相关分析用于研究定量数据之间的关系情况，包括是否有关系，以及关系紧密程度等。

1、如果呈现出显著性（结果右上角有*号，此时说明有关系；反之则没有关系）；有了关系之后，关系的紧密程度直接看相关系数大小即可。一般0.7以上说明关系非常紧密；0.4~0.7之间说明关系紧密；0.2~0.4说明关系一般。

2、如果说相关系数值小于0.2，但是依然呈现出显著性（右上角有*号，1个*号叫0.05水平显著，2个*号叫0.01水平显著；显著是指相关系数的出现具有统计学意义普遍存在的，而不是偶然出现），说明关系较弱，但依然是有相关关系。

3、相关分析是回归分析的前提条件，首先需要保证有相关关系，接着才能进行回归影响关系研究。

4、因为如果都显示没有相关关系，是不可能有影响关系的。如果有相关关系，但也不一定会出现回归影响关系。

 

相关分析的操作步骤

1. SPSSAU用户可自由拖拽分析项进入分析列表框，区别仅在于输出格式不同。

2. 相关分析使用相关系数表示分析项之间的关系；首先判断是否有关系(有*号则表示有关系,否则表示无关系)；

3. 接着判断关系为正相关或者负相关(相关系数大于0为正相关,反之为负相关)；

4. 最后判断关系紧密程度(通常相关系数大于0.4则表示关系紧密)；

5. 相关系数常见有两类，分别是Pearson和Spearman，本系统默认使用Pearson相关系数。在相关分析之前，SPSSAU建议可使用散点图直观查看数据之间的关系情况。除此之外，SPSSAU还提供Kendall相关系数。三个相关系数的区别如下表格：

 

案例分析

1、背景

比如想研究“淘宝客服服务态度”，“淘宝商家服务质量”分别与“淘宝商家满意度”，“淘宝忠诚度”之间的关系情况，此句话中明显的可以看出“淘宝客服服务态度”，“淘宝商家服务质量”这两项为 X；而“淘宝商家满意度”，“淘宝忠诚度”这两项为 Y。

2、操作

本处区分了X和Y，所以对应放入即可。如果并不区分X或者Y，此时直接把所有项放入“分析项Y（定量）”框中即可。

图片来源：SPSSAU官方帮助手册

3、SPSSAU输出结果

图片来源：SPSSAU分析结果页面

图片来源：SPSSAU分析结果页面

4、文字分析

上表使用相关分析去研究“淘宝商家满意度”，“淘宝忠诚度”分别与“淘宝客服服务态度”，“淘宝商家服务质量”之间的相关关系情况，并且使用Pearson相关系数去表示相关关系情况。从上表可以看到：

“淘宝商家满意度”分别与“淘宝客服服务态度”，“淘宝商家服务质量”之间均呈现出显著性(P <0.01)，并且相关系数值均高于0.7，说明“淘宝商家满意度”分别与“淘宝客服服务态度”，“淘宝商家服务质量”之间均有着非常紧密的正向相关关系。类似的，“淘宝忠诚度”分别与“淘宝客服服务态度”，“淘宝商家服务质量”之间也会有着非常紧密的正相关关系，相关系数值分别是0.673和0.606。

5、剖析

相关分析仅仅是研究有没有关系与否，如果从常理上应该有关系，那么相关系数总会呈现出显著性。通常来说，相关分析之后还需要接着研究影响关系，使用回归分析方法。

补充资料参考

SPSSAU-SPSS相关分析帮助手册

SPSSAU-SPSS回归分析帮助手册

SPSSAU-相关分析/回归分析区别联系

作者：SPSSAU
链接：https://www.zhihu.com/question/22114982/answer/583955025
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。