spss做正负相关

SPSS可以导入外部数据啊,不过我都是用复制粘贴的,SPSS里的相关是以列来的哦,就是说你导入的时候注意每一列都可以加一个名称啊,然后列与列之间做因子分析,不知道你的数据是怎么样啊,有的时候还要算一下

因子分析时候有个选项里面是选择保存因子得分然后在原始数据的最后面就会有几列新的数据出来其中就包括了你提取出来的几个主因子的得分然后你要求相关就是把新出来的几列因子得分之间就好了,但是提取出来的因子之间

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

因变量就是指的一个变量,如果有多个指标,那么因变量又无法直接观测,那就是潜变量模型了

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。

将你和结果的模拟y与真实y画出来就行了y=f(x1,x2,x3)的散点图是不存在的

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.

正相关的话,用相关分析就可以.或者就是在回归分析中看那个系数,系数是正的,并且后面的P值是显著的,不仅说明他们是正相关,还可以说明A的变化会给B带来怎么样的变化

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

50分的问题……果然好麻烦的说,因为涉及很多检验没用SPSS做过时序,说Eviews吧打开你要建模的序列,假设是x,点这个变量窗口工具栏里的view-correlogram.这里有几个参数：level

我学过一点SPSS~还是略懂,hello,本人是统计学的,不知道你相分析什么数据的呢?、

连续型变量用Pearson相关,分类变量Spearman相关第一个表看对应的相关系数-0.098,P值0.002,小于0.05,有统计学意义.说明存在弱的负相关.第二个图就是两个变量的均值与标准差.再

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

囧……为什么我又站在这里给楼上的挑错……纠正一楼的错误,结果显示是默认小数位是3位而已,星号代表了被忽略了的小数位的那些值,双击一下原图就会看见被隐藏的四位以后的数值其他的没问题,两个图都是做出相关分

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

心理学量表根据量表说明先分别计算比如量表有几个维度,先算出几个维度的得分来,然后可以求这些维度之间的相关性也有的量表是不分维度用一个总分来表示,此时就更简单的求相关

整合到一块?就是进行回归分析,将x123作为自变量,y作为因变量,求出三个自变量的回归系数,就可以拟合到一个多元回归方程里了如果说画图,是拟不到一块的,最多画出来的也是y和三个自变量的矩阵相关图,用来

思维度计算方法：Data->Compute->填写TargetVariable(指的是目标值,这里是通过计算得到四个维度的值,然后存在一个变量里,这个变量的变量名就是TargetVariable,一般

相关性分析前,务必先做个散点图,以初步判断两变量是否存在相关趋势,该趋势是否为直线,以及数据中是否存在异常点.SPSS的相关分析功能被集中在Statistics菜单中的Correlate子菜单中.该子

QQ我,进我空间就知道了