发布时间：
开始做数据分析：
在工具栏处，点击：
“分析”----”相关”----“双变量”，如下图所示，则开始进行变量的选择
如图，需要先确定要分析的变量，首先将两个变量放入“变量”框中。
此时，需要注意，要分析哪几个变量就只能选择那几个变量，而不能将所有的变量选入；
当然，如果分析的是多有的变量，也可以同时将所有的变量选入
然后，选择在“相关系数”框中选择“Pearson”。
因为，这里的两个变量为连续性的变量，因此采用pearson 相关分析；
若为两个分类变量，或者一个分类变量一个连续性的变量，则可以用Spearman 相关分析
选择好变量之后，如果需要对数据进行一定的描述，或者查看，可以打开右上角的按钮，即选择“选项”，如下图所示
大部分分析需要对原始数据进行统计描述，即如果需要进行描述性分析，可以选择均值和标准差，如上图所示的.mean （均值）和 sd （标准差），分别对数据的大小和离散程度作出一定的描述，并点击“确定按钮”
如果需要对数据进行模拟分析，则可以选择右上角的“bootsTrap”模拟分析，打开后如下图所示。
其中样本数为需要模拟的总共的次数，可以自己定义；后面的种子数，是开始模拟随机数字的起始种子数，同样可以自行定义。其中的置信区间为CI， 即结果的可信区间
单击确定后，再output窗口中可以看到：结果如下所示。
结果给出两个分析，一个是描述性分析，为以下的第二个图，和pearson 相关分析结果为第一个图。
一般结果，应该先描述第二个图的表格含义，
其中mean表示均值，为两个连续性变量的均数；第二个值为Std. Deviation 表示标准差，即原始数据的标准差
第一个图为pearson correlations表格为相关系数表
其中pearson correlation 为相关系数
sig 为P 值（<为有显著性意义）
N 为样本量
1、在spss的主界面上输入数据以后，通过分析那里点击非参数检验中的相关样本。
2、这个时候来到一个新的窗口，设置检验对并选择威尔科克森。
3、下一步如果没问题，就直接进行确定。
4、这样一来会生成详细的数据结果，即可用spss做相关性分析了。
相关性分析spss步骤
操作路径【分析→相关→双变量】
将变量放置分析框内，勾选pearson以及双侧检验后点击确定。
结果：
SPSSAU相关分析
操作路径【通用方法→相关（pearson相关）】 ，将数据拖拽到右侧分析框内。点击【开始分析】；
结果：
上表可以看出二者的相关系数约为，并且p值小于，所以说明薪资与购买意愿具有相关关系。
同时发现与SPSS的结果完全一致，但是SPSSAU操作起来更方便，结果更加丰富易懂。
SPSS相关性分析操作步骤，1、打开SPSS软件，在分析菜单中选择因素和相关性，也可在数据菜单中选择相关，2、点击相关性，在弹出的对话框中选择要进行研究的变量，点击确定按钮，3、点击完成按钮，可以多次再点完成来添加变量，4、点击右侧计算按钮，开始运算，5、点击OK按钮，得出运算结果，6、在实体输出窗口中，显示出结果，7、在另一个输出窗口中，可以查看更多细节，包括因子相关系数在分析等。相关性分析是统计分析的一种，它的主要作用是检验两个变量之间的关系，这些变量可以是两个数值型变量，也可以是一个数值型变量和一个分类型变量。通过对数据的计算，可以得出相关系数，从而判断两个变量之间是否存在正相关、负相关或者无相关关系。SPSS中，为了更方便快捷地进行相关性分析，它提供了丰富的功能。可以通过尝试不同的分析模型，如多重线性回归分析、逐步回归分析等，对多个变量之间的关系进行检验，从而得出有效结论。同时，SPSS中还有很多其它分析工具，如多元统计分析、集中趋势分析等，有助于更全面准确地识别和分析变量之间的关系。
亲，您好，希望我的回答能帮到您：相关性分析是一种常用的数据分析方法，用于研究两个或多个变量之间的相关程度。相关性分析的前提是变量之间具有一定的关系或联系，可以通过统计方法来检验变量之间的相关性。在进行相关性分析时，需要明确研究的变量及其测量方式，并通过相关系数等指标来衡量变量之间的相关程度。此外，还需要对数据进行前提假设检验，以确保所得结果的可靠性和有效性。如果相关性分析是在学术论文中进行的一项研究方法，那么需要在论文中明确表述相关性分析的前提条件和假设检验方法，并详细描述所用的相关系数和数据分析工具。这样可以让读者更清晰地了解该项研究方法的原理和可靠性，同时也可以增加研究的可信度和可重复性。
相关性分析不通过可以不放，但毕业论文最好要放，对相关性分析不显著结果需要进行合理解释。一般期刊论文不放的，因为篇幅有限。但是作为一个规范，会做这个检验，只是不在论文里面贴出来。一般实证论文中，相关性分析主要用途在于检查回归模型中自变量是否具有严重的多重共线性。
研究方法通常可以分为三大类，分别是差异关系，相关关系和其它关系。
参考资料：
数据可以找找，非得要弄问卷调查吗
没问题，数据分析你要提供数据
spss数据分析论文有具体的排版格式.
首先来回答你的问题：1. 非标准化系数就是回归方程的斜率，表示每个自变量变化1个单位，因变量相应变化多少个单位，该系数与自变量所取的单位有关，一般不用来衡量自变量的影响力大小。2. 标准化系数消除了自变量单位的影响，其大小可以衡量每个自变量对因变量的影响力之大小，一般来说，标准化系数的绝对值越大，该自变量对因变量的影响力就越大。其次，大致给你提出点分析和建议（2-4条的前提是样本量够大）：1. 样本太小，只有5组数据，得到的结果往往不可靠，强烈建议增大样本量，否则统计分析可能毫无意义，甚至造成错误。2. 从自变量t检验结果来看，逗其来石含量地与逗颈部密度地对应的sig值均超过了，用统计专业的话来说，这意味着逗在的显著性水平下，这两个自变量与因变量不显著相关地，通俗的说，在自变量平均孔径存在的前提下，这两个变量基本可以排除出方程了。3. 从偏相关性来看，3个自变量之间有极强的相关性（或共线性），因为强相关的自变量往往会导致不合理的统计分析结果，因此理论上他们不可以一起放入方程。4. 建议你在做多元线性回归分析的时候采用多元逐步回归，这样可以按自变量影响力的大小自动排除强相关的变量，也可以自动排除对因变量无显著影响的自变量，从而得到更可靠的分析结果。
怎么做相关分析？
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。例如：研究员工薪资与员工工龄的关系；产品销量与产品售后服务的关系等。
相关分析的适用范围很广，理论上讲，凡是考察两个变量相关性，都可以叫做相关分析。相关分析研究是定量与定量的数据，如果是定类和定量数据需要使用方差分析，定类和定类需要使用交叉（卡方）。
在“通用方法”模块中选择“相关”方法，将分析项定量变量放于分析框内，点击“开始分析”即可。
结果如下：
从上表可知，利用相关分析去研究公司满意度和人际关系, 机会感知, 离职倾向, 工作条件共4项之间的相关关系，使用Pearson相关系数去表示相关关系的强弱情况。
其中上表展示了各个变量的均值标准差以及相关系数等，例如：公司满意度的平均值为，标准差为，人际关系的平均值是，标准差为，机会感知的平均值以及标准差为，以此类推。
补充说明：对于相关分析，一般规范的表格格式是：p值使用*号表示（标识在相关系数的右上角），p< 使用2个*号表示；p< 使用1个*号表示。同时 SPSSAU也提供一个带具体p 值的结果表格。
其实这个很简单，我想给你举个例子吧。比如分析SOD和TEM的相关性，你SOD的数字为1,2,3,4,5；TEM的为2,4,5,6,7.你先把spss打开，在第一列输入SOD的五个值，在第二列输入TEM的五个值，然后把所有的数值全选中，点击分析，再选相关，选择相关选项里的双变量，点击以后出现对话框，把第一列和第二列都选入右边变量对话框，另外的几个打钩的选项都不用改，再按选项按钮，统计量下选择均值和标准差，按继续，点确定就可以了。会出现两个对话框，第一个是你SOD和TEM的均值和标准差，第二个框就是你要的相关系数了，照我这个数值算出来相关系数应该是，P=<.你可以照我的做一遍。具体的建议你找本书学着，我也是看着书才慢慢学会的。这个不用急，多看看书就会了。
开始做数据分析：
在工具栏处，点击：
“分析”----”相关”----“双变量”，如下图所示，则开始进行变量的选择
如图，需要先确定要分析的变量，首先将两个变量放入“变量”框中。
此时，需要注意，要分析哪几个变量就只能选择那几个变量，而不能将所有的变量选入；
当然，如果分析的是多有的变量，也可以同时将所有的变量选入
然后，选择在“相关系数”框中选择“Pearson”。
因为，这里的两个变量为连续性的变量，因此采用pearson 相关分析；
若为两个分类变量，或者一个分类变量一个连续性的变量，则可以用Spearman 相关分析
选择好变量之后，如果需要对数据进行一定的描述，或者查看，可以打开右上角的按钮，即选择“选项”，如下图所示
大部分分析需要对原始数据进行统计描述，即如果需要进行描述性分析，可以选择均值和标准差，如上图所示的.mean （均值）和 sd （标准差），分别对数据的大小和离散程度作出一定的描述，并点击“确定按钮”
如果需要对数据进行模拟分析，则可以选择右上角的“bootsTrap”模拟分析，打开后如下图所示。
其中样本数为需要模拟的总共的次数，可以自己定义；后面的种子数，是开始模拟随机数字的起始种子数，同样可以自行定义。其中的置信区间为CI， 即结果的可信区间
单击确定后，再output窗口中可以看到：结果如下所示。
结果给出两个分析，一个是描述性分析，为以下的第二个图，和pearson 相关分析结果为第一个图。
一般结果，应该先描述第二个图的表格含义，
其中mean表示均值，为两个连续性变量的均数；第二个值为Std. Deviation 表示标准差，即原始数据的标准差
第一个图为pearson correlations表格为相关系数表
其中pearson correlation 为相关系数
sig 为P 值（<为有显著性意义）
N 为样本量
一般相关只是单独地分析两个变量之间的相关，它不会去控制其他变量的影响。回归的话是如果你放入多个自变量做回归，那么你看到的某一个自变量的回归系数其实代表的是控制了其他自变量（也就是减去了其他自变量对因变量的效应）后的回归，也就是说，他并不代表该变量单独对因变量的影响。差别就在于是否控制了所关注变量外的其他变量。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。一般以上说明关系非常紧密；之间说明关系紧密；说明关系一般。2、如果说相关系数值小于，但是依然呈现出显著性（右上角有*号，1个*号叫水平显著，2个*号叫水平显著；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。
判断两个或多个变量之间的统计学关联；
如果存在关联，进一步分析关联强度和方向
定类变量：
无序的：性别(男、女)、血型(A、B、O、AB);
有序的：肥胖等级(重度肥胖，中度肥胖、轻度肥胖、不肥胖)
1 相关分析
对定量变量两两之间的相关程度进行分析，例如人的身高和体重之间；空气中的相对湿度与降雨量之间的相关关系
类型：
Pearson相关系数（适用于定量数据，且数据满足正态分布）
Spearman相关系数（数据不满足正态分布时使用）
Kendall's tau -b相关系数（有序定类变量）
案例：研究人的身高和体重之间的关系
问题一：在做回归分析之前为什么要做相关性检验。明明作了相关性检验之后不管结果如何都要全做回归分析的啊。 相关分析相当于先检验一下众多的自变量和因变量之间是否存在相关性，当然通过相关分析求得相关系数没有回归分析的准确。 如果相关分析时各自变量跟因变量之间没有相关性 ，就没有必要再做回归分析 如果有一定的相关性了，然后再通过回归分析进一步验证他们之间的准确关系 同时 唬关分析还有一个目的，可以查看一下 自变量之间的共线性程度如何，如果自变量间的相关性非常大，可能表示存在共线性 问题二：相关性分析后为什么还要进行回归分析 相关分析只是粗略得到了两个变量的关联程度或者说共变异程度，只检验的变量间关系的强度，但没涉及变量间具体影响关系或者路径的检验，通常只被视为是一种描述性的分析。比如我们得到收入和能力的相关，这说明二者有关联，但究竟是能力影响收入，还是反过来，相关分析是不检验这个的。 回归可以同时用于检验变量间关系的强度和方向。而且回归还有个好处是但凡进入回归方程的变量，就可以视为是对该变量的效应有所控制，所以回归得到的变量关系时控制了其他无关变量之后的，得到的变量关系要比相关分析更为准确。 问题三：相关性分析要分年做吗 不一定，很多软件，spss做简单 统计专业研究生工作室为您服务 问题四：相关性分析要分年做吗？ 不需要分年做，直接做就可以了。相关分析最少不能少于两个数据，当然数据越多越好。 问题五：SPSS做pearson相关性分析，必须是两个变量相互影响吗 不是说必须相互影响，因为在做pearson相关之间，你是不知道这两个变量之间是否存在一定的什么相关的。 但是做pearson相关对于变量分布有个要求 是必须要符合正态分布，同时变量类型必须是数值型数据类型 问题六：Excel如何进行相关性检验？ 主要要做以下几个事情： 1、安装OFFICE时，要选择完全安装，这样Excel的分析库才会装进去 2、在Excel中，选择菜单“工具－加载宏”把“分析工具库”加载进去 3、选择菜单“工具－数据分析”，然后选择相应的分析功能执行。比如“相关系统”可以以一个相关矩阵的方式，显示两两之间的相关系统，“方差分析”中可以显示相关的X方检验参数。 问题七：做相关分析的时候，不知道应该选什么相关系数，请问应该怎么选择？ 相关分析是对两个对等的经济数列，用数学方法测定一个反映它们之间变动的联系程度和联系方向的抽象化数值，即相关系数。相关分析要求两个变量都必须是随机的。 如，销售收入与销售利润可以作为一对相关分析的变量。考察两个变量之间的关系，如果是同方向且同步，即正比例关系；如果仅为同方向但幅度（系数）有差异，即正相关；如果收入增长但利润下降，即反相关或负相关。 再如，劳动生产率和工资增长速度，这也可以称为一对相关性分析指标。劳动生产率的增长应该与工资增长呈正相关或正比例，而如果是负相关，就有问题了，不是吃光分光就是人才流失。 总之，只要具有关联性的两个变量，都可以做为相关系数。相关性分析应依据分析目的选择系数（分析对象），同时相关分析是几组数据，单一的一组数据是无法测量其趋势的（相关与否和相关程度）。 问题八：本科论文的数据分析怎么做？相关性分析，假设检验，回归分析需要那些数据？ 20分 (一)确定论文提要，再加进材料，形成全文的概要 论文提要是内容提纲的雏型。一般书、教学参考书都有反映全书内容的提要，以便读者一翻提要就知道书的大概内容。我们写论文也需要先写出论文提要。在执笔前把论文的题目和大标题、小标题列出来，再把选用的材料 *** 去，就形成了论文内容的提要。 (二)原稿纸页数的分配 写好毕业论文的提要之后，要根据论文的内容考虑篇幅的长短，文章的各个部分，大体上要写多少字。如计划写20页原稿纸(每页300字)的论文，考虑序论用1页，本论用17页，结论用1―2页。本论部分再进行分配，如本论共有四项，可以第一项3―4页，第二项用4―5页，第三项3―4页，第四项6―7页。有这样的分配，便于资料的配备和安排，写作能更有计划。毕业论文的长短一般规定为5000―6000字，因为过短，问题很难讲透，而作为毕业论文也不宜过长，这是一般大专、本科学生的理论基础、实践经验所决定的。 (三)编写提纲 论文提纲可分为简单提纲和详细提纲两种。简单提纲是高度概括的，只提示论文的要点，如何展开则不涉及。这种提纲虽然简单，但由于它是经过深思熟虑构成的，写作时能顺利进行。没有这种准备，边想边写很难顺利地写下去。
1、用2007版excel软件打开文件后，输入几组具有线性关系的数据。
2、然后用鼠标选中这些数据，点击菜单栏中的“插入”选项。
3、然后在插入菜单中，选择一种散点图，如图所示。
4、然后右击图表中的散点，在其右键菜单中点击“添加趋势线”选项。
5、然后在出来的页面中，选择“线性”，勾选“显示公式”选项，关闭窗口。
6、完成以上设置后，即可用excel制作线性关系图图表。
注意事项：
把两个变量之间的相关关系，用直角坐标系表示的图表。在工业生产和科学研究中，经常遇到两个之间的关系问题： 一种是两个量之间是完全确定的函数关系；另一 种是两个量之间是不完全确定的对应关系。对于这种既相关又不完全确定的关系，就称为相关关系。
人们应用画相关图，求出相关系数的方法来确定两个量之间的相关关系，就称为相关分析。 而当确定了相关关系之后，再用 统计检验与估计的方法对相关系数进行判断并求出回归方程的作法，称为回归分析。
研究方法通常可以分为三大类，分别是差异关系，相关关系和其它关系。
参考资料：