spss如何做相关分析毕业论文

开始做数据分析：

在工具栏处，点击：

“分析”----”相关”----“双变量”，如下图所示，则开始进行变量的选择

如图，需要先确定要分析的变量，首先将两个变量放入“变量”框中。

此时，需要注意，要分析哪几个变量就只能选择那几个变量，而不能将所有的变量选入；

当然，如果分析的是多有的变量，也可以同时将所有的变量选入

然后，选择在“相关系数”框中选择“Pearson”。

因为，这里的两个变量为连续性的变量，因此采用pearson 相关分析；

若为两个分类变量，或者一个分类变量一个连续性的变量，则可以用Spearman 相关分析

选择好变量之后，如果需要对数据进行一定的描述，或者查看，可以打开右上角的按钮，即选择“选项”，如下图所示

大部分分析需要对原始数据进行统计描述，即如果需要进行描述性分析，可以选择均值和标准差，如上图所示的.mean （均值）和 sd （标准差），分别对数据的大小和离散程度作出一定的描述，并点击“确定按钮”

如果需要对数据进行模拟分析，则可以选择右上角的“bootsTrap”模拟分析，打开后如下图所示。

其中样本数为需要模拟的总共的次数，可以自己定义；后面的种子数，是开始模拟随机数字的起始种子数，同样可以自行定义。其中的置信区间为CI， 即结果的可信区间

单击确定后，再output窗口中可以看到：结果如下所示。

结果给出两个分析，一个是描述性分析，为以下的第二个图，和pearson 相关分析结果为第一个图。

一般结果，应该先描述第二个图的表格含义，

其中mean表示均值，为两个连续性变量的均数；第二个值为Std. Deviation 表示标准差，即原始数据的标准差

第一个图为pearson correlations表格为相关系数表

其中pearson correlation 为相关系数

sig 为P 值（<为有显著性意义）

N 为样本量

一般相关只是单独地分析两个变量之间的相关，它不会去控制其他变量的影响。回归的话是如果你放入多个自变量做回归，那么你看到的某一个自变量的回归系数其实代表的是控制了其他自变量（也就是减去了其他自变量对因变量的效应）后的回归，也就是说，他并不代表该变量单独对因变量的影响。差别就在于是否控制了所关注变量外的其他变量。相关分析用于研究定量数据之间的关系情况，包括是否有关系，以及关系紧密程度等。1、如果呈现出显著性（结果右上角有*号，此时说明有关系；反之则没有关系）；有了关系之后，关系的紧密程度直接看相关系数大小即可。一般以上说明关系非常紧密；之间说明关系紧密；说明关系一般。2、如果说相关系数值小于，但是依然呈现出显著性（右上角有*号，1个*号叫水平显著，2个*号叫水平显著；显著是指相关系数的出现具有统计学意义普遍存在的，而不是偶然出现），说明关系较弱，但依然是有相关关系。3、相关分析是回归分析的前提条件，首先需要保证有相关关系，接着才能进行回归影响关系研究。4、因为如果都显示没有相关关系，是不可能有影响关系的。如果有相关关系，但也不一定会出现回归影响关系。相关分析的操作步骤1. SPSSAU用户可自由拖拽分析项进入分析列表框，区别仅在于输出格式不同。2. 相关分析使用相关系数表示分析项之间的关系；首先判断是否有关系(有*号则表示有关系，否则表示无关系)；3. 接着判断关系为正相关或者负相关(相关系数大于0为正相关，反之为负相关)；4. 最后判断关系紧密程度(通常相关系数大于则表示关系紧密)；5. 相关系数常见有两类，分别是Pearson和Spearman，本系统默认使用Pearson相关系数。在相关分析之前，SPSSAU建议可使用散点图直观查看数据之间的关系情况。除此之外，SPSSAU还提供Kendall相关系数。