⑴ 統計相關分析中相關系數及p值的意義
相關系數就是兩個變數之間的相關程度，-1<0負相關，r>0正相關，r2越接近1表示越相關。
P值即概率，反映某一事件發生的可能性大小。統計學根據顯著性檢驗方法所得到的P 值，一般以P < 0.05 為顯著， P<0.01 為非常顯著，其含義是樣本間的差異由抽樣誤差所致的概率小於0.05 或0.01。
在線性回歸中，p<0.01(或者0.05）表示兩個變數非常顯著（顯著）線性相關。
需要注意的是：在非線性回歸中，不可以用p值檢驗相關顯著性， 因為在非線性回歸中，殘差均值平方不再是誤差方差的無偏估計，因而不能使用線性模型的檢驗方法來檢驗非線性模型，從而不能用F統計量及其P值進行檢驗。
復相關系數：又叫多重相關系數。復相關是指因變數與多個自變數之間的相關關系。例如，某種商品的季節性需求量與其價格水平、職工收入水平等現象之間呈現復相關關系。
典型相關系數：是先對原來各組變數進行主成分分析，得到新的線性關系的綜合指標，再通過綜合指標之間的線性相關系數來研究原各組變數間相關關系。
⑵ 相關系數與相關指數的區別
相關系數與相關指數的區別為：表示不同、取值范圍不同、順序不同。
一、表示不同
1、相關系數：相關系數是用以反映變數之間相關關系密切程度的統計指標。
2、相關指數：相關指數表示一元多項式回歸方程擬合度的高低，或者說表示一元多項式回歸方程估測的可靠程度的高低。
二、取值范圍不同
1、相關系數：相關系數的取值范圍為[-1，1]，越接近1，說明存在線性關系，相關程度越高。
2、相關指數：相關指數的取值范圍為[0，1]，越接近1，說明實際觀測點離樣本線越近，擬合優度越高。
三、順序不同
1、相關系數：先求相關系數，分析相關性的強弱。
2、相關指數：分析相關性的強弱後，然後求回歸方程，最後求出相關指數，分析模型的擬合效果。
⑶ 相關性分析的概念及方法
相關分析就是根據一個因素（變數）與另一個因素（變數）的相關系數是否大於臨界值，判斷兩個因素是否相關。在相關的因素之間，根據相關系數大小判斷兩個因素關系的密切程度，相關系數越大，說明兩者關系越密切（何曉群，2002）。這種方法從總體上對問題可以有一個大致認識，但卻很難在錯綜復雜的關系中把握現象的本質，找出哪些是主要因素，哪些是次要因素，有時甚至得出錯誤結論。為此，提出使用數學上的偏相關分析與逐步回歸相結合的辦法來解決這類問題。
偏相關性分析基本原理是，若眾多因素都對某一因素都存在影響，當分析某一因素的影響大小時，把其他因素都限制在某一水平范圍內，單獨分析該因素對某一因素所帶來的影響，從而消除其他因素帶來的干擾。比如分析壓實作用（或埋深）對孔隙度和滲透率的影響時，便把岩石成分、粒度、膠結類型等都限制在一定范圍來單獨討論壓實作用，而數學上的偏相關分析恰恰就是解決這類問題的方法，偏相關系數的大小就代表了這種影響程度。結合多因素邊引入、邊剔除的逐步回歸分析方法，也可消除多個因素（自變數）間的相互干擾和多個因素對因變數的重復影響，保留其中的有用信息，挑選出對因變數影響較顯著的因素，剔除了一些次要因素，被挑選出的主要因素的標准回歸系數和偏回歸平方和的大小反映了各參數對因變數（充滿度）的影響大小。因此根據各因素（自變數）與因變數間的偏相關系數大小，結合標准回歸系數和偏回歸平方和，便可以將各因素對因變數的影響大小進行定量排序。其基本步驟如下：
第一步，找出所有可能對因變數產生影響的因素（或參數），同時對一些非數值型參數進行量化處理；
第二步，計算因變數與各參數間的簡單相關系數，根據這些簡單相關系數的大小，初步分析它們與因變數間的簡單相關關系；
第三步，計算因變數與各參數間的偏相關系數、標准回歸系數和偏回歸平方和；
第四步，根據偏相關系數的大小，再結合標准回歸系數和偏回歸平方和，綜合分析因變數與各參數間的關系密切程度，其值越大，關系越密切，影響越大，反之亦然。
⑷ 回歸分析中相關指數和相關系數有什麼聯系與區別
在線性回歸有,有上述關系.即：R^2=r^2
在其實回歸模型中不一定適用。
R^2表達的是解釋變數對總偏差平方和的貢獻度,強調的是「幾個模型」之間的擬合度的好與壞。
r表示解釋變數與預報變數之間線性相關性的強弱程度,用來判斷是否具有線性相關性。
回歸系數b乘以X和Y變數的標准差之比結果為相關系數r。即b*σx/σy=r
相關系數和回歸系數的聯系和區別如下：
首先，相關系數與回歸系數的方向，即符號相同。回歸系數與相關系數的正負號都有兩變數離均差積之和的符號業決定，所以同一資料的b與其r的符號相同。回歸系數有單位，形式為（應變數單位/自變數單位）相關系數沒有單位。相關系數的范圍在-1～+1之間，而回歸系數沒有這種限制。
回歸系數是指在回歸方程中表示自變數x
對因變數y
影響大小的參數。回歸系數越大表示x
對y
影響越大，正回歸系數表示y
隨x
增大而增大，負回歸系數表示y
隨x增大而減小。回歸方程式^Y=bX+a中之斜率b,稱為回歸系數，表X每變動一單位，平均而言，Y將變動b單位。
⑸ SPSS相關系數分析的問題
其實，0.658已經不小了。是否多重共線，最好的用SPSS進行專門檢驗。
⑹ 做相關分析的時候，不知道應該選什麼相關系數，請問應該怎麼選擇
相關分析是對兩個對等的經濟數列，用數學方法測定一個反映它們之間變動的聯系程度和聯系方向的抽象化數值，即相關系數。相關分析要求兩個變數都必須是隨機的。
如，銷售收入與銷售利潤可以作為一對相關分析的變數。考察兩個變數之間的關系，如果是同方向且同步，即正比例關系；如果僅為同方向但幅度（系數）有差異，即正相關；如果收入增長但利潤下降，即反相關或負相關。
再如，勞動生產率和工資增長速度，這也可以稱為一對相關性分析指標。勞動生產率的增長應該與工資增長呈正相關或正比例，而如果是負相關，就有問題了，不是吃光分光就是人才流失。
總之，只要具有關聯性的兩個變數，都可以做為相關系數。相關性分析應依據分析目的選擇系數（分析對象），同時相關分析是幾組數據，單一的一組數據是無法測量其趨勢的（相關與否和相關程度）。
⑺ 相關系數多少算具有相關性
相關系數是最早由統計學家卡爾·皮爾遜設計的統計指標，是研究變數之間線性相關程度的量，一般用字母 r 表示。由於研究對象的不同，相關系數有多種定義方式，較為常用的是皮爾遜相關系數。
相關系數r的絕對值一般在0.8以上，認為A和B有強的相關性。0.3到0.8之間，可以認為有弱的相關性。0.3以下，認為沒有相關性。
(7)相關系數分析擴展閱讀
相關表和相關圖可反映兩個變數之間的相互關系及其相關方向，但無法確切地表明兩個變數之間相關的程度。相關系數是用以反映變數之間相關關系密切程度的統計指標。相關系數是按積差方法計算，同樣以兩變數與各自平均值的離差為基礎，通過兩個離差相乘來反映兩變數之間相關程度；著重研究線性的單相關系數。
需要說明的是，皮爾遜相關系數並不是唯一的相關系數，但是最常見的相關系數，以下解釋都是針對皮爾遜相關系數。
依據相關現象之間的不同特徵，其統計指標的名稱有所不同。如將反映兩變數間線性相關關系的統計指標稱為相關系數（相關系數的平方稱為判定系數）；將反映兩變數間曲線相關關系的統計指標稱為非線性相關系數、非線性判定系數；將反映多元線性相關關系的統計指標稱為復相關系數、復判定系數等。
⑻ spss相關性分析 相關性
一般直接看相關系數和顯著性雙側。你這個一列一列的看要方便些，比如第一列，表示為x1和其他各變數之間的相關性，x1和x2的相關系數為-.022，顯著性雙側為0.972，說明這兩個變數間無相關性，依次類推。只要是顯著性<0.05即可說明兩變數具有相關性，而相關性的大小取決於相關系數，相關系數越接近1，相關性越好。看了一下你的x1和x4-x8的相關系數都在0.9以上了。是非常好的。
⑼ EXCEL中的相關系數能說明什麼
相關系數與0越接近，說明兩者越不相關。
例如，算出電視與溫度的相關系數最接近0，說明電視一般不受溫度的影響。
空調的結果與1更接近，說明空調與溫度呈現正相關關系，溫度越高，銷售的空調就越多；反之亦然。而電熱毯，則是反相關關系，溫度越高，銷售的就越少，溫度越低，銷售的就越多。
公式說明：
Correl（數組1，數組2）：返回兩組數組之間的相關系數，使用相關系數可以確定兩種屬性之間的關系。返回平均溫度與空調之間的相關系數，通過這個相關系數，分析溫度與空調之間的關系。
(9)相關系數分析擴展閱讀
使用相關系數的缺點：
需要指出的是，相關系數有一個明顯的缺點，即它接近於1的程度與數據組數n相關，這容易給人一種假象。
因為，當n較小時，相關系數的波動較大，對有些樣本相關系數的絕對值易接近於1；當n較大時，相關系數的絕對值容易偏小。特別是當n=2時，相關系數的絕對值總為1。因此在樣本容量n較小時，我們僅憑相關系數較大就判定變數x與y之間有密切的線性關系是不妥當的。
相關關系是一種非確定性的關系，相關系數是研究變數之間線性相關程度的量。由於研究對象的不同，相關系數有如下幾種定義方式。
⑽ 用SPSS相關性分析後的結果怎麼看
1、首先將數據導入到SPSS工具中，並打開相關的數據，保證導入的數據類型為Excel類型。