作业帮spss中Pearson相关的原理
来源：学生作业帮助网 编辑：作业帮 时间：2024/07/05 18:35:43
这个首先要看你的变量数据是否都属于连续性数据,如果都是连续性数据,然后绘制一下变量的散点图,看看是否是显著的不符合正态分布,如果完全不符合的话那就只能用其他的来分析,如果只是略微偏态还是可以用pear
一般带一个星号的是水平0.05,两个星号的是0.01,没有星号的不显著
不相关.一般来说相关性大小要看显著性达到什么程度.显著性越小说明相关程度越高.显著性小于0.05则为显著先关,小于0.01则为极显著相关.大于0.05则说明不相关,或者相关性不强,也可以简单理解为不相
表1和表2用两种方法给出皮尔森相关系数r和P值（Sig）表1：r=1,P=0.945>0.05没有相关性表1：r=1,P=0.200>0.05没有相关性表3用了ANOVA（方差分析）分析显著性P=0.
看你的分析是否有必要控制无关变量后进行相关,如果没有必要,就采用直接相关来解释就可以了不过如果严谨的来说,应该是采用偏相关的结果,这个毕竟是两者的净相关再问：数据的pearson相关不显著而spear
嗯,在菜单栏点击转换（transform）——计算（compute）里面就可以了
和正态分布没有关系,你的两个变量应该是连续变量,用pearson相关比较合适.spearman相关系数是对顺序变量做的.
这个你用探索性因素分析,得出了8个因子是吧,然后你要求分因子和维度的相关,这个要有相关系数矩阵,就是在因素分析里面,最常用的是协方差矩阵和相关系数矩阵哪里有的.你对8个因子提出一个均值是什么意思?你把
pearson系数为负且绝对值接近1,说明两个变量负相关,Sig.(2-tailed)是显著性检验,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
请对数据合并后,再重新做卡方检验.此资料不满足“卡方检验”的应用条件,需合并分类,使小于5的理论频数(即expectedcount,期望数)小于20%(就是让37%下降到20%以下),最小理论频数(m
看你的目的了你如果只是要看这些自变量之间的相关性,那就这样就可以了.如果你要将自变量进行主成分分析,那相关性高就适合做因子分析如果你要将自变量与因变量构建模型,那自变量的相关性高,说明共线性严重,需要
不能用皮尔森相关检验,结果只能说明两变量的相关性,不能推及到有没有相互影响的结论.统计理论与语言都是要求很严谨和精确的,有没有影响可以做回归分析,如果结果是有影响,也只能说是自变量X对因变量Y有影响,
简单点说先看Sig.值,如果这个值
0.737是二者的相关系数,0.544是相关系数的平方.在本例中的意思是说对于死于肺癌的结果,香烟的贡献率为0.544.
思维度计算方法：Data->Compute->填写TargetVariable(指的是目标值,这里是通过计算得到四个维度的值,然后存在一个变量里,这个变量的变量名就是TargetVariable,一般
判别分析目的是为了寻找模型预测,不是判断正确与否的,只要正确率再问：谢谢····那就是说我做的模型的正确率在80%，是可以继续进行分析的吧。十分感谢再答：一般要达到90%以上比较好，看特异度灵敏度的
不是是卡方检验在分析——列连分析先设置三个变量,再对人数变量加权,加权之后才能进行卡方检验,不知道你明白了没有
两个值都要看,r值表示在样本中变量间的相关系数,表示相关性的大小；p值是检验值,是检验两变量在样本来自的总体中是否存在和样本一样的相关性.
显著的负相关性再问：为什么显著相关，请分析一下。。不是相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱么。再答：