相关分析的简写

『壹』 spss相关分析结果星号什么意思

只有相关分析中spss才会在结果矩阵中显著出一个*号和两个*号以区别0.01和0.05水平的显著性其他的分析都是默认在0.05水平下的显著性所以不会有*号，至于你看到的论文中加的*号都是后来自己编辑添加的
Pearson线性相关性分析常用来定量描述两个定量变量间直线相关的方向和密切程度。Pearson线性相关性分析只能用于两个定量变量之间的分析，而且要求两个变量都呈正太分布，而且是随机变量，并不是人为控制的变量（例如给不同的小鼠不同的给药剂量，其中的的不同剂量就是人为非随机变量），其他注意事项请看本条末尾。我们以一组学生考试成绩为例，分析学生的历史成绩和综合成绩之间是否有线关系以及密切程度。
工具材料：
SPSS

操作方法
01
在进行Pearson直线相关分析前我们需要先将历史成绩和综合成绩绘制在一个散点图内，观察我们的数据是否可以进行Pearson线性相关性分析。点击“图形”-“图表构建器”，在弹出的对话框中点击“确定”。（如果没有弹出图中对话框则忽略，直接下一步）

02
在“图标构建器”中选择“散点图”，然后选择“简单散点图”；然后将左边的“历史”和“地理”拖到X和Y轴上（顺序可调换），然后点击确定。

03
可以得到如下图的结果，我们可以看到，图中的散点分布呈一个椭圆型，散点有线性趋势，说明我们是可以进行线相关性分析。（这只是一个简单的初步判断）。

04
回到数据视图，点击“分析”-“相关”-“双变量”；

05
在弹出的对话框中将“历史”和“综合”选入到右边的变量框中，下方是相关系数选择“Pearson”，点击“确定”，输出结果。

06
在结果中我们可以看到，“历史”和“综合”的相关系数是0.841，即|r|=0.841；右上角有两个星号，左下角有注明“**"表示相关性在0.01上是显著的，说明"历史"和“综合”的相关性是显著的；我们一般认为相关系数|r|在0.8-1.0之间是极强相关；0.6-0.8之间是强相关；0.4-0.6 之间是中等程度相关；0.2-0.4之间是弱相关；0.0-0.2则是极弱相关或无相关。结果论文中的表达方式如图。

07
注意1：绘制散点图只是一个简单的判断，如果你的散点图不是呈椭圆型，那么你最后的结果可能是相关程度不高或者P＞0.05,都说明他们之间相关太弱或不存在线相关关系。

08
意2：分层资料不能随便合并，例如下图（A）中，将原本具有相关的资料合并后造成无相关性的假象；图（B）将两个无相关性的样本合并后造成正相关的假象。

09
注意3：出现离群点的时候要谨慎使用相关性分析，如图（C）中的这个明显离群的点，计算的时候包含和不包含对结论会产生很大的影响，甚至得出相反的结论，对于这种明显离群的点我们要认真核对数据的收集和录入过程，或者重复实验。

特别提示
相关关系不一定是因果关系，也可以能是伴随关系

『贰』 统计学中，相关分析（Correlation）的有关问题

0.604是相关系数，表示期中考试成绩和出勤直接较高程度的具有相关性，右角的两颗心表示双边检验，一个心表示单边检验，不知道你是否了解什么是单边或双边检验。简单解释一下，单边检验是检验那些大于或小于的关系，比如，一个班的成绩是不是比另外一个班的成绩要好或者要差，那就用单边检验；如果是检验两个班成绩有没有差异，那就是双边检验，不需要得出哪个班级的成绩好坏。
而检验是否相关，一般都是双边检验，能理解吗？它只需知道两者是否有关系。在0.604的下方是P值，如果小于0.05，表示通过检验，但如果相关系数上有心的话，一般表示是通过检验的，没通过检验是没有心的，好吗？
不知道我说清楚没有，说的蛮多的，呵呵

『叁』 简述相关分析的基本内容

1.变量之间是否存在关系？
2.如果存在关系，它们之间是什么样的关系？
3.变量之间的关系强度如何？
4.样本所反映的变量之间的关系能否代表总体变量之间的关系？
为解决这些问题，在进行相关分析时，对总体主要有以下两个假定：
1.两个变量之间是线性关系。
2.两个变量都是随机变量

『肆』 相关分析

这里所用的含矿岩系厚度和矿层厚度均为见矿工程的平均厚度,具体结果见表11.1和表11.2。

表11.1 A组工程各变量相关系数矩阵

表11.2 B组工程各变量相关系数矩阵

首先,结合表11.1与表11.2分析如下:

铝土矿层厚度:为主预测变量;其他变量是否对铝土矿定量预测有用,也主要是用它们与矿层厚度的相关关系来衡量。

w(Al₂O₃):主要反映矿石质量,也能间接反映矿体规模。①w(Al₂O₃)与铝硅比值呈较强的正相关,而与w(SiO₂)(A组)、w(Fe₂O₃)(B组)为较强的负相关,这揭示了铝土矿质量好坏主要与风化时间长短及去硅、去铁程度有关;②w(Al₂O₃)与矿层厚度有较强的正相关,表明它往往能反映矿体规模,是理想的预测变量;③虽然受含矿岩系厚度变化系数大的影响,w(Al₂O₃)与矿系厚度和w(TiO₂)仍有一定程度正相关,分别揭示了沉积盆地大、风化剥蚀程度高有利于铝土矿成矿作用。

w(SiO₂):与矿体厚度和w(Al₂O₃)为较强的负相关,因此它既能预测矿体规模,又能揭示矿石质量,可以作为预测变量。

铝硅比值:与w(Al₂O₃)和矿体厚度呈较强的正相关。虽然它是由w(Al₂O₃)与w(SiO₂)构成的复合变量,但是从相关系数而言,铝硅比值与矿层厚的相关性比w(Al₂O₃)和w(SiO₂)与矿层厚度的相关关系更大,因此可以考虑用铝硅比值作为定量预测变量。

含矿岩系厚度:与矿体厚度、w(Al₂O₃)呈较强的正相关,因此它既能预测矿体规模也能预测矿石质量,是理想的预测变量。

w(TS):与矿层厚度及w(Al₂O₃)的相关性都不明显,这表明含硫量既不能反映铝土矿矿体规模的变化,也不能较好反应铝土矿的矿石质量,不宜作为预测变量。

w(Fe₂O₃):尽管与w(Al₂O₃)和w(SiO₂)具有一定负相关关系(可揭示矿石质量),但与矿层厚度仅呈微弱相关,对资源量预测作用不大,不宜作为预测变量。

w(TiO₂):从A、B两组数据看,w(TiO₂)与其他各变量的相关性比较复杂,不宜作为预测变量。

就整个预测地区来说,由于矿层和矿体形状严格受阶段碳酸盐岩岩溶地貌控制,导致矿体在纵向和横向上的厚度变化系数均较大,因此在预测的时候,有必要与预测单元的邻近矿区作对比研究。

综上所述,本区适宜选作铝土矿资源量定量预测的连续变量有矿体厚度、含矿岩系厚度、w(Al₂O₃)、铝硅比值、w(SiO₂)五个要素。

『伍』 相关性分析的概念及方法

相关分析就是根据一个因素（变量）与另一个因素（变量）的相关系数是否大于临界值，判断两个因素是否相关。在相关的因素之间，根据相关系数大小判断两个因素关系的密切程度，相关系数越大，说明两者关系越密切（何晓群，2002）。这种方法从总体上对问题可以有一个大致认识，但却很难在错综复杂的关系中把握现象的本质，找出哪些是主要因素，哪些是次要因素，有时甚至得出错误结论。为此，提出使用数学上的偏相关分析与逐步回归相结合的办法来解决这类问题。

偏相关性分析基本原理是，若众多因素都对某一因素都存在影响，当分析某一因素的影响大小时，把其他因素都限制在某一水平范围内，单独分析该因素对某一因素所带来的影响，从而消除其他因素带来的干扰。比如分析压实作用（或埋深）对孔隙度和渗透率的影响时，便把岩石成分、粒度、胶结类型等都限制在一定范围来单独讨论压实作用，而数学上的偏相关分析恰恰就是解决这类问题的方法，偏相关系数的大小就代表了这种影响程度。结合多因素边引入、边剔除的逐步回归分析方法，也可消除多个因素（自变量）间的相互干扰和多个因素对因变量的重复影响，保留其中的有用信息，挑选出对因变量影响较显著的因素，剔除了一些次要因素，被挑选出的主要因素的标准回归系数和偏回归平方和的大小反映了各参数对因变量（充满度）的影响大小。因此根据各因素（自变量）与因变量间的偏相关系数大小，结合标准回归系数和偏回归平方和，便可以将各因素对因变量的影响大小进行定量排序。其基本步骤如下：

第一步，找出所有可能对因变量产生影响的因素（或参数），同时对一些非数值型参数进行量化处理；

第二步，计算因变量与各参数间的简单相关系数，根据这些简单相关系数的大小，初步分析它们与因变量间的简单相关关系；

第三步，计算因变量与各参数间的偏相关系数、标准回归系数和偏回归平方和；

第四步，根据偏相关系数的大小，再结合标准回归系数和偏回归平方和，综合分析因变量与各参数间的关系密切程度，其值越大，关系越密切，影响越大，反之亦然。

『陆』 相关分析的分类

1、线性相关分析：研究两个变量间线性关系的程度。用相关系数r来描述。
（1）正相关：如果x,y变化的方向一致，如身高与体重的关系，r>0；一般地，
·|r|>0.95 存在显著性相关；
·|r|≥0.8 高度相关；
·0.5≤|r|<0.8 中度相关；
·0.3≤|r|<0.5 低度相关；
·|r|<0.3 关系极弱，认为不相关
（2）负相关：如果x,y变化的方向相反，如吸烟与肺功能的关系，r<0；
（3）无线性相关：r=0。
如果变量Y与X间是函数关系，则r=1或r=-1；如果变量Y与X间是统计关系，则-1<r<1。
（4）r的计算有三种：
①Pearson相关系数：对定距连续变量的数据进行计算。
②Spearman和Kendall相关系数：对分类变量的数据或变量值的分布明显非正态或分布不明时，计算时先对离散数据进行排序或对定距变量值排（求）秩。
实际上，对任何类型的变量，都可以使用相应的指标进行相关分析。也就是，有各种参数，对适合它们的变量进行分析。
相关计算的其他系数：
1 对于有序变量，最常用的还有Gamma统计量，取值介于1到-1之间，取值为零时候，代表完全不相关。其实，对于任何相关系数，一个万能公式就是，如果越接近零，代表越不相关，越接近1，代表越相关。
在spss中，各种变量都被分到各个栏中，下面对应着各种统计量。这部分操作是：“描述统计”～“交叉表”：“统计量”子对话框中实现。需要注意的是，虽然都是复选框，但是，也不能乱选，主要看想要分析的究竟是什么类型的变量。
2、偏相关分析：研究两个变量之间的线性相关关系时，控制可能对其产生影响的变量。如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系。
3、距离分析：是对观测量之间或变量之间相似或不相似程度的一种测度，是一种广义的距离。分为观测量之间距离分析和变量之间距离分析。
（1）不相似性测度：
·a、对等间隔(定距)数据的不相似性（距离）测度可以使用的统计量有Euclid欧氏距离、欧氏距离平方等。
·b、对计数数据使用卡方。
·c、对二值（只有两种取值）数据，使用欧氏距离、欧氏距离平方、尺寸差异、模式差异、方差等。
（2） 相似性测度：
·a、等间隔数据使用统计量Pearson相关或余弦。
·b、测度二元数据的相似性使用的统计量有20余种。

『柒』 相关性分析当中是怎么标记大小写字母的

小写字母代表是在0.05水平下比较，差异显著；大写字母代表在0.01水平下比较，差异极显著。二者是平行的两个不同的比较，不可混淆~再说同一个数据可以同时标大写和小写，而且同一个数据不能和自己比较，只能和别的数据比~带大写的和大写的比较，小写的和小写的比较，若字母不同则差异性显著。 如：A和C，显著 AB与BC，显著 a和b，显著 abc和bc，显著 A与b，无法比较

『捌』 相关分析中的 sig. 和N分别是什么意思

sig.：当计算出样本的相关系数r不等于0时，还需要推断该样本所来自于得总体相关系数是否等于0，因此需要进行假设检验，在这个过程中得到的P值就是sig.。如果其小于所规定的检验水准，则说明两变量之间存在相关关系。
N：样本的总例数。

『玖』 多元相关分析四个变量，SPSS输出来只有一个变量，怎么回事啊

spss毕竟是英文的，你可以变量名用英文简写，在标签栏输入中文详细名称，这就可以了