相关系数分析_什么叫做相关分析？相关系数、决定系数各有什么具... _生活经验

用spss相关性分析，相关系数是0.271相关性怎么样0.271属于低相关，这是分析相关系数的大小。
相关系数：
1、0.8-1.0：极强相关。
2、0.6-0.8：强相关。
3、0.4-0.6：中等程度相关。
4、0.2-0.4：弱相关。
5、0.0-0.2：极弱相关或无相关。
相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。由于研究对象的不同，相关系数有如下几种定义方式。
简单相关系数：又叫相关系数或线性相关系数，一般用字母r 表示，用来度量两个变量间的线性关系。
定义式：

文章插图
较小时，通常说X 和Y相关程度较差；当X和Y不相关，通常认为X和Y之间不存在线性关系，但并不能排除X和Y之间可能存在其他关系。
参考资料：百度百科-spss相关性分析的概念及方法相关分析就是根据一个因素（变量）与另一个因素（变量）的相关系数是否大于临界值，判断两个因素是否相关。在相关的因素之间，根据相关系数大小判断两个因素关系的密切程度，相关系数越大，说明两者关系越密切（何晓群，2002）。这种方法从总体上对问题可以有一个大致认识，但却很难在错综复杂的关系中把握现象的本质，找出哪些是主要因素，哪些是次要因素，有时甚至得出错误结论。为此，提出使用数学上的偏相关分析与逐步回归相结合的办法来解决这类问题。
偏相关性分析基本原理是，若众多因素都对某一因素都存在影响，当分析某一因素的影响大小时，把其他因素都限制在某一水平范围内，单独分析该因素对某一因素所带来的影响，从而消除其他因素带来的干扰。比如分析压实作用（或埋深）对孔隙度和渗透率的影响时，便把岩石成分、粒度、胶结类型等都限制在一定范围来单独讨论压实作用，而数学上的偏相关分析恰恰就是解决这类问题的方法，偏相关系数的大小就代表了这种影响程度。结合多因素边引入、边剔除的逐步回归分析方法，也可消除多个因素（自变量）间的相互干扰和多个因素对因变量的重复影响，保留其中的有用信息，挑选出对因变量影响较显著的因素，剔除了一些次要因素，被挑选出的主要因素的标准回归系数和偏回归平方和的大小反映了各参数对因变量（充满度）的影响大小。因此根据各因素（自变量）与因变量间的偏相关系数大?。岷媳曜蓟毓橄凳推毓槠椒胶? ，便可以将各因素对因变量的影响大小进行定量排序。其基本步骤如下：
第一步，找出所有可能对因变量产生影响的因素（或参数），同时对一些非数值型参数进行量化处理；
第二步，计算因变量与各参数间的简单相关系数，根据这些简单相关系数的大小，初步分析它们与因变量间的简单相关关系；
第三步，计算因变量与各参数间的偏相关系数、标准回归系数和偏回归平方和；
第四步，根据偏相关系数的大小，再结合标准回归系数和偏回归平方和，综合分析因变量与各参数间的关系密切程度，其值越大，关系越密切，影响越大，反之亦然。EXCEL中的相关系数能说明什么?CORREL 和 PEARSON 工作表函数均可计算两个测量值变量之间的相关系数，条件是每种变量的测量值都是对 N 个对象进行观测所得到的。（丢失任何对象的任何观测值都会导致在分析中忽略该对象。）相关系数分析工具特别适合于当 N 个对象中的每个对象都有两个以上的测量值变量的情况。它提供一张输出表（相关矩阵），其中显示了应用于每个可能的测量值变量对的 CORREL（或 PEARSON）值。
与协方差一样，相关系数是描述两个测量值变量之间的离散程度的指标。与协方差的不同之处在于，相关系数是成比例的，因此它的值与这两个测量值变量的表示单位无关。（例如，如果两个测量值变量为重量和高度，当重量单位从磅换算成千克时，相关系数的值并不改变。）任何相关系数的值都必须介于 -1 和 +1 之间（包括 -1 和 +1）。
可以使用相关系数分析工具来检验每对测量值变量，以便确定两个测量值变量是否趋向于同时变动，即，一个变量的较大值是否趋向于与另一个变量的较大值相关联（正相关）；或者一个变量的较小值是否趋向于与另一个变量的较大值相关联（负相关）；或者两个变量的值趋向于互不关联（相关系数近似于零）。
“相关”对话框
数据源区域在此输入待分析数据区域的单元格引用。引用必须由两个或两个以上按列或行排列的相邻数据区域组成。
分组方式若要指示数据源区域中的数据是按行还是按列排列，请单击“行”或“列” 。
标志位于第一行/标志位于第一列如果数据源区域的第一行中包含标志项，请选中“标志位于第一行”复选框。如果数据源区域的第一列中包含标志项，请选中“标志位于第一列”复选框。如果数据源区域中没有标志项，则该复选框将被清除。Microsoft Office Excel 将在输出表中生成适当的数据标志。
输出区域在此输入对输出表左上角单元格的引用。Excel 只填写输出表的一半，因为两个数据区域的相关性与区域的处理次序无关。输出表中具有相同行和列坐标的单元格包含数值 1，因为每个数据集与自身完全相关。
新工作表单击此选项可在当前工作簿中插入新工作表，并从新工作表的 A1 单元格开始粘贴计算结果。若要为新工作表命名，请在框中键入名称。
新工作簿单击此选项可创建新工作簿并将结果添加到其中的新工作表中。
SPSS中pearson（皮尔逊相关系数）确定相关性，数据...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?。籶值是检验值，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。
一般来说相关性大小要看显著性达到什么程度。显著性越小说明相关程度越高。显著性小于0.05则为显著先关，小于0.01则为极显著相关。大于0.05则说明不相关，或者相关性不强，也可以简单理解为不相关。

文章插图
扩展资料：
相关系数的绝对值越大，相关性越强：相关系数越接近于1或-1 ，相关度越强，相关系数越接近于0，相关度越弱。
【相关系数分析_什么叫做相关分析？相关系数、决定系数各有什么具...】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
参考资料来源：百度百科-Pearson相关系数相关系数 R是什么含义，谢谢相关系数是由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量，一般用字母 r 表示。由于研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数。
依据相关现象之间的不同特征，其统计指标的名称有所不同。如将反映两变量间线性相关关系的统计指标称为相关系数；将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数；将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。

文章插图
扩展资料：
相关系数的应用
企业物流
一种新产品上市。在上市之前，公司的物流部需把新产品合理分配到全国的10个仓库，新品上市一个月后，要评估实际分配方案与之前考虑的其他分配方案中，是实际分配方案好还是其中尚未使用的分配方案更好，通过这样的评估，可以在下一次的新产品上市使用更准确的产品分配方案，以避免由于分配而产生的积压和断货。
通过计算，很容易得出这3个分配方案中， B的相关系数是最大的，这样就评估到B的分配方案比实际分配方案A更好，在下一次的新产品上市分配计划中，就可以考虑用B这种分配方法来计算实际分配方案。
参考资料来源：百度百科-卡尔·皮尔逊相关分析的分类1、线性相关分析：研究两个变量间线性关系的程度。用相关系数r来描述。
（1）正相关：如果x,y变化的方向一致，如身高与体重的关系，r>0；一般地，
·|r|>0.95 存在显著性相关；
·|r|≥0.8 高度相关；
·0.5≤|r|<0.8 中度相关；
·0.3≤|r|<0.5 低度相关；
·|r|<0.3 关系极弱，认为不相关
（2）负相关：如果x,y变化的方向相反，如吸烟与肺功能的关系，r<0；
（3）无线性相关：r=0 。
如果变量Y与X间是函数关系，则r=1或r=-1；如果变量Y与X间是统计关系，则-1<r<1 。
（4）r的计算有三种：
①Pearson相关系数：对定距连续变量的数据进行计算。
②Spearman和Kendall相关系数：对分类变量的数据或变量值的分布明显非正态或分布不明时，计算时先对离散数据进行排序或对定距变量值排（求）秩。
实际上，对任何类型的变量，都可以使用相应的指标进行相关分析。也就是，有各种参数，对适合它们的变量进行分析。
相关计算的其他系数：
1 对于有序变量，最常用的还有Gamma统计量，取值介于1到-1之间，取值为零时候，代表完全不相关。其实，对于任何相关系数，一个万能公式就是，如果越接近零，代表越不相关，越接近1，代表越相关。
在spss中，各种变量都被分到各个栏中，下面对应着各种统计量。这部分操作是：“描述统计”～“交叉表”：“统计量”子对话框中实现。需要注意的是，虽然都是复选框，但是，也不能乱选，主要看想要分析的究竟是什么类型的变量。
2、偏相关分析：研究两个变量之间的线性相关关系时，控制可能对其产生影响的变量。如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系。
3、距离分析：是对观测量之间或变量之间相似或不相似程度的一种测度，是一种广义的距离。分为观测量之间距离分析和变量之间距离分析。
（1）不相似性测度：
·a、对等间隔(定距)数据的不相似性（距离）测度可以使用的统计量有Euclid欧氏距离、欧氏距离平方等。
·b、对计数数据使用卡方。
·c、对二值（只有两种取值）数据，使用欧氏距离、欧氏距离平方、尺寸差异、模式差异、方差等。
（2）相似性测度：
·a、等间隔数据使用统计量Pearson相关或余弦。
·b、测度二元数据的相似性使用的统计量有20余种。

文章插图
什么叫做相关分析？相关系数、决定系数各有什么具...决定系数（coefficient of determination），有的教材上翻译为判定系数，也称为拟合优度。计量中的判定系数拟合优度(或称判定系数,决定系数)
目的:
企图构造一个不含单位,可以相互进行比较,而且能直观判断拟合优劣的指标.拟合优度的
定义:
意义:拟合优度越大,自变量对因变量的解释程度越高,自变量引起的变动占总变动的百分比高.观察点在回归直线附近越密集.
取值范围:
0-1判定系数只是说明列入模型的所有解释变量对应变量的联合的影响程度,不说明模型中单个解释变量的影响程度.对时间序列数据,判定系数达到0.9以上是很平常的;但是,对截面数据而言,能够有0.5就不错了. 表征依变数Y的变异中有多少百分比,可由控制的自变数X来解释. 相关系数（coefficient of correlation）的平方即为决定系数。
它与相关系数的区别在于除掉|R|=0和1情况，由于R2<R,可以防止对相关系数所表示的相关做夸张的解释。
决定系数：在Y的总平方和中，由X引起的平方和所占的比例，记为R2(R的平方) 决定系数的大小决定了相关的密切程度。当R2越接近1时，表示相关的方程式参考价值越高；相反，越接近0时，表示参考价值越低。这是在一元回归分析中的情况。但从本质上说决定系数和回归系数没有关系，就像标准差和标准误差在本质上没有关系一样。在多元回归分析中，决定系数是通径系数的平方。
表达式：R^2=SSR/SST=1-SSE/SST 其中：SST=SSR+SSE，SST (sum of squares for total)为总平方和，SSReg (sum of squares for regression为回归平方和， SSE (sum of squares for error) 为残差平方和。注：（不同书命名不同）回归平方和：SSR(Sum of Squares for regression) = ESS (explained sum of squares) 残差平方和：SSE（Sum of Squares for Error） = RSS (residual sum of squares)总离差平方和：SST(Sum of Squares for total) = TSS(total sum of squares)SSE+SSR=SST RSS+ESS=TSS 意义：拟合优度越大，自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比高。观察点在回归直线附近越密集。取值范围：0-1.