作业帮pearson相关性分析相关系数很大但不显著
来源：学生作业帮助网 编辑：作业帮 时间：2024/05/16 11:28:21
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
pearson相关性分析的条件是两个变量之间呈线性的相关趋势,此时的相关系数大小会比较准确至于两个变量是否相互影响都没关系另外相关分析只能说明两者之间的互相关系,并不能说明因果关系
一般带一个星号的是水平0.05,两个星号的是0.01,没有星号的不显著
一般直接看相关系数和显著性双侧.你这个一列一列的看要方便些,比如第一列,表示为x1和其他各变量之间的相关性,x1和x2的相关系数为-.022,显著性双侧为0.972,说明这两个变量间无相关性,依次类推
不相关.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.大于0.05则说明不相关,或者相关性不强,也可以简单理解为不相
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
两者没有相关性p>0.05再问：请问p是什么值，0.548吗，那0.277和7是什么意思再答：7是例数。相关系数r=0.277，P=0.548>0.05，表明相关性不显著。
看Linear-by-LinearAssociationLinear-by-LinearAssociation是指你所分析的列联表（Crosstable）它的行变量（Rowvariable）与列变量都
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.
“员工缺勤率”下面有两个分支问题（变量）你可以采取下列两种方法来处理1、你可以将员工缺勤率下面的两个分支变量合并成一个,譬如,假如你把员工缺勤率分为员工迟到次数和员工早退次数的话,你就可以把这两个加起
这个……发现你对统计一点都不理解……性别是分类变量你这里的应变量是等级分类变量暂时还不知道你要分析哪些指标的相关性.建议：找对统计了解的人解决.
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.
互相关函数就可以,不过你用的这个函数是在频域的相关性,但貌似你在做金融分析?corrcoef函数可能更合适吧.再问：貌似老师让用的就是在频域用互功率谱啥的分析，这个你知道怎么弄吗？再答：二者在意义上区
两个值都要看,r值表示在样本中变量间的相关系数,表示相关性的大小；p值是检验值,是检验两变量在样本来自的总体中是否存在和样本一样的相关性.
那你分析错误了,操作对吗再问：对的，回归分析得出结果和相关性分析的不一样，这种情况不存在的吗。可以解释吗再答：肯定做错了的，一般不会
spss里的pearson相关分析的作用就是单纯考量变量两两之间的关系,虽然你可以在分析时一次放入多个变量,但出来的结果都是两个变量的简单的相关,也就是不在求两变量相关时考虑其他的控制变量.然而回归不
显著的负相关性再问：为什么显著相关，请分析一下。。不是相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱么。再答：
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|