在线SPSS做相关性分析的图文教程

1、正态性：相关分析要求数据服从正态分布，因此分析前需要检验数据的正态性。

正态性有多种检验方法，常见方法如：正态图、正态性检验、P-P图/Q-Q图等。

由于相关分析对正态性要求比较宽松，即使违反计算结果也比较稳健，只要数据基本满足正态即可。如果数据完全不正态，则可以用Spearman相关系数。

2、查看线性趋势：当两个定量数据在散点图上的散点呈现直线趋势时，就可以认为两者存在直线相关趋势，这也是相关分析的一个基本前提。

例如下图，当X增大时，可以比较明显地看出Y会随着增大，说明X和Y之间有着正向相关关系。如果是负相关，散点图会呈现随着一个变量值的增加，另一个变量值降低的趋势。

3、检验异常值：相关分析对极端值较为敏感，异常值会影响分析结果。需要在分析前查看是否存在异常值，保证结果的可靠性，此步可以和上一步一起通过散点图查看。

如果存在极端值，需要在分析前进行剔除。使用方法：SPSSAU数据处理->异常值

4、相关系数类型：SPSSAU提供了三种相关系数，分别是Pearson、Spearman，Kendall相关系数。

多数情况下，建议使用pearson相关系数。

如果数据不满足正态性或不满足线性关系，可以考虑使用Spearman相关系数。 

Kendall相关系数用于判断两个变量的等级相关性，是否具有一致性，比如评委打分，数据排名等。

5、操作步骤：点击[通用方法]--[相关]。

将变量从左侧拖拽到分析项处，点击‘开始相关分析’即可。

6、指标解读：

需要注意的是相关系数代表变量之间的相关程度，相关系数越大，说明相关程度越紧密。

P值用于判断相关系数是否有统计学意义，P<0.05即说明变量间有相关关系，P值并不代表相关关系的强弱。

平均成绩、能力评分两个分析项交叉处的数字代表相关系数，而星号代表P值。一个星号代表P<0.05,两个星号代表P<0.01。如果没有星号，则说明P值>0.05。