小伙伴们大家好！我最近在整理原创文章，才发现居然没写过用途广泛的相关性分析！今天就赶紧补上这篇皮尔逊分析详解。

在参数检验的相关性分析方法主要是皮尔逊相关（Pearson correlation）。既然是参数检验方法，肯定是有一些前提条件。皮尔逊相关的前提是必须满足以下几个条件：

• 变量是连续变量；

• 比较的两个变量必须来源于同一个总体；

• 没有异常值；

• 两个变量都符合正态分布。

正态分布的呈现是倒“U”型曲线。在实际分析过程中，想要一份数据同时满足以上条件，确实是有一定难度的。毕竟我们是没法保证收上来的数据，一定恰好是符合正态分布的。

皮尔逊相关系数的范围是位于[-1,1]之间。相关系数展示了方向性：

• 如果相关系数接近1，说明两个变量之间呈较高的正相关性；

• 如果相关系数接近-1，说明两个变量之间呈较高的负相关性；

• 如果相关系数接近0，说明两个变量之间彼此独立，没有相关性。

皮尔逊相关的结果包括两个值，相关系数和P值。在相关性分析中，P值代表着两个变量是否显著相关。

一般而言，分析结果里，我们先看P值。如果P值小于0.05，那么两个变量呈显著的相关性。

然后再看相关系数的方向性，报告两个变量是显著的正相关或负相关。

SPSS操作详细步骤

第一步，选择“分析”——“相关”——“双变量”。

第二步，在相关系数里，选择“皮尔逊”。显著性可以选“双侧”。

第三步，点击“选项”，可以勾选统计，计算平均数与标准差等，如下图所示。

其他设置都可以默认。直接点“确定”，就能生成结果了。

如果想要保留SPSS语法文件，可以先点击“粘贴”，保存本次所有操作，如图5.4所示。下次还要执行同样的操作，直接全选以后，点击绿色小三角符号，就可以生成皮尔逊分析结果了。

皮尔逊相关性分析结果显示，P值显著性为0.222，如红框中所示。P值大于0.05，说明示例的两个变量无显著相关性。相关性系数为0.265，离1比较远，也说明相关性不高。

以上就是皮尔逊相关性分析的内容。感兴趣的小伙伴可以上手试着分析一下。