相关性分析中,什么是显著相关

_问题描述：在SPSS中做主成成分分析的时候有一步是指标之间的相关性判定,我想知道具体是怎么进行判定的,他的算法、原理是什么?答案1：：说判定有些严格,其实就是观察一下各个指标的相关程度.一般来说相关

你第一图的数据样本是40第二图是25第三个图是21结果肯定不一样显著性水平,又称检验水准是人为确定的一般为0.05再问：表格下面的那行小字写的0.01不用管吗？再答：看相关系数，第一个图是0.439，

说判定有些严格,其实就是观察一下各个指标的相关程度.一般来说相关性越是高,做主成分分析就越是成功.主成分分析是通过降低空间维度来体现所有变量的特征使得样本点分散程度极大,说得直观一点就是寻找多个变量的

相关性分析会得出一个p值,如果p值

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

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

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

首先建立两个变量如x,y,把数据录入进去（两列）,在analysis里头,选correlate,分别把x,y放进去,点OK就可以得到结果.再问：我用的是中文版的SPSS，点击：分析—相关-双变量相关，

通过F检验和t检验,伴随概率一致通过,方程成立

是显著的,没什么好理解的如果没法理解kendall系数,干脆就让人帮你做分析我经常帮别人做这类的数据分析的

相关系数0.624大约属于中等量级的相关,在样本量足够大的情况下一般都会有显著性,你的情况应该是样本量偏小造成的.此外,pearson相关系数的正确性需要得到散点图的证实,你应该检查一下散点图,看看数

先进性复共线性检验,如果变量之间复共线性特别大,那么进行岭回归和主成分回归,可以减少复共线性,岭回归是对变量采取了二范数约束,所以最后会压缩变量的系数,从而达到减小复共线性的目的,另外这个方法适合于p

不能只看相关系数的大小,主要看显著性水平,你做出来的相关系数确实是有些低,很可能是与数据量比较多有关.如果你分析过程没有错误,p真的等于0.003的话,应该是显著相关的.再问：谢谢，我还想问一下，我的

相关性系数1≤｜r｜≥0,一般认为｜r｜≥0.6时认为相关性是显著的,具体的怎么去计算要查统计学上的r(n-2)分布表,它与回归方程Y=a+bx中的b有相同的正负符号!

您分析的原始数据应该是等级资料或者分布类型未知的资料,所以用了Spearman's秩相关,得出的Spearman's秩相关系数为0.589,民主指数和政府卫生支出占政府总支出的百分比,这两个变量间是正

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,

化蛹再问：什么什么再答：蜕皮或者蛹期再问：回答吗?再答：嗯！最重要的是化蛹再问：哦!再答：好评！OK？再问：0k

刚看了一篇外文文献,其中提到了几个变量之间的相关性分析.作者用SPSS得出A与B的相关性系数约为0.09,但显著性水平大于0.05即不显著.随后继续作回归性分析（未阐明是否是多元线性）结论是BETA值

那你分析错误了,操作对吗再问：对的，回归分析得出结果和相关性分析的不一样，这种情况不存在的吗。可以解释吗再答：肯定做错了的，一般不会

虚拟变量,你可以试试0-1这样的虚拟变量,含0的,对应的y低,含1的对应的y高（假设正相关）.其实主要看你的虚拟变量打算加在哪里,加在常数项就这么做,加在系数项的话就是另外一组数据了.你可以先写个含虚