问：论文中相关性分析怎么写
- 答：判断两个或多个变量之间的统计学关联；
如果存在关联，进一步分析关联强度和方向
下表是汇总整理的常用相关性分析，方便大家找到适合自己数据的分析方法
请点击输入图片描述
定类变量：
无序的：性别(男、女)、血型(A、B、O、AB);
有序的：肥胖等级(重度肥胖，中度肥胖、轻度肥胖、不肥胖)
1 相关分析
对定量变量两两之间的相关程度进行分析，例如人的身高和体重之间；空气中的相对湿度与降雨量之间的相关关系
类型：
Pearson相关系数（适用于定量数据，且数据满足正态分布）
Spearman相关系数（数据不满足正态分布时使用）
Kendall's tau -b相关系数（有序定类变量）
案例：研究人的身高和体重之间的关系
问：如何进行相关性分析 进行相关性分析的方法
- 答：1、线性相关系数也叫Pearson相关系数， 主要衡量两个变量线性相关的程度。r=cov(X,Y)/(D(X)D(Y))相关系数是用协方差除以两个随机变量的标准差。相关系数的大小在-1和1之间变化。再也不会出现因为计量单位变化，而数值暴涨的情况了。线性相关系数必须建立在因变量与自变量是线性的关系基础上，否则线性相关系数是无意义的。
2、连续与离散变量之间的相关性，连续变量离散化将连续变量离散化，然后，使用离散与离散变量相关性分析的方法来分析相关性。使用画箱形图的方法，看离散变量取不同值，连续变量的均值与方差及取值分布情况。
3、相关分析相当于先检验一下众多的自变量和因变量之间是否存在相关性，当然通过相关分析求得相关系数没有回归分析的准确。如果相关分析时各自变量跟因变量之间没有相关性 ，就没有必要再做回归分析；如果有一定的相关性了，然后再通过回归分析进一步验证他们之间的准确关系。同时 相关分析还有一个目的，可以查看一下 自变量之间的共线性程度如何，如果自变量间的相关性非常大，可能表示存在共线性。
问：spss相关性结果如何分析
- 答：显著相关，p小于0.01
我替别人做这类的数据分析蛮多的 - 答：比方说看右上角的那一格数据，显示的是欧元汇率和存款汇率的相关系数为0.381，P=0.005，N=52，是显著相关的
论文帮手 帮忙数据HE 分析
我帮人做数据蛮多的。 - 答：可以用SPSSAU在线spss数据分析平台，使用通用方法->相关进行分析，结果格式为三线表格式，属于规范的格式不用重新整理。
分析结果上看会输出包括平均值和标准差，以及相关系数和P值。
数值右上角的星号代表P值。对于相关分析，一般规范的表格格式是：P值使用*号表示，P < 0.01使用2个*号表示；P < 0.05使用1个*号表示。 - 答：欧元汇率与家庭存款利率在0.01的水平上显著相关，pearson相关系数为0.381.
- 答：相关性是指两个变量之间的变化趋势的一致性,如果两个变量变化趋势一致,那么就可以认为这两个变量之间存在着一定的关系(但必须是有实际经济意义的两个变量才能说有一定的关系)。相关性分析也是常用的统计方法,用SPSS统计软件操作起来也很简单,具体方法步骤如下。
方法步骤
选取在理论上有一定关系的两个变量,如用X,Y表示,数据输入到SPSS中。
从总体上来看,X和Y的趋势有一定的一致性。
为了解决相似性强弱用SPSS进行分析,从分析-相关-双变量。
打开双变量相关对话框,将X和Y选中导入到变量窗口。
然后相关系数选择Pearson相关系数,也可以选择其他两个,这个只是统计方法稍有差异,一般不影响结论。
点击确定在结果输出窗口显示相关性分析结果,可以看到X和Y的相关性系数为0.766,对应的显著性为0.076,如果设置的显著性水平位0.05,则未通过显著性检验,即认为虽然两个变量总体趋势有一致性,但并不显著。
