1樓：匿名使用者
看你是做怎樣的相關分析，如果是信度、效度，這個值就比較低了，最起碼也要超過0.6。
如果是兩個變數之間的關係，也要看你有多少樣本量，如果樣本量挺大，0.4足以達到統計意義了。如果樣本量小，這個相關係數值就比較低。
2樓：雋冬諸承平
朋友，你好！不同的量表如果是針對同一調查物件，可以放在一個資料庫中，只要變數名不要重複就行，而且放在一個資料庫中可以增加統計分析的效率，即可多做多因素及兩問卷間的分析，各自內部也要做相關是可以只選擇你需要的變數做，只要你自己能區分兩份問卷的變數名就行。
如果你覺得有理，請採納
3樓：狄天曼
顯著性水平大於0.05的話，說明相關不顯著，按理來說是不能用的，啊誰說的幹活斤斤計較哈哈一個。
4樓：啃著麵包聽著歌
顯著性水平大於0.05的話，說明相關不顯著，按理來說是不能用的
5樓：金絲楠玉髓
這個是比較低，但是還看個人的實際情況。
積極**，多運動，慢慢就行了。
6樓：
jd8pjmmjgjjmddtmjpatj
7樓：白少業務網路
真是的鬼故事輸入法v吃吃吃塞薩爾給你扭扭捏捏那你辦不成都是問題更何況酷狗
用spss做相關分析時為什麼顯著性都為0
8樓：麻秀竹衣瑜
spss做相關分析顯著性都為0是小於0.001，就是非常小的，說明顯著性較好。
因為：相關係數0.624大約屬於中等量級的相關,在樣本量足夠大的情況下一般都會有顯著性,情況應該是樣本量偏小造成的.
此外,pearson相關係數的正確性需要得到散點圖的證實,應該檢查一下散點圖,看看資料是否具有線性趨勢,特別是有沒有離群值或極端值扭曲相關係數,散點圖這個步驟很容易被忽略,但對相關分析而言十分關鍵。
9樓：勵蕙蘭荊磊
你第一圖的資料樣本是40
第二圖是25
第三個圖是21
結果肯定不一樣
顯著性水平，又稱檢驗水準
是人為確定的
一般為0.05
使用spss軟體時，如何設定相關分析時的顯著性水平的值（0.5及0.01）？能不能設定成其它值？
10樓：匿名使用者
顯著性水平怎麼還有0.5？是不是筆誤？
spss軟體在計算相關分析的時候是不需要設定顯著性水回平的，答也沒必要設定成其他值的，因為計算結果會提供給你具體p值，如p=0.0124，即p<0.05，如果p=0.
0012,則p<0.01。
不知回答結果是否滿意。
11樓：微微晴
顯著性水平一般設定成1%,5%,10%，5%最常用。分別對應99%，95%，90%的置信區間
12樓：匿名使用者
這個都是預設為0.05，不能進行設定的
在spss裡顯著差異性分析，為啥這個顯著性sig的值為0，是不是我的操作有問題？
13樓：庹甜恬
spss進行顯著性差異分析的方法：首先開啟spss軟體選擇需要的資料；然後右擊選擇一般線性模型，並選擇單變數；接著將變數分別對應移至因變數和協變數，並選擇引數估算值；最後單擊選項中的繼續選項即可。
spss進行顯著性差異分析的方法：
1、首先我們開啟spss版本23.0軟體，找到想要進行編輯處理的資料，這裡以藥物對身高的影響做顯著性分析
2、找到上方選單欄中的分析選單，滑鼠移動至一般線性模型，然後選擇單變數，點選滑鼠左鍵選擇
3、在單變數對話方塊中，將變數分別對應移至因變數和協變數，這裡將身高移動至因變數，藥物移動至協變數
4、點選右側選單的選項，滑鼠移動至單變數選項中，選中引數估算值，將引數估算值標記為打勾狀態
5、選中完成後，單擊選項中的繼續選項，然後在單變數對話方塊中單擊確定，進行編輯之後的檢視操作
6、在spss的檢視器中我們可以看到藥物對身高影響的顯著性分析，紅框中顯著性為0＜0.05，具有顯著性
兩個分類變數間的關係，無法直接使用常見的皮爾遜相關係數來表述，多采用頻數統計、交叉表卡方檢驗等過程進行處理，當分類變數的取值較多時，列聯表頻數的形式就變得更為複雜，很難從中歸納出變數間的關係。
對應分析，則是解決分類變數間關係這個複雜問題的有力**。也稱為相應分析，是一種多元統計分析方法，目的是在同時描述各變數分類間關係時，在一個低維度空間中對對應表中的兩個分類變數進行關係的描述。
常見應用領域如市場研究分析、競爭分析等。
先看一個案例
對於男性而言，個人職位是否與吸菸有關，假設有人收集了這樣的一組資料，如下：
數字表示人數，僅從交叉表內資料大小按照熱度區分的話，效果大概是這個樣子，紅色越深的格子表示人數越多：
我們發現初級僱員普遍吸菸，中度最多，其他的表現並不明顯，總體上很難發現什麼規律。
除了熱圖之外，還可以考慮常見的條形圖，效果如下：
視覺化的效果要比前面熱圖好很多，給人的直觀感覺是，職位較高的男性，重度吸菸的比例較低，多數從不吸菸。
經過以上兩種圖示化方法的預處理，我們能從其中總結職位和吸菸關係的把握並不大。
spss交叉表卡方檢驗
熟悉spss統計分析的人可能還會想到，是否可以先採用交叉表卡方檢驗來觀察職位和吸菸之間的關係呢？
在spss的資料檢視下，對資料按頻數變數進行加權，然後依次點選【分析】→【描述統計】→【交叉表】，在【交叉表：統計】對話方塊內勾選【卡方】，其他引數預設設定。來看結果：
原假設職位和吸菸兩個變數間相互獨立，漸進顯著性小於0.01，說明兩個變數間不完全獨立，存在某種關係。
14樓：匿名使用者
spss中當sig小於0.001時，都會顯示為.000，你在這個數字上連擊3次滑鼠，實際數值就會顯示出來。
15樓：茫茫人海一亮星
在spss裡顯著差異性分析，為啥這個顯著性sig的值為0，是不是我的操作有問題？因為這樣組資料就是顯著相關的。
原假設：相關係數=0
備擇假設：相關係數<>0
經過檢驗，sig，也是就p值等於零，小於顯著性水平，否定原假設，認為相關係數不等於0 ，兩組資料顯著相關。sig值表示的意思就是犯錯誤（虛報）的可能性，一般小於5%我們就會接受。顯示0.
000就說明這個可能性很小。
但你說的前後有些矛盾，分析做的是相關，前面又說是差異檢驗，這兩個不是同一件事啊。很有可能是你的資料數量不夠多，兩點肯定成為一條直線，故而很有可能是你的資料集不夠多，故而顯示的sig值都是零，看上去都相關，但是實際上由於缺乏做相關分析的基礎，所以實際上很有可能是結論是錯誤的。如果你的資料足夠多，那麼說明這兩個變數之間高度相關。
用spss做偏相關分析時，控制一個變數後顯著性水平大於0.05，控制另外一個變數後顯著性水平為0是為什麼
16樓：匿名使用者
控制不同的變數，結果自然是不同的，沒什麼奇怪
我經常幫別人做這類的資料統計分析的
17樓：匿名使用者
以不同的變數為基準做出來的結果是不一樣的~~
spss做相關分析，通過了顯著性檢驗，但相關係數低，怎麼解釋
18樓：鄞蘭英裔嫻
相關係數0.624大約屬於中等量級的相關，在樣本量足夠大的情況下一般都會有顯著性，你的情況應該是樣本量偏小造成的。此外，pearson相關係數的正確性需要得到散點圖的證實，你應該檢查一下散點圖，看看資料是否具有線性趨勢，特別是有沒有離群值或極端值扭曲你的相關係數，散點圖這個步驟很容易被忽略，但對相關分析而言十分關鍵！
我用spss軟體統計時，發現在0.05水平下都不顯著，怎麼修改原始資料才能讓其顯著？ 5
19樓：yty隨意
1、首先打spss軟體，開點選「分析」-「比較平均值」-「單因素anova」。
2、在彈出的「單因素方差分析」選項卡中，將「體重」選入到應變數列表中，將「飼料型別」選入到因子中。
3、點選右邊的「事後多重比較」，在彈出的選項卡中選擇「lsd」，然後點選繼續。
4、然後再點選右邊的「選項」，在彈出的選項卡中選擇「描述性」和「方差同質性檢驗」，點選確定。
5、在結果中，要看的就是方差齊性檢驗，在「單因素同質性測試」表中可以看到p=0.244>0.05,說明方差是齊的，可以使用單因素方差分析法。
20樓：呂秀才
我都做了很多的**的資料分析，在結果分析出來時 往往都跟**提前要求的假設不同。
其實這本來是非常合理的，所謂研究自然就是建立假設、驗證假設的過程，如果你都知道你的假設是正確的了 那幹嘛還需要再用資料驗證。所謂驗證自然是有成立和推翻的，不管是成立還是推翻，都可以說是研究的發現，只有不斷的推翻，最後才能找到正確的路。
但是現在的高校導師並沒有把這一點告訴學生，所以學生認為做出的結論跟假設和前人研究不一致，就只認為是這個研究沒有意義，是錯誤的，實在是可悲了教育。
所以最終很多找我做分析**的 都要求改資料 改結果。我的建議是 如果最後**提交不要求提供原始資料的話，那直接改下結論就好了。如果要求提供原始資料，那就該原始資料，不過非常難，需要不斷的嘗試和驗證
21樓：匿名使用者
修改原始數是造假行為!!!
22樓：買涆孛樂湛
組2和組3沒有區別，p只為0.121，兩個組分別與組1有差異。
23樓：匿名使用者
原始資料修改哪怕一個數字，所有的統計分析都要重做一遍如果還是不顯著，又要修改一次，重做一遍
也就是說，你的工作量會增加n倍
沒有任何一本教材交給你如何修改原始資料，包括世界上最出名的人，也不知道如何去修改原始資料來造假
不過，專業做資料分析的人，是有一定的經驗的，比普通人更容易知道如何去修改，修改什麼地方，改為多大多小
我經常幫別人做這類的資料分析的
SPSS做相關分析，通過了顯著性檢驗，但相關係數低，怎麼解釋
相關係數低沒有關係,說明緊密程度不高而已.但是 顯著在前,相關係數大小在回後,建議你 spss做相關性分析，得到下列 相關性係數很低，但是在實際中相關性應該是很高的，請問怎麼解釋啊？20 相關係數還行，部分低，部分不算太低，如果是社會學的調查，這個相關係數是可以接版受的。有很多原因權，包括資料本身 ...
如何用spss做自相關性分析,用spss做兩個變數相關性分析時，存在強自相關怎麼辦
執行工具欄 分析a 相關 c 雙變數 b 程式，開啟 雙變數相關 對話視窗 如果您是希望進行偏相關分析，請用滑鼠選擇偏相關 r 最常用到的是雙變數相關分析和偏相關分析，偏相關分析控制了其他變數對該變數的影響，只研究某一變數對這一變數的影響。選擇你所要研究的變數，以及分析方法，spss提供了三種相關係...
SPSS相關性分析時兩變數負相關,迴歸分析卻是正相關,這樣如何解釋
pearson相關分析在spss中的作用是簡單地考慮變數之間的關係。儘管可以在分析過程中同時放置多個變數，但是結果是兩個變數之間的簡單關聯，也就是不在求兩變數相關時考慮其他的控制變數。但是，迴歸是不同的。迴歸的結果是對進入迴歸方程的所有自變數和因變數進行積分的結果，也就是說，在迴歸當中你所看到的相關...