相關性分析

A. 如何用spss做相關性分析要求詳細步驟！

1、在spss的主界面上輸入數據以後，通過分析那裡點擊非參數檢驗中的相關樣本。

B. 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。

C. 用spss相關性分析，相關系數是0.271相關性怎麼樣

0.271屬於低相關，這是分析相關系數的大小。

相關系數：

1、0.8-1.0：極強相關。

2、0.6-0.8：強相關。

3、0.4-0.6：中等程度相關。

4、0.2-0.4：弱相關。

5、0.0-0.2：極弱相關或無相關。

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。

簡單相關系數：又叫相關系數或線性相關系數，一般用字母r 表示，用來度量兩個變數間的線性關系。

定義式：較小時，通常說X 和Y相關程度較差；當X和Y不相關，通常認為X和Y之間不存在線性關系，但並不能排除X和Y之間可能存在其他關系。

D. 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版Excel類型。

E. 用SPSS相關性分析後的結果怎麼看

1. spss 的相關表格每個單元格有三行數據，一個是pearson相關系數值，它代表了相關系數的大小，一個是樣本容量，代表你這組數據有多少被試，最後一個是顯著性檢驗結果，即sig（雙側），它可以用來說明你所得到的相關分析結果有沒有統計學意義。

2. 通常sig<0.05即認為顯著，有統計學意義（有統計學意義或者說顯著的意思是說這種相關性可以分辨出來，不表示相關的大小，就好像用顯微鏡可以看到細胞並不能說明細胞很大），如果不顯著，即便相關系數很大，也不能說明該相關有意義，相關性有可能是抽樣誤差所致，但這個時候你可以考慮增大樣本容量後再分析看看。相關系數值後面的星號也反映了顯著性，一個*表明0.05水平顯著，**代表0.01水平顯著。

   

F. 在做回歸分析之前為什麼要做相關性檢驗。明明作了相關性檢驗之後不管結果如何都要全做回歸分析的啊。

在做回歸分析之前做相關性檢驗的原因如下：

1、相關分析相當於先檢驗一下眾多的自變數和因變數之間是否存在相關性，當然通過相關分析求得相關系數沒有回歸分析的准確。如果相關分析時各自變數跟因變數之間沒有相關性 ，就沒有必要再做回歸分析；如果有一定的相關性了，然後再通過回歸分析進一步驗證他們之間的准確關系。

同時 相關分析還有一個目的，可以查看一下 自變數之間的共線性程度如何，如果自變數間的相關性非常大，可能表示存在共線性。

2、相關分析只是了解變數間的共變趨勢，我們只能通過相關分析確定變數間的關聯，這種關聯是沒有方向性的，可能是A影響B，也可能是B影響A，還有可能是A與B互相影響，相關分析沒法確定變數間的關聯究竟是哪一種。

而這就是我們需要使用回歸分析解決的問題，我們通過回歸分析對自變數與因變數進行假設，然後可以驗證變數間的具體作用關系，這時的變數關系就是有具體方向性的了。所以相關分析通常也會被作為一種描述性的分析，而回歸分析得到的結果更為重要和精確。

(6)相關性分析擴展閱讀：

做回歸分析時的注意問題：

應用回歸預測法時應首先確定變數之間是否存在相關關系。如果變數之間不存在相關關系，對這些變數應用回歸預測法就會得出錯誤的結果。

正確應用回歸分析預測時應注意：

①用定性分析判斷現象之間的依存關系。

②避免回歸預測的任意外推。

③應用合適的數據資料。

G. 怎樣用spss分析這兩組數據的相關性

1、打開SPSS軟體，輸入兩列數據，如下圖所示；

H. 相關分析法

相關分析法是一種統計學方法，主要用於水文地質勘探試驗資料不足，但是地下水動態資料較多的地區，建立不同變數之間的相關關系，如抽水量與降深、岩溶管道流量與降水量等，求解地下水均衡要素。根據變數的數量可分為二元相關（兩個變數）和多元相關（多個變數），按相關方程式的性質分為線性相關和非線性相關。在地下水數量評價中經常用到的是二元回歸，下面以抽水量與降深之間的關系為例，討論相關分析法的一般過程。

（一）確定相關曲線類型

根據抽水試驗資料，將一系列抽水量（Q_i，i=1，2，…，n）與降深（S_i，i=1，2，…，n）點到Q-S坐標圖上（如圖3-11所示），根據散點的分布趨勢，確定曲線類型。常見的曲線類型如表3-5所示。

表3-5 常見的抽水量（Q）-降深（S）曲線類型

圖3-11 Q-S散點分布趨勢圖

（二）建立相關方程

建立相關方程，也就是確定表3-3中的待定系數（a，b）。一般可根據抽水實驗獲得的資料，採用最小二乘法計算a，b。

實際上表3-4中的各種曲線方程都可以通過坐標轉換，化為Y=aX+b型的線性關系。下面以直線型為例說明求解待定系數和相關系數的方法。

設有n組抽水試驗資料，記為（Q_i，S_i）i=1，2，…，n。在Q-S坐標系中呈直線分布，設其方程為

Q=aS+b （3-45）

則任一實測值（Q_i，S_i）與該直線的偏差可以表示為

δ_i=Q_i-（aS_i+b） （3-46）

若所有實測點與該直線的偏差的平方和（記為Δ）為最小，則所得的直線就是最佳擬和直線。即要求：

區域地下水功能可持續性評價理論與方法研究

因Q_i和S_i的數據已知，所以可視Δ為a和b的函數。要使函數取最小值，則令Δ對a和b的偏導數等於零即可。即

區域地下水功能可持續性評價理論與方法研究

令

，

，

，

，代入式（3-48）和式（3-49）則有：

區域地下水功能可持續性評價理論與方法研究

聯立式（3-50）和式（3-51）即可求出a和b：

區域地下水功能可持續性評價理論與方法研究

將式（3-52）代入式（3-45）即可得到所求的直線方程。

相關系數（γ）可用下式求得：

區域地下水功能可持續性評價理論與方法研究

相關系數反映的是兩個變數之間關系的密切程度，0≤｜γ｜≤1。相關系數愈接近1，說明關系愈密切，方程的實用價值愈大；反之，相關系數愈接近0，說明聯系愈差，方程的實用價值愈小；當相關系數等於0時，說明兩變數之間不存在聯系。

（三）相關系數顯著性檢驗

究竟相關系數要達到多大時，所建立的相關方程才有實用意義呢？這就要求進行顯著性水平檢驗。表3-6給出了不同抽樣數（N，即所擁有的實測數據數）在兩種顯著性水平（a）分別等於0.05和0.01時，對相關系數的最小要求。

表3-6 相關系數（γ）顯著性檢驗表

註：此表摘自《概率論與數理統計》P244～245，朱玉仙、崔曉光，長春：東北師范大學出版社，1989。

所謂顯著性水平是指，做出顯著結論時，可能發生錯誤的概率。當a=0.05時，表示判斷錯誤的可能性不超過5%；當a=0.01時，表示判斷錯誤的可能性不超過1%。由表3-6可見，當抽樣數一定時，a愈小，要求的相關系數就愈大；當顯著性水平一定時，抽樣數愈小，要求的相關系數就愈大。下面舉例說明表3-6的用法。

如果抽樣數為17組，則N-2=15，若｜γ｜≥0.482，可以說這個相關系數在a=0.05的水平上是顯著的，但在a=0.01的水平上不顯著，只有當｜γ｜≥0.606時，才可以說它在a=0.01的水平上是顯著的。如果不滿足顯著性水平的要求，說明所求的相關方程的實用意義不大。

（四）預報誤差估計

經過顯著性檢驗後的方程即可用來外推一定抽水量下的降深或一定降深下的出水量，這時，我們所關心的問題是要知道預報的精度。嚴格說來，我們無法精確知道這個精度，但可以根據實測資料做出大概的估計。一般以實測值（Q_i）與計算值（

）的剩餘標准差來近似代表方程的外推預報精度，表示為

區域地下水功能可持續性評價理論與方法研究

剩餘標准差愈小，則外推預報的精度愈高。根據概率理論可知，任一觀測值可能落在

之間的概率為68.3%；落在

之間的概率為95.4%；落在

之間的概率為99.7%。

由式（3-54）可見，要提高預報精度，一方面提高觀測的精度；另一方面增加觀測次數。

利用所建立的相關方程，外推求取一定抽水量下的降深或一定降深下的出水量。

（五）適用條件

相關分析法適用於水文地質資料缺乏，而地下水動態資料較多的地區。如有多年開采動態的老水源地的擴建評價、有多年岩溶管道流量與大氣降水觀測地區的地下水數量評價等，也可用於補給充足而需水量不大的供水評價。

利用抽水試驗資料進行相關分析時，為保證相關關系的准確性，要求不同降深的抽水試驗資料愈多愈好，但最少不少於3次降深（落程）；抽水降深不能過小，否則會影響曲線的類型；相關外推法是建立在穩定井流基礎上的，非穩定抽水資料不適用。

I. 怎麼選擇相關性分析模型

選擇相關性分析模型的方法：
1、看數據類型和因變數的個數，多個因變數的用路徑分析和回結構方程，一答個因變數的。
2、看數據類型，連續型的數據用線性和非線性，分類型的用邏輯回歸，時間序列的用時間序列分析。

相關性分析是指對兩個或多個具備相關性的變數元素進行分析，從而衡量兩個變數因素的相關密切程度。相關性的元素之間需要存在一定的聯系或者概率才可以進行相關性分析。相關性不等於因果性，也不是簡單的個性化，相關性所涵蓋的范圍和領域幾乎覆蓋了我們所見到的方方面面，相關性在不同的學科裡面的定義也有很大的差異。