论文指标相关系数怎么研究

相关系数的检验主要有两种方法：一种是对假设 “相关系数ρ=0” 的t检验，另一种是对假设 “相关系数ρ≠0”的z检验。

关于t检验：检验r是否显著，即检验r是否不等于零。

关于z检验：假设相关系数等于ρ，经过一系列步骤，计算出该假设在显著性水平α下为真的置信区间(通俗的讲，就是计算得到一个范围(rlow,rhi)，如果要检验的相关系数落在这个范围内(rlow

扩展资料

相关表和 相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间 相关的程度。于是，著名统计学家 卡尔·皮尔逊设计了 统计指标——相关系数(Correlation coefficient)。

相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自 平均值的 离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。

需要说明的是，皮尔逊相关系数并不是唯一的相关系数，但是最常见的相关系数，以下解释都是针对皮尔逊相关系数。

一、一般来说，取绝对值后，为没有相关性，弱，为弱相关，为中等相关，为强相关。但是，往往还需要做显著性差异检验，即t-test，来检验两组数据是否显著相关，这在SPSS里面会自动计算的。二、样本书越是大，需要达到显著性相关的相关系数就会越小。所以这关系到样本大小，如果样本很大，比如说超过300，往往分析出来的相关系数比较低，比如，因为样本量的增大造成了差异的增大，但显著性检验却认为这是极其显著的相关。三、判断强弱主要看显著性，而非相关系数本身。但在撰写论文时需要同时报告这两个统计数据。