現這兩個變量之間相關程度用積差相關系數，主要有Pearson簡單相關系數。

參考資料：

spearman相關系數_百度百科

Pearson相關系數_百度百科

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com