您的当前位置:首 页 >> 信息中心

01���������������������������������������������,SPSS做相关分析,通过了显著性检验,但相关系数低,怎么解释?

发布日期:2022-01-18 18:01:32 作者: 点击:

相关分析用于研究定量数据之间的关系情况,包括是否有关系,以及关系紧密程度等。

1、如果呈现出显著性(结果右上角有*号,此时说明有关系;反之则没有关系);有了关系之后,关系的紧密程度直接看相关系数大小即可。一般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。

2、如果说相关系数值小于0.2,但是依然呈现出显著性(右上角有*号,1个*号叫0.05水平显著,2个*号叫0.01水平显著;显著是指相关系数的出现具有统计学意义普遍存在的,而不是偶然出现),说明关系较弱,但依然是有相关关系。

3、相关分析是回归分析的前提条件,首先需要保证有相关关系,接着才能进行回归影响关系研究。

4、因为如果都显示没有相关关系,是不可能有影响关系的。如果有相关关系,但也不一定会出现回归影响关系。

相关分析的操作步骤

1. SPSSAU用户可自由拖拽分析项进入分析列表框,区别仅在于输出格式不同。

2. 相关分析使用相关系数表示分析项之间的关系;首先判断是否有关系(有*号则表示有关系,否则表示无关系);

3. 接着判断关系为正相关或者负相关(相关系数大于0为正相关,反之为负相关);

4. 最后判断关系紧密程度(通常相关系数大于0.4则表示关系紧密);

5. 相关系数常见有两类,分别是Pearson和Spearman,本系统默认使用Pearson相关系数。在相关分析之前,SPSSAU建议可使用散点图直观查看数据之间的关系情况。除此之外,SPSSAU还提供Kendall相关系数。三个相关系数的区别如下表格:

图片来源:SPSSAU官方帮助手册案例分析

1、背景

比如想研究“淘宝客服服务态度”,“淘宝商家服务质量”分别与“淘宝商家满意度”,“淘宝忠诚度”之间的关系情况,此句话中明显的可以看出“淘宝客服服务态度”,“淘宝商家服务质量”这两项为 X;而“淘宝商家满意度”,“淘宝忠诚度”这两项为 Y

2、操作

本处区分了X和Y,所以对应放入即可。如果并不区分X或者Y,此时直接把所有项放入“分析项Y(定量)”框中即可。

图片来源:SPSSAU官方帮助手册

3、SPSSAU输出结果

图片来源:SPSSAU分析结果页面图片来源:SPSSAU分析结果页面

4、文字分析

上表使用相关分析去研究“淘宝商家满意度”,“淘宝忠诚度”分别与“淘宝客服服务态度”,“淘宝商家服务质量”之间的相关关系情况,并且使用Pearson相关系数去表示相关关系情况。从上表可以看到:

“淘宝商家满意度”分别与“淘宝客服服务态度”,“淘宝商家服务质量”之间均呈现出显著性(P