在spss中进行相关分析必须是针对原始数据吗

用典型相关分析,做不到你说的回归分析,回归需要因变量只有一个,你可以用因子分析提取一个共因素,然后再进行回归

首先建立两个变量如x,y,把数据录入进去（两列）,在analysis里头,选correlate,分别把x,y放进去,点OK就可以得到结果.再问：我用的是中文版的SPSS，点击：分析—相关-双变量相关，

一般统计分时所做的相关是指Pearson相关或者Spearman相关,而Losgistic回归也即多元回归分析是一个更高层次的相关分析,数据要求质量比较高.如果数据用Pearson相关或者Spearm

你这里不是要做相关分析,可能你要做回归分析吧你首先得把相关分析和回归分析的概念弄清楚我替别人做这类的数据分析蛮多的再问：我做了3因素重复测量方差分析，然后选择影响显著的因素进行了多元回归分析，然后老师

对的系数不显著的的提出就行了再问：如果结果中Sig.值都大于0.05，是不是该换个因变量？再答：你的自变量是不是不合理啊再问：怎么看合不合理？

用因子得分FAC1-1做回归,那个因子载荷阵是原变量与因子的相关系数,你可以参考网上的文献,另外新生成的因子是不相关的,不用做相关分析了

在这地方有些说不清楚,我给你找到这个例子,说的比较明白,你看看：http://blog.sina.com.cn/s/blog_4af3f0d20100byr9.html

这个你用探索性因素分析,得出了8个因子是吧,然后你要求分因子和维度的相关,这个要有相关系数矩阵,就是在因素分析里面,最常用的是协方差矩阵和相关系数矩阵哪里有的.你对8个因子提出一个均值是什么意思?你把

从事物的关系看,事物之间的关系都可以看做相关或者不相关,这是一个大的定义.但是相关性里面又包括简单的相关性以及因果关系的相关性.所以相关分析和回归分析都可以看做是研究相关关系的,但是简单相关只是笼统的

看你的目的了你如果只是要看这些自变量之间的相关性,那就这样就可以了.如果你要将自变量进行主成分分析,那相关性高就适合做因子分析如果你要将自变量与因变量构建模型,那自变量的相关性高,说明共线性严重,需要

现实中的很多现象可以划分为两种可能,或者归结为两种状态,这两种状态分别用0和1表示.如果我们采用多个因素对0－1表示的某种现象进行因果关系解释,就可能应用到logistic回归.　　Logistic回

不能用皮尔森相关检验,结果只能说明两变量的相关性,不能推及到有没有相互影响的结论.统计理论与语言都是要求很严谨和精确的,有没有影响可以做回归分析,如果结果是有影响,也只能说是自变量X对因变量Y有影响,

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

0.737是二者的相关系数,0.544是相关系数的平方.在本例中的意思是说对于死于肺癌的结果,香烟的贡献率为0.544.

可能是,你选择的控制变量个数只有一个,用单因素方差分析,不需要用多因素方差分析.但更可能是你的观测变量不是定距型及以上变量,软件不接受.选择与变量有关系的因素,通常参考别人的研究经验和自己的经历.

在SPSS软件中,没有关联性分析这一功能,你的理解可能是正确的,即相关性分析.

晕,T检验(独立样本T检验、相关样本T检验)、方差分析（one-wayanova;univerate;repeatedmeasure）、非参检验（卡方检验,crosstable等）都可以来看显著性.你

的正负表示的是两变量直线相关的方向,绝对值大小表示相关的密切程度,越接近1,相关密切程度就越高,r值大于零为正相关,sig即概率P,为0.000表示有统计学意义,故可以认为两个变量之间具有正相关关系.

则选择Data--Orthogonal\x0dDesign--generate,弹出的就是正交设计窗口：\x0dFactorname框：输入A：单击ADD钮：单击Define\x0dvalue钮：分别