SPSS中Pearson直線相關性分析操作及結果解讀

Pearson線性相關性分析常用來定量描述兩個定量變量間直線相關的方向和密切程度。Pearson線性相關性分析只能用於兩個定量變量之間的分析，而且要求兩個變量都呈正太分佈，而且是隨機變量，並不是人為控制的變量（例如給不同的小鼠不同的給藥劑量，其中的的不同劑量就是人為非隨機變量），其他注意事項請看本條末尾。我們以一組學生考試成績為例，分析學生的歷史成績和綜合成績之間是否有線性關係以及密切程度。

操作方法

（01）在進行Pearson直線相關分析前我們需要先將歷史成績和綜合成績繪製在一個散點圖內，觀察我們的數據是否可以進行Pearson線性相關性分析。點擊“圖形”-“圖表構建器”，在彈出的對話框中點擊“確定”。（如果沒有彈出圖中對話框則忽略，直接下一步）

（02）在“圖標構建器”中選擇“散點圖”，然後選擇“簡單散點圖”；然後將左邊的“歷史”和“地理”拖到X和Y軸上（順序可調換），然後點擊確定。

（03）可以得到如下圖的結果，我們可以看到，圖中的散點分佈呈一個橢圓型，散點有線性趨勢，説明我們是可以進行線性相關性分析。（這只是一個簡單的初步判斷）。

（04）回到數據視圖，點擊“分析”-“相關”-“雙變量”；

（05）在彈出的對話框中將“歷史”和“綜合”選入到右邊的變量框中，下方是相關係數選擇“Pearson”，點擊“確定”，輸出結果。

（06）在結果中我們可以看到，“歷史”和“綜合”的相關係數是0.841，即|r|=0.841；右上角有兩個星號，左下角有註明“**"表示相關性在0.01上是顯著的，説明"歷史"和“綜合”的相關性是顯著的；我們一般認為相關係數|r|在0.8-1.0之間是極強相關；0.6-0.8之間是強相關；0.4-0.6 之間是中等程度相關；0.2-0.4之間是弱相關；0.0-0.2則是極弱相關或無相關。結果論文中的表達方式如圖。

（07）注意1：繪製散點圖只是一個簡單的判斷，如果你的散點圖不是呈橢圓型，那麼你最後的結果可能是相關程度不高或者P＞0.05,都説明他們之間相關性太弱或不存在線性相關關係。

（08）注意2：分層資料不能隨便合併，例如下圖（A）中，將原本具有相關性的資料合併後造成無相關性的假象；圖（B）將兩個無相關性的樣本合併後造成正相關的假象。

（09）注意3：出現離羣點的時候要謹慎使用相關性分析，如圖（C）中的這個明顯離羣的點，計算的時候包含和不包含對結論會產生很大的影響，甚至得出相反的結論，對於這種明顯離羣的點我們要認真核對數據的收集和錄入過程，或者重複實驗。

特別提示

相關關係不一定是因果關係，也可以能是伴隨關係。