学习工具 | 理论+实操，让你学会皮尔逊相关分析！
点击上方 信息化教学创新 订阅本刊
我们常常说，一个人身高和体重是有一定关系的，体现为：一个人的身高越高，那他的体重可能会越重，这两者就具有一定相关性。
在SPSS中，分析要素间的相关性有三种方式：皮尔逊相关性分析（Pearson）、肯德尔相关性分析（Kendall）、斯皮尔曼相关性分析（Spearman）。今天，小编会从理论和案例实操两个部分介绍皮尔逊相关性分析，让你看完就能学会它！
什么是相关分析
首先，我们需要知道相关分析能够解决什么问题。顾名思义，相关性分析就是分析两个变量是否有关系，比如说：学生的学习成绩是否和学生学习投入时间有关系？一个人的身高和体重是否有关系呢？相关分析就能判断这两者之间的关联性。
那我们凭借经验初步判断：学生的学习成绩和学生学习投入时间有一定关系，如果学生学习投入时间越多，成绩会越好，这就是一种正相关关系。又如，当海拔高度越高，高原含氧量就会越低，这就是一种负相关关系。下面这张图片是常见的几种相关关系。
我们有了假设后，我们需要对其进行验证，证明假设是否成立。在操作过程中，我们会用相关系数 r 表示两个变量之间的相关程度和方向，r的取值区间为在（-1，1），具体呈现什么相关性可以看下表哦！
| r的取值 | 相关性 | 相关程度 |
| r=-1 | 完全负相关 | 0≤|r|<0.3 低相关 0.3≤|r|<0.5 中相关 0.5≤|r|≤1 高相关 |
| -1<r<0 | 负相关 | |
| r=0 | 不相关 | |
| 0<r<1 | 正相关 | |
| r=1 | 完全正相关 |
了解上述理论知识后，接下来就以网购频率和网购满意度为例进行实操，下面使用到的数据内容包含个人基本信息、网购基本情况以及对网购的态度。
01
导 入 数 据
先打开SPSS软件，选择“文件”、“导入数据”、“Excel”，选中已经下载好的数据，选择“确定”将数据导入即可。
02
相 关 性 分 析
选择“分析”、“相关”、“双变量”，在弹出窗口中，将假设中涉及的变量选中，并点击中间的箭头移至右端，确认已经勾选“皮尔逊”“双尾”和“标记显著相关性”后，点击“确定”就可以开始分析。
03
结 果 分 析
看下图，我们首先可以看到它是以黑线为对称轴对称的，所以我们只需要看一边就可以分析结果。
在分析过程中，我们都是遵循这样的顺序，先看显著性再看相关性，具有显著性后才能分析相关性。在这里就是先看“Sig.（双尾）”是否小于0.05，如果小于0.05则表明他们有显著关系，再进行下面分析；接下来就是根据皮尔逊相关性数值看相关程度和方向。
以网购满意度和网购频率为例，Sig=0.848，大于0.05，所以这两者之间是没有相关性的，就不需要分析相关程度和方向。如果以网购满意度和网购忠诚度为例，Sig=0.00，是小于0.05的，说明两者是存在相关关系的，再看皮尔逊相关性数值为0.793，在0.5~1的范围，所以网购满意度和网购忠诚度是高相关的。
小编需要提醒一下哦，写结论的时候不能用具有因果的词语如“导致”，如网购满意度能导致网购忠诚度的提高，严谨的表达就是两者之间有无相关性或者存在何种程度的相关性。
以上就是皮尔逊相关性分析的全部内容啦，不知道理论+实操的方式有没有让你学会皮尔逊相关性分析呢！不妨现在就下载数据动手试试吧！
数据来源于SPSSAU自带的系统数据:
https://SPSSau.com/updata.html，文件为excel表格。
25个教研应用场景
25个实用技术工具
在线教研干货锦囊
一线教师必备指南
《在线教研实用指南》
京东 👉
搜索《在线教研实用指南》
京东、当当、天猫皆可购买
● 推荐阅读 ●