两组数据相关分析及检验简便方案.docx

两组数据相关分析及检验简便方案本人也是统计菜鸟，但经常被要求计算相关关系并检验，只好查 文献，找资料，结合广大大虾们的经验，总结了一个简单的操作流程 和通俗易懂的解释，附带上对分析结果的论文表述（大虾远离、只适 合菜鸟使用）一、计算方法（可利用SPSS、EXCEL等）本文以SPSS为例，只要你安装了 SPSS就非常简单了，你有两组 数据（两列），打开SPSS主界面，将一组数（不带标题）拷贝到一个 纵列VariableOOOOl，将另一组数拷贝到第二个纵列Variable00002英文版 SPSS，打开 Analyze-Correlate-Bivariate 出来一个对话框， 在这个对话框中，将左边蓝中的两个 Variable放到右边栏中correlation coefficient 选取 pearson，单击 OK中文版 SPSS，点分析- 相关-双变量，将Variable00001和Variable00002选作变量，其它默认， 确定即可结果分析以上操作后，弹出如下窗体，只需关注相关性这个表格即可例1的相关性表格如下:VAR00001VAR00002VAR00001 Pearson1.152.显薯性叔侧）N5'3VAR00002 Pearson.1521显薯性叔侧）N5'30Variable00002 Pearson相关性对应的0.152是相关系数，它反映 了二者是正相关还是负相关，是密切还是不密切，这个数的绝对值越 大则越密切，如果是负数说明二者负相关。

显著性（双侧）是判断 相关显著性，如果它＜0.05说明这个相关性具有统计学意义，即二者 真的相关如果它＞0.05则相关性不显著，即二者不相关以上表为例，0.152的相关系数，0.278＞0.05，说明相关不显著用另一组数据为例，在此做相关分析并检验例2相关表格如下VAR00001yA.RooooaVAR00001 Pearson 相缤性1：.5261显善性f取测).000N5353VAR00003 Pearson 相裟性.52611.000N5353祕在-水平(驭側)上显著相共两组数据相关系数0・526, Sig=0・0Ov0・05，说明显著相关三、结果描述例 1 中 VariableOOOOl 与 Variable00002不相关(r=0.152,p=0.278), 例2中VariableOOOOl与Variable00002之间的相关有统计学意义，相 关显著(r=0.526,P<0.05)四、为什么做检验，本检验的前提为如果变量x与y之间并不存在直线关系，但由于n对观测值(Xi,Yi)也可以根据计算公式求得一个直线回归方程显然，这样的 直线回归方程所反应的两个变量之间的直线关系是不真实的，所以为 了判断直线回归方程的两个变量间的直线关系的真实性，就必须对直 线回归的相关系数进行假设检验，检验方法有F和t两种，二者是等 价的，任选其一即可。

pearson correlation是皮尔森相关系数，采用该法有前提：双变量正态分布如果不服从，应该选用spearman相关系数°Sig. (2-tailed)即对r=0的检验当r<>0时，有可能正有可能负，所以是双尾(2-tailed)概率注：文中很多素材取自互联网，谢谢各位大虾！。