1、怎样对大数据做相关性检验怎样对数据做相关性检验？最简单直观的方法就是做相关系数矩阵了，另外就是 Pearson 相关系数或者 Spearman 相关系数用SPSS软件或者SAS软件都可以分析。用SPSS更简单。如果你用SPSS软件，分析的步骤如下：1.点击 “分析（Analyze）” 2. 选中 “相关 （Correlate）”3. 选中 “双变量（Bivariate）”4 选择你想要分析的变量5 选择 Pearson 相关系数 （或者 Spearman 相关系数）6 选择恰当的统计检验（单边或双边）7 点击“OK”即可SPSS中pearson（皮尔逊相关系数）确定相关性，数据分析如下图，请问
2、1与2的相关性是什么。急。图片 01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。回答Correlate子菜单-Bivariate过程观察Correlation Coefficients值和Test of Significance值即可，惟必须注意，变量须为等距尺度 (interval level of measurement)。若变项只属顺序尺度 (ordinary level of measurement)，则可选择计算Kendalls等级相关系数和Spearman相关系数。spss相关性分析 相关性相关性 X1 X2 X3 X4
3、X5 X6 X7 X8X1 Pearson 相关性 1 -.022 -.447 .999* .999* .982* .994* .975* 显著性（双侧） .972 .451 .000 .000 .003 .001 .005 N 5 5 5 5 5 5 5 5X2 Pearson 相关性 -.022 1 .261 -.059 -.025 -.179 -.117 -.206 显著性（双侧） .972 .671 .925 .969 .773 .852 .740 N 5 5 5 5 5 5 5 5X3 Pearson 相关性 -.447 .261 1 -.481 -.415 -.405 -.448
4、-.469 显著性（双侧） .451 .671 .413 .488 .499 .450 .426 N 5 5 5 5 5 5 5 5X4 Pearson 相关性 .999* -.059 -.481 1 .997* .982* .994* .977* 显著性（双侧） .000 .925 .413 .000 .003 .001 .004 N 5 5 5 5 5 5 5 5X5 Pearson 相关性 .999* -.025 -.415 .997* 1 .985* .994* .975* 显著性（双侧） .000 .969 .488 .000 .002 .001 .005 N 5 5 5 5 5 5
5、 5 5X6 Pearson 相关性 .982* -.179 -.405 .982* .985* 1 .996* .995* 显著性（双侧） .003 .773 .499 .003 .002 .000 .000 N 5 5 5 5 5 5 5 5X7 Pearson 相关性 .994* -.117 -.448 .994* .994* .996* 1 .994* 显著性（双侧） .001 .852 .450 .001 .001 .000 .001 N 5 5 5 5 5 5 5 5X8 Pearson 相关性 .975* -.206 -.469 .977* .975* .995* .994* 1
6、 显著性（双侧） .005 .740 .426 .004 .005 .000 .001 N 5 5 5 5 5 5 5 5*. 在 .01 水平（双侧）上显著相关。一般直接看相关系数和显著性双侧。你这个一列一列的看要方便些，比如第一列，表示为x1和其他各变量之间的相关性，x1和x2的相关系数为-.022，显著性双侧为0.972，说明这两个变量间无相关性，依次类推。只要是显著性0.05即可说明两变量具有相关性，而相关性的大小取决于相关系数，相关系数越接近1，相关性越好。看了一下你的x1和x4-x8的相关系数都在0.9以上了。是非常好的。利用SPSS，相关系数矩阵怎么算analyze-correl
7、ate-bivariate-选择变量 OK 输出的是相关系数矩阵 相关系数下面的Sig.是显著性检验结果的P值，越接近0越显著。另外，表格下会显示显著性检验的判断结果，你看看表格下的解释就知道，比如“*. Correlation is significant at the 0.01 level (2-tailed).” 就是说，如果相关系数后有*符号，代表在0.01显著性水平下显著相关 粗略判断的方法是，相关系数0.6以上，可以认为显著相关了person系数是什么意思皮尔森系数皮尔森相关系数皮尔森相关系数（Pearsoncorrelationcoefficient）也称皮尔森积矩相关系数(Pe
8、arsonproduct-momentcorrelationcoefficient)，是一种线性相关系数。皮尔森相关系数是用来反映两个变量线性相关程度的统计量。相关系数用r表示，其中n为样本量，分别为两个变量的观测值和均值。r描述的是两个变量间线性相关强弱的程度。r的绝对值越大表明相关性越强。person是人的意思SPSS中pearson（皮尔逊相关系数）看r值还是P值，确定相关性两个值都要看，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。相关系数为 0.61，能否证明两个变量相关性较高？实验结果表明两个变量的相关系
9、数是 0.61，能否表明这2个变量有较高的相关性？目前研究这2个变量表示的内容的关系的人还比较少，所以我没法和别人的对比。所以想问问数学系的同学，这个结果够不够“充分”？谢谢！可根据相关系数的临界值去判断。追问能否说的具体一些？谢谢！回答1. 可根据相关系数r的临界值去判断。可查资料，资料很多。2. “当0|r|1时，表示两变量存在一定程度的线性相关。且|r|越接近1，两变量间线性关系越密切；|r|越接近于0，表示两变量的线性相关越弱。一般可按三级划分：|r|0.4为低度线性相关；0.4|r|0.7为显著性相关；0.7|r|1为高度线性相关。”这是一种简单的判断方法：因此r=0.61为显著相关
10、。追问（1）我这个不是“线性相关系数”（2）“显著相关”是什么概念？若2个变量“显著相关”，能不能作为一个较好的结果？其他2条回答2013-04-04 16:16热心网友皮尔森相关 （简单相关）检验的应该就是线性相关 楼上说的是对的 相关性大小 是指相关系数的绝对值是否显著、极显著 是指显著性水平，即看P值的大小相关系数多大才算相关性比较好啊大于0.8为什么会出现相关系数小但是相关性显著的情况呢当显著性水平小于0.05时说明两个变量之间存在显著相关，反之则不存在。相关系数是表示两个变量之间的相关性强弱的。假设检验只是判断相关系数是否为0，r0.4为低度相关。相关系数为0.59表示相关性大还是不
11、大？你可以把它理解为两个量以某种方式相关的概率，则0.59表示它们有59的可能性相关。若为1，则表示100%相关。所以此处相关系数为0.59，我们认为其相关性不大。SPSS中pearson（皮尔逊相关系数）看r值还是P值，确定相关性两个值都要看，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。相关系数是0.9985,是否能说明相关性很好?已经很好了楼上说的不对相关系数不表示概率用SPSS软件进行相关性分析时，得出的相关系数为负值。进行逐步回归分析时， 得出的系数确为正值。为什么？这种情况是可以出现的。在相关性分析时，你
12、看到的是两个变量之间的关系，其他变量的影响是不被考虑的；但是，进行逐步回归分析时，如果入选的变量不止一个，那么入选变量之间可以产生影响，这种影响甚至可以改变一些原来不算强的相关性的方向。 这表明你的数据存在偏相关、部分相关或伪相关等情况。相关系数说明两个现象之间相关关系密切程度的统计分析指标。相关系数用希腊字母表示，值的范围在-1和+1之间。0为正相关，0为负相关。0表示不相关；的绝对值越大，相关程度越高。 两组数据的相关系数如果是负数则表示一组数据增大，另一组数据也反而减小；一组数据减小，另一组数据反而增大。相关系数如果是负数表明两种资产的收益率呈反方向变动,负数代表负相关.正数代表正相关.
13、0代表不相关.你好，请教一下，主成分分析中，综合得分都是负值怎么比较？你是用什么软件操作？SPSS中，主成分分析实现是利用因子分析，只要累计方差贡献率达到80%以上即可，你说的综合得分指的是因子分析的得分？追问谢谢！是的，是各因子的得分,以下是计算结果第一次用，是不是哪里出错了，数据不知道怎么解释？我的qq:2628230137回答首先，你要先确定你的变量不存在问题：不存在共线、异方差等，在做因子分析前，你是否进行了KMO检验？是否有必要做因子旋转？累计方差贡献率是否达到80%以上以上问题都排除之后，说明你的变量应该是不存在问题。那么一般因子分析得分出现负数，只能说明因子得分是在平均分以下，我头一次见到所有因子和主因子得分都是负数建议你先看下变量是否存在问题，我晚上不上QQ，如果你白天有时间，可以加个QQ聊下。用SPSS进行主成分分析，最后得出的一个综合指标关系式，但是带入相应的数据后为负值。请问原因及解决方法有负值是正常的因为所有评价对象的综合指标的和为0不同评价对象的综合指标必须有正有负的主成分分析要求数据必须正态分布吗？聚类分析对数据有什么要求？主成分分析要求数据接近正态分布，不一定要严格的正态分布条件，一般来说样本量在100以上就基本符合条件。聚类分析对数据的要求是聚类的各组的组内方差较小，而组间方差较大，正常来说只要方法选择得当，这个要求会比较容易做到的。
