相關分析的簡寫

『壹』 spss相關分析結果星號什麼意思

只有相關分析中spss才會在結果矩陣中顯著出一個*號和兩個*號以區別0.01和0.05水平的顯著性其他的分析都是默認在0.05水平下的顯著性所以不會有*號，至於你看到的論文中加的*號都是後來自己編輯添加的
Pearson線性相關性分析常用來定量描述兩個定量變數間直線相關的方向和密切程度。Pearson線性相關性分析只能用於兩個定量變數之間的分析，而且要求兩個變數都呈正太分布，而且是隨機變數，並不是人為控制的變數（例如給不同的小鼠不同的給葯劑量，其中的的不同劑量就是人為非隨機變數），其他注意事項請看本條末尾。我們以一組學生考試成績為例，分析學生的歷史成績和綜合成績之間是否有線關系以及密切程度。
工具材料：
SPSS

操作方法
01
在進行Pearson直線相關分析前我們需要先將歷史成績和綜合成績繪制在一個散點圖內，觀察我們的數據是否可以進行Pearson線性相關性分析。點擊「圖形」-「圖表構建器」，在彈出的對話框中點擊「確定」。（如果沒有彈出圖中對話框則忽略，直接下一步）

02
在「圖標構建器」中選擇「散點圖」，然後選擇「簡單散點圖」；然後將左邊的「歷史」和「地理」拖到X和Y軸上（順序可調換），然後點擊確定。

03
可以得到如下圖的結果，我們可以看到，圖中的散點分布呈一個橢圓型，散點有線性趨勢，說明我們是可以進行線相關性分析。（這只是一個簡單的初步判斷）。

04
回到數據視圖，點擊「分析」-「相關」-「雙變數」；

05
在彈出的對話框中將「歷史」和「綜合」選入到右邊的變數框中，下方是相關系數選擇「Pearson」，點擊「確定」，輸出結果。

06
在結果中我們可以看到，「歷史」和「綜合」的相關系數是0.841，即|r|=0.841；右上角有兩個星號，左下角有註明「**"表示相關性在0.01上是顯著的，說明"歷史"和「綜合」的相關性是顯著的；我們一般認為相關系數|r|在0.8-1.0之間是極強相關；0.6-0.8之間是強相關；0.4-0.6 之間是中等程度相關；0.2-0.4之間是弱相關；0.0-0.2則是極弱相關或無相關。結果論文中的表達方式如圖。

07
注意1：繪制散點圖只是一個簡單的判斷，如果你的散點圖不是呈橢圓型，那麼你最後的結果可能是相關程度不高或者P＞0.05,都說明他們之間相關太弱或不存在線相關關系。

08
意2：分層資料不能隨便合並，例如下圖（A）中，將原本具有相關的資料合並後造成無相關性的假象；圖（B）將兩個無相關性的樣本合並後造成正相關的假象。

09
注意3：出現離群點的時候要謹慎使用相關性分析，如圖（C）中的這個明顯離群的點，計算的時候包含和不包含對結論會產生很大的影響，甚至得出相反的結論，對於這種明顯離群的點我們要認真核對數據的收集和錄入過程，或者重復實驗。

特別提示
相關關系不一定是因果關系，也可以能是伴隨關系

『貳』 統計學中，相關分析（Correlation）的有關問題

0.604是相關系數，表示期中考試成績和出勤直接較高程度的具有相關性，右角的兩顆心表示雙邊檢驗，一個心表示單邊檢驗，不知道你是否了解什麼是單邊或雙邊檢驗。簡單解釋一下，單邊檢驗是檢驗那些大於或小於的關系，比如，一個班的成績是不是比另外一個班的成績要好或者要差，那就用單邊檢驗；如果是檢驗兩個班成績有沒有差異，那就是雙邊檢驗，不需要得出哪個班級的成績好壞。
而檢驗是否相關，一般都是雙邊檢驗，能理解嗎？它只需知道兩者是否有關系。在0.604的下方是P值，如果小於0.05，表示通過檢驗，但如果相關系數上有心的話，一般表示是通過檢驗的，沒通過檢驗是沒有心的，好嗎？
不知道我說清楚沒有，說的蠻多的，呵呵

『叄』 簡述相關分析的基本內容

1.變數之間是否存在關系？
2.如果存在關系，它們之間是什麼樣的關系？
3.變數之間的關系強度如何？
4.樣本所反映的變數之間的關系能否代表總體變數之間的關系？
為解決這些問題，在進行相關分析時，對總體主要有以下兩個假定：
1.兩個變數之間是線性關系。
2.兩個變數都是隨機變數

『肆』 相關分析

這里所用的含礦岩系厚度和礦層厚度均為見礦工程的平均厚度,具體結果見表11.1和表11.2。

表11.1 A組工程各變數相關系數矩陣

表11.2 B組工程各變數相關系數矩陣

首先,結合表11.1與表11.2分析如下:

鋁土礦層厚度:為主預測變數;其他變數是否對鋁土礦定量預測有用,也主要是用它們與礦層厚度的相關關系來衡量。

w(Al₂O₃):主要反映礦石質量,也能間接反映礦體規模。①w(Al₂O₃)與鋁硅比值呈較強的正相關,而與w(SiO₂)(A組)、w(Fe₂O₃)(B組)為較強的負相關,這揭示了鋁土礦質量好壞主要與風化時間長短及去硅、去鐵程度有關;②w(Al₂O₃)與礦層厚度有較強的正相關,表明它往往能反映礦體規模,是理想的預測變數;③雖然受含礦岩系厚度變化系數大的影響,w(Al₂O₃)與礦系厚度和w(TiO₂)仍有一定程度正相關,分別揭示了沉積盆地大、風化剝蝕程度高有利於鋁土礦成礦作用。

w(SiO₂):與礦體厚度和w(Al₂O₃)為較強的負相關,因此它既能預測礦體規模,又能揭示礦石質量,可以作為預測變數。

鋁硅比值:與w(Al₂O₃)和礦體厚度呈較強的正相關。雖然它是由w(Al₂O₃)與w(SiO₂)構成的復合變數,但是從相關系數而言,鋁硅比值與礦層厚的相關性比w(Al₂O₃)和w(SiO₂)與礦層厚度的相關關系更大,因此可以考慮用鋁硅比值作為定量預測變數。

含礦岩系厚度:與礦體厚度、w(Al₂O₃)呈較強的正相關,因此它既能預測礦體規模也能預測礦石質量,是理想的預測變數。

w(TS):與礦層厚度及w(Al₂O₃)的相關性都不明顯,這表明含硫量既不能反映鋁土礦礦體規模的變化,也不能較好反應鋁土礦的礦石質量,不宜作為預測變數。

w(Fe₂O₃):盡管與w(Al₂O₃)和w(SiO₂)具有一定負相關關系(可揭示礦石質量),但與礦層厚度僅呈微弱相關,對資源量預測作用不大,不宜作為預測變數。

w(TiO₂):從A、B兩組數據看,w(TiO₂)與其他各變數的相關性比較復雜,不宜作為預測變數。

就整個預測地區來說,由於礦層和礦體形狀嚴格受階段碳酸鹽岩岩溶地貌控制,導致礦體在縱向和橫向上的厚度變化系數均較大,因此在預測的時候,有必要與預測單元的鄰近礦區作對比研究。

綜上所述,本區適宜選作鋁土礦資源量定量預測的連續變數有礦體厚度、含礦岩系厚度、w(Al₂O₃)、鋁硅比值、w(SiO₂)五個要素。

『伍』 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。

『陸』 相關分析的分類

1、線性相關分析：研究兩個變數間線性關系的程度。用相關系數r來描述。
（1）正相關：如果x,y變化的方向一致，如身高與體重的關系，r>0；一般地，
·|r|>0.95 存在顯著性相關；
·|r|≥0.8 高度相關；
·0.5≤|r|<0.8 中度相關；
·0.3≤|r|<0.5 低度相關；
·|r|<0.3 關系極弱，認為不相關
（2）負相關：如果x,y變化的方向相反，如吸煙與肺功能的關系，r<0；
（3）無線性相關：r=0。
如果變數Y與X間是函數關系，則r=1或r=-1；如果變數Y與X間是統計關系，則-1<r<1。
（4）r的計算有三種：
①Pearson相關系數：對定距連續變數的數據進行計算。
②Spearman和Kendall相關系數：對分類變數的數據或變數值的分布明顯非正態或分布不明時，計算時先對離散數據進行排序或對定距變數值排（求）秩。
實際上，對任何類型的變數，都可以使用相應的指標進行相關分析。也就是，有各種參數，對適合它們的變數進行分析。
相關計算的其他系數：
1 對於有序變數，最常用的還有Gamma統計量，取值介於1到-1之間，取值為零時候，代表完全不相關。其實，對於任何相關系數，一個萬能公式就是，如果越接近零，代表越不相關，越接近1，代表越相關。
在spss中，各種變數都被分到各個欄中，下面對應著各種統計量。這部分操作是：「描述統計」～「交叉表」：「統計量」子對話框中實現。需要注意的是，雖然都是復選框，但是，也不能亂選，主要看想要分析的究竟是什麼類型的變數。
2、偏相關分析：研究兩個變數之間的線性相關關系時，控制可能對其產生影響的變數。如控制年齡和工作經驗的影響，估計工資收入與受教育水平之間的相關關系。
3、距離分析：是對觀測量之間或變數之間相似或不相似程度的一種測度，是一種廣義的距離。分為觀測量之間距離分析和變數之間距離分析。
（1）不相似性測度：
·a、對等間隔(定距)數據的不相似性（距離）測度可以使用的統計量有Euclid歐氏距離、歐氏距離平方等。
·b、對計數數據使用卡方。
·c、對二值（只有兩種取值）數據，使用歐氏距離、歐氏距離平方、尺寸差異、模式差異、方差等。
（2） 相似性測度：
·a、等間隔數據使用統計量Pearson相關或餘弦。
·b、測度二元數據的相似性使用的統計量有20餘種。

『柒』 相關性分析當中是怎麼標記大小寫字母的

小寫字母代表是在0.05水平下比較，差異顯著；大寫字母代表在0.01水平下比較，差異極顯著。二者是平行的兩個不同的比較，不可混淆~再說同一個數據可以同時標大寫和小寫，而且同一個數據不能和自己比較，只能和別的數據比~帶大寫的和大寫的比較，小寫的和小寫的比較，若字母不同則差異性顯著。 如：A和C，顯著 AB與BC，顯著 a和b，顯著 abc和bc，顯著 A與b，無法比較

『捌』 相關分析中的 sig. 和N分別是什麼意思

sig.：當計算出樣本的相關系數r不等於0時，還需要推斷該樣本所來自於得總體相關系數是否等於0，因此需要進行假設檢驗，在這個過程中得到的P值就是sig.。如果其小於所規定的檢驗水準，則說明兩變數之間存在相關關系。
N：樣本的總例數。

『玖』 多元相關分析四個變數，SPSS輸出來只有一個變數，怎麼回事啊

spss畢竟是英文的，你可以變數名用英文簡寫，在標簽欄輸入中文詳細名稱，這就可以了