SPSS相关性系数怎么看 SPSS如何求相关系数

SPSS软件可以进行数据的相关性分析，判断两组数据之间是否存在联系，相互影响或者服从某种分布。相关性常常以相关性系数评价，那么SPSS相关性系数怎么看？SPSS如何求相关系数？本文以最典型的线性相关分析Pearson统计为例，向大家介绍SPSS相关性分析的步骤以及结果解读。

1.SPSS相关性系数怎么看

Pearson统计用于评估两组数据是否符合线性关系，两组数据线性相关性越强，Pearson相关系数就越接近1（线性递增）或-1（线性递减）。一般认为，Pearson相关系数<0.3无相关性，0.3～0.7弱相关性，>0.7较强的相关性。图1为一组数据的线性相关性检验，Peason相关系数0.984，表明两者有较强的线性相关性。

需要注意的是，关注相关系数的同时需要关注显著性系数，显著性系数小于0.05，两者呈线性相关的概率高于0.95，有统计学意义，本例中显著性系数（Sig.(双尾)）为0.000，小于0.05。综合考虑认为变量1和变量2呈线性相关。

图1Pearson线性相关系数

2.SPSS如何求相关系数

仍然以Pearson统计为例，向大家讲解SPSS相关系数求解方法，打开SPSS软件以后，输入需要进行统计计算的数据，如图2所示。

图2输入数据

Pearson统计为相关性分析，可通过SPSS的“相关”统计计算功能实现，我们依次点击分析-相关-双变量，打开统计计算界面。

图3打开相关分析功能

在图4所示的计算界面中我们需要将统计数据添加至变量中，如第一步所示，然后我们选择皮尔逊（Pearson）相关系数，点击确定，SPSS将进行Pearson统计计算，计算结果如图1所示。

图4进行皮尔逊相关系数计算

3.关于SPSS的相关性系数

上文提到除了Pearson（皮尔逊）相关系数，还有Spearman（斯皮尔曼）相关系数和Kendalltau-b（K）（肯德尔），如图4所示，他们之间有什么不同呢，用户如何根据数据类型进行选择呢？这里可以告诉大家一个小技巧，Pearson相关系数并没有考虑数值的顺序性，而Spearman和Kendall相关系数考虑到了数值的顺序性，这在两者的计算公式中有所体现，Spearman和Kendall的计算公式对数据进行了分级运算，感兴趣的用户可以自行查阅，因此对依赖于顺序的统计，建议大家使用Spearman和Kendall相关系数进行计算。不依赖于顺序的统计数据，大家可以采用Pearson相关系数计算。

SPSS的相关性系数怎么看，需要结合相关系数计算结果和显著性水平，以Pearson统计为例，Pearson相关系数绝对值越接近1，同时显著性系数小于0.05，说明两组数据符合统计学的线性相关，SPSS如何求相关系数，可在SPSS的相关功能中进行求解，对于双变量，SPSS提供了皮尔逊，肯德尔Tau-b(k)和斯皮尔曼三种相关性分析功能，用户可以根据数据类型进行科学的选择。