如何看相关性分析

问题一：请问spss相关分析结果怎么看？ 20分 spss 的相关表格每个单元格有三行数据，一个是pearson相关系数值，它代表了相关系数的大小，一个是样本容量，代表你这组数据有多少被试，最后一个是显著性检验结果，即sig（双侧），它可以用来说明你所得到的相关分析结果有没有统计学意义，通常sig 问题二：请教SPSS相关分析结果怎么看？ 连续型变量用Pearson相关，，分类变量Spearman相关
结果解释：第一个表看对应的相关系数-0098，P值0002，小于005，有统计学意义。说明存在弱的负相关。第二个图就是两个变量的均值与标准差。

问题三：spss相关性分析结果怎么看 两者无统计学相关性，看显著性，是否大于005

问题四：SPSS相关性分析表格中，相关性，r，p从哪里看呀 相关性可以从persinal correlation看出，sig
就是p值，r是反应相关性是否具有意义的标准

问题五：怎么看相关系数显著性检验表？ 这里主要关注两个信息就够了，一个是n，那就是你的样本容量，比如n=100的话就是有100个被试，也即100组配对的数据。根据你的样本量找到检验表里对应的行。另一个就是根据你定的显著性水平来看显著性，一般005水平就够了，比如n=100显著性水平alpha=005时，相关系数显著性的临界值为0195，也就是说这个条件下，只要相关系数r的绝对值在0195以上，就可以认为此相关系数在005水平上显著。
另外，一般报告的原则是，报告统计量所达到的最高显著性水平，也就是如果你的数据达到001水平的显著，就不要说它在005水平显著了

问题六：Excel如何进行相关性检验？ 主要要做以下几个事情：
1、安装OFFICE时，要选择完全安装，这样Excel的分析库才会装进去
2、在Excel中，选择菜单“工具－加载宏”把“分析工具库”加载进去
3、选择菜单“工具－数据分析”，然后选择相应的分析功能执行。比如“相关系统”可以以一个相关矩阵的方式，显示两两之间的相关系统，“方差分析”中可以显示相关的X方检验参数。

问题七：SPSS相关性检验怎么做啊 你这个分为两种情况：
如果你要分析学习成绩和学习动机之间的关系，则无需分高分和低分组，只需对二者进行相关分析和回归分析即可；一个R值对应一个P值，相关性检验，看P值就行，P 问题八：用SPSS相关性分析后的结果怎么看？ 9个样本数据计算出的平均每日转发数与相关微博搜索量的pearson相关系数值0905，它的实际显著性水平为0001，小于理论显著性水平001，说明相关系数的值不是由偶然因素造成的，0905接近于1，说明平均每日转发数与相关微博搜索量之间存在高度的线性正相关。

问题九：两组数据相关性的大小怎么判断

显著性0229，高于005，所以这样分析相关性不成立，而且样本量太低了，最少30个样本。

根据表现形式，可分为:模拟数据，由连续函数组成，是指在一定间隔内连续变化的物理量，也可分为图形数据(如点、线、面)、符号数据、文本数据、图像数据等，如声音大小和温度变化等。

扩展资料：

技术标准：

当做出结论时，应该真正描述方向性(例如，明显大于或明显小于)，sig值通常表示为P>005 ，表明没有显著差异，001<P<005 表示显著差异，P<001表示显著差异。

如果在测试一个实验中测量的数据，那么当数据之间存在显著差异时，实验的零假设可以被推翻，并且替代假设测试得到支持，相反，如果数据之间没有显著差异，实验的另一个假设可以被推翻，虚无主义的假设得到支持。

原理：

当数据之间具有了显著性差异，就说明参与比对的数据不是来自于同一总体（Population），而是来自于具有差异的两个不同总体，这种差异可能因参与比对的数据是来自不同实验对象的，比如一些一般能力测验中，大学学历被试组的成绩与小学学历被试组会有显著性差异。

案例：

例如，记忆术研究发现，被试学习某记忆法前的成绩和学习记忆法后的记忆成绩会有显著性差异，这一差异很可能来自于学××记忆法对被试记忆能力的改变。

显著性差异是一种有量度的或然性评价，比如，我们说A、B两数据在005水平上具备显著性差异，这是说两组数据具备显著性差异的可能性为95%。

两个数据所代表的样本还有5%的可能性是没有差异的。这5%的差异是由于随机误差造成的。

参考资料来源：

百度百科-显著性差异

这个相关分析矩阵图 沿着斜对角是对称的，所以只需要看左下角或者 只需要看右上角的值就好了
然后先看 行和列两个变量交叉的显著性值，因为你就只有两个变量，所以就一个交叉的显著性值 为0138，该值 大于005，也就说明 两者没有显著的相关性。此时也不用再看相关性大小的值，因为没有显著相关，所以其pearson相关性的大小也就没有了意义。
所以你这个的结果就是两个变量没有显著相关性

原因：在对实际现象进行分析时，往往是利用样本数据计算相关系数作为总体相关系数的估计值，但由于样本相关系数具有一定的随机性，它能否说明总体的相关程度往往同样本容量有一定关系。当样本容量很小时，计算出的不一定能反映总体的真实相关关系，而且，当总体不相关时，利用样本数据计算出的也不一定等于零，有时还可能较大，这就会产生虚假相关现象。为判断样本相关系数对总体相关程度的代表性，需要对相关系数进行显著性检验。若在统计上是显著的，说明它可以作为总体相关程度的代表值，否则不能作为总体相关程度的代表值。
显著性检验（significance
test）就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（备则假设）是否合理，即判断总体的真实情况与原假设是否有显著性差异。或者说，显著性检验要判断样本与我们对总体所做的假设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。
显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受或否定假设。

这里主要关注两个信息就够了，一个是n，那就是你的样本容量，比如n=100的话就是有100个被试，也即100组配对的数据。根据你的样本量找到检验表里对应的行。另一个就是根据你定的显著性水平来看显著性，一般005水平就够了，比如n=100显著性水平alpha=005时，相关系数显著性的临界值为0195，也就是说这个条件下，只要相关系数r的绝对值在0195以上，就可以认为此相关系数在005水平上显著。
另外，一般报告的原则是，报告统计量所达到的最高显著性水平，也就是如果你的数据达到001水平的显著，就不要说它在005水平显著了

---