spss做spearman相关性比较有什么条件啊

这个首先要看你的变量数据是否都属于连续性数据,如果都是连续性数据,然后绘制一下变量的散点图,看看是否是显著的不符合正态分布,如果完全不符合的话那就只能用其他的来分析,如果只是略微偏态还是可以用pear

SPSS可以导入外部数据啊,不过我都是用复制粘贴的,SPSS里的相关是以列来的哦,就是说你导入的时候注意每一列都可以加一个名称啊,然后列与列之间做因子分析,不知道你的数据是怎么样啊,有的时候还要算一下

因子分析时候有个选项里面是选择保存因子得分然后在原始数据的最后面就会有几列新的数据出来其中就包括了你提取出来的几个主因子的得分然后你要求相关就是把新出来的几列因子得分之间就好了,但是提取出来的因子之间

看你的分析是否有必要控制无关变量后进行相关,如果没有必要,就采用直接相关来解释就可以了不过如果严谨的来说,应该是采用偏相关的结果,这个毕竟是两者的净相关再问：数据的pearson相关不显著而spear

因变量就是指的一个变量,如果有多个指标,那么因变量又无法直接观测,那就是潜变量模型了

将你和结果的模拟y与真实y画出来就行了y=f(x1,x2,x3)的散点图是不存在的

和正态分布没有关系,你的两个变量应该是连续变量,用pearson相关比较合适.spearman相关系数是对顺序变量做的.

sig说明你的变量之间肯定存在相关关系,相关系数非常小说明你的相关是很弱很弱的相关,要是说显著性的话,毫无疑问你的数据肯定是显著相关的,只是相关很弱.ppv课,大数据培训专家,最权威的学习网站,学习s

正相关的话,用相关分析就可以.或者就是在回归分析中看那个系数,系数是正的,并且后面的P值是显著的,不仅说明他们是正相关,还可以说明A的变化会给B带来怎么样的变化

在实验室或严格情况下才会出现自变量与因变量你有用pearson和Spearman相关必然只是两个量的相关非标准化系数最不能说明问题线性回归方法有4个不知道你用的是哪个

不能只看相关系数的大小,主要看显著性水平,你做出来的相关系数确实是有些低,很可能是与数据量比较多有关.如果你分析过程没有错误,p真的等于0.003的话,应该是显著相关的.再问：谢谢，我还想问一下，我的

50分的问题……果然好麻烦的说,因为涉及很多检验没用SPSS做过时序,说Eviews吧打开你要建模的序列,假设是x,点这个变量窗口工具栏里的view-correlogram.这里有几个参数：level

我学过一点SPSS~还是略懂,hello,本人是统计学的,不知道你相分析什么数据的呢?、

这是一个两个变量之间的相关性分析结果.使用的参数是Pearson指数.Pearsoncorrelation是一个相关系数,它指出了两个变量之间相关的亲密程度和方向.这个数值的绝对值越大越说明两个变量的

有没有相关性主要看P值也就是sig.(two-tailed),大于0.05不显著,小于0.05显著,小于0.01极显著.而上表可知,customersatis与brandvalueP值为0.396,与

心理学量表根据量表说明先分别计算比如量表有几个维度,先算出几个维度的得分来,然后可以求这些维度之间的相关性也有的量表是不分维度用一个总分来表示,此时就更简单的求相关

整合到一块?就是进行回归分析,将x123作为自变量,y作为因变量,求出三个自变量的回归系数,就可以拟合到一个多元回归方程里了如果说画图,是拟不到一块的,最多画出来的也是y和三个自变量的矩阵相关图,用来

相关性分析前,务必先做个散点图,以初步判断两变量是否存在相关趋势,该趋势是否为直线,以及数据中是否存在异常点.SPSS的相关分析功能被集中在Statistics菜单中的Correlate子菜单中.该子

看里面的Pearson那一行就是相关系数是正数为正相关负数为负相关一般来说|r|>0.95存在显著性相关；|r|≥0.8高度相关；0.5≤|r|

QQ我,进我空间就知道了