皮尔森相关性分析，皮尔森相关性分析结果怎么看?？

spss皮尔森相关系数分析表示在样本中变量间的相关系数，表示相关性的大小。

一般来说相关性大小要看显著性达到什么程度。显著性越小说明相关程度越高。显著性小于0.05则为显著先关，小于0.01则为极显著相关。

“皮尔森卡方检验”的虚无假设（H0）是：

一个样本中已发生事件的次数分配会遵守某个特定的理论分配。

在虚无假设的句子中，“事件”必须互斥，并且所有事件总机率等于1。或者说，每个事件是类别变量（英语：categorical variable）的一种类别或级别。

简单的例子：常见的六面骰子，事件=丢骰子的结果（可能是1~6任一个）属于类别变量，每一面都是此变量的一种（一个级别）结果，每种结果互斥（1不是2, 3, 4, 5, 6; 2不是1, 3, 4 ...），六面的机率总和等于1。

以上内容参考：百度百科-皮尔森卡方检验

spss皮尔森相关系数分析表示在样本中变量间的相关系数，表示相关性的大小。

一般来说相关性大小要看显著性达到什么程度。显著性越小说明相关程度越高。显著性小于0.05则为显著先关，小于0.01则为极显著相关。

spss皮尔森相关系数分析研究报告：

相关系数的绝对值越大，相关性越强：相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。

通常情况下通过以下取值范围判断变量的相关强度：

相关系数 0.8-1.0 极强相关。

以上内容参考：百度百科-Pearson相关系数

皮尔森相关性分析结果首先看Y与X是否有显著关系，即P值大小。接着分析相关关系为正向或负向，也可通过相关系数大小说明关系紧密程度。

一般相关系数在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。如果不太会对结果进行分析解读，SPSSAU还提供了智能分析建议。

进行皮尔逊相关性分析，需要借助相关统计分析工具，关于分析工具这里推荐使用SPSSAU，在线对各种数据进行编辑和统计分析。无需下载软件安装包，无需经过繁琐的安装过程，也不必花大量时间学习如何操作软件。

皮尔逊相关系数的变化范围为-1到1。系数的值为1意味着X和Y可以很好的由直线方程来描述，所有的数据点都很好的落在一条直线上,皮尔逊相关系数有一个重要的数学特性是，因两个变量的位置和尺度的变化并不会引起该系数的改变，即它该变化的不变量(由符号确定)。

皮尔森相关系数是传统的统计分析工具，应用广泛。但其有明显的理论局限，即只能度量线性的相关性，隐含地做了高斯性假设，使其无法在非线性和非高斯的情况下应用。

CE对变量不做任何假设，可以应用于所有相关性分析的情况，是理想的相关性分析工具，可以完美替代Pearson相关系数等传统工具。

分析工具推荐

现实研究中使用Pearson相关系数的情况比较多。

进行皮尔逊相关性分析，需要借助相关统计分析工具，关于分析工具这里推荐使用SPSSAU，在线对各种数据进行编辑和统计分析。无需下载软件安装包，无需经过繁琐的安装过程，也不必花大量时间学习如何操作软件。

第一行是相关系数，第二行是概率值sig，如果sig值<0.05，说明总体中两变量显著相关，而且相关系数右上角出现星星符号。

通常sig<0.05即认为显著，有统计学意义（有统计学意义或者说显著的意思是说这种相关性可以分辨出来，不表示相关的大小，就好像用显微镜可以看到细胞并不能说明细胞很大）。

如果不显著，即便相关系数很大，也不能说明该相关有意义，相关性有可能是抽样误差所致，但这个时候可以考虑增大样本容量后再分析看看。

软件功能

SPSS是世界上最早采用图形菜单驱动界面的统计软件，它最突出的特点就是操作界面极为友好，输出结果美观漂亮。它将几乎所有的功能都以统一、规范的界面展现出来，使用Windows的窗口方式展示各种管理和分析数据方法的功能，对话框展示出各种功能选择项。用户只要掌握一定的Windows操作技能。