您现在的位置是：结局

皮尔森,SPSS中pearson（皮尔逊相关系数）看r值还是P值，确定相关

2020-11-07 08:17结局

简介正示两变量正，即随另一个的增大而增大，减小而减小，趋势相同；负值表示两变量负相关，即一个随另一个的增大而减小，变化趋势相反。P>0.05表明没有相关性，P<0.05才有相关性。在有相关性的情况下，再看 SPSS中pearson（皮尔逊相关系数）看r值还是P值，确定相...

正示两变量正，即随另一个的增大而增大，减小而减小，趋势相同；负值表示两变量负相关，即一个随另一个的增大而减小，变化趋势相反。

P>0.05表明没有相关性，P<0.05才有相关性。在有相关性的情况下，再看是否为正负相关，若为负相关，表明一个变量随另一个变量的增大而减小。

SPSS中pearson（皮尔逊相关系数）r值和P值，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。

扩展资料

相关系数r的绝对值越大，相关性越强：相关系数r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。

通常情况下通过以下取值范围判断变量的相关强度：相关系数 0.8-1.0 极强相关，0.6-0.8 强相关，0.4-0.6 中等程度相关，0.2-0.4 弱相关，0.0-0.2 极弱相关或无相关。

对于x、y之间的相关系数r ：当r大于0小于1时表示x和y正相关关系，当r大于-1小于0时表示x和y负相关关系，当r=1时表示x和y完全正相关，r=-1表示x和y完全负相关，当r=0时表示x和y不相关。

如衡量国民收入和居民储蓄存款、身高和体重、高中成绩和高考成绩等变量间的线性相关关系。当两个变量都是正态连续变量，而且两者之间呈线性关系时，表现这两个变量之间相关程度用积差相关系数，主要有Pearson简单相关系数。

下面是更多关于皮尔森的问答

正值表示两变量正相关，即一个随另一个的增大而增大，减小而减小，变化趋势相同；负值表示两变量负相关，即一个随另一个的增大而减小，变化趋势相反。追问

那同时在正相关的数据中p>0.05,而负相关相关p<0.05，这样的数据又作何分析呢？

本回答被网友采纳首先看显著性也就是sig值或称p值。

它断r值，也即相关系没有统计学意义

判定标准一般为0.05。

由表可知，两变量之间的相关性系数r=-0.035，

其p值为0.709>0.05,所以相关性系数没有统计学意义。

无论r值大小，都表明两者之间没有相关性。

如果p值<0.05，那么就表明两者之间有相关性。

然后再看r值，|r|值越大，相关性越好，正数指正相关，负数指负相关。

一般认为：

|r|大于等于0.8时为两变量间高度相关；

|r|大于等于0.5小于0.8时认为两变量中度相关；

|r|大于等于0.3小于0.5时认为两变量低度相关或弱相关，

|r|小于0.3说明相关程度为极弱相关或无相关。

所以判断相关性，先看p值，看有没有相关性。

再看r值，看相关性是强还是弱。本回答被提问者和网友采纳 spss里的pearson相析的作用就是单纯考量两两之间的关系，虽然你可以在分析次放入多个变量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。

然而回归不同，回归的结果是综合所有进入回归方程的自变量对因变量的结果而成的，也就是说，在回归当中你所看到的相关，是在控制了其他进入回归方程的变量之后的。

因此，普通相关与回归之中的回归系数会有比较大的差别。举个例子，比如你考查变量a，b，c之间的关系，如果你使用一般的相关，那么其结果呈现的是a和b的简单相关，b和c的简单相关，a和c的简单相关，每一个相关都只涉及到两个变量，而与第三个变量无关，但如果是回归，回归里a和b的相关是在减去c变量的效应之后的，b和c的相关是在减去a的效应后的，a和c的相关是减去b的效应后的。

计算方法不同，得出的结果就不同。所以相关性分析时两变量负相关,回归分析却是正相关这很正常。出现任何形式的不同都不奇怪相关性分析的表格输出是一个矩阵

你只需要看横者纵1和2的交叉系数都可以

pearson相关性表是两者相关系数的大小，-0.397 表示两者是负相关，相关性大小为0.397

显著性的0.000也就是p值，用来判断相关性是否显著本回答被网友采纳上面是R 下面是平方你算算 0.737 平方是多少

使用在线版spss软件结果会更加清楚，输出包括平均标准差，以及相关系数和P