用spss相关性分析，相关系数是0.271相关性怎么样

Question

表6 变量间相关性分析

Area
DIS
LN（DLI）t-1
LN(Bac)t-1
LN（Size）t-1
LN(Donation)t
LN(Donation)t
Pearson 相关性
.463**
.561**
-.225**
.788**
.650**
1
显著性（双侧）
.000
.000
.003
.000
.000

N
169
169
169
169
169
169
**. 在 .01 水平（双侧）上显著相关。
这个相关性怎么解释，还有那个显著性怎么解释啊

Answer 1

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：

其中，Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。

复相关系数：又叫多重相关系数。复相关是指因变量与多个自变量之间的相关关系。例如，某种商品的季节性需求量与其价格水平、职工收入水平等现象之间呈现复相关关系。

典型相关系数：是先对原来各组变量进行主成分分析，得到新的线性关系的综合指标，再通过综合指标之间的线性相关系数来研究原各组变量间相关关系。

生活示例：

软件公司在全国有许多代理商，为研究它的财务软件产品的广告投入与销售额的关系，统计人员随机选择10家代理商进行观察，搜集到年广告投入费和月平均销售额的数据，并编制成相关表，见表1:

表1：广告费与月平均销售额相关表 单位：万元

参照表1，可计算相关系数如表2：

相关系数为0.9942，说明广告投入费与月平均销售额之间有高度的线性正相关关系。

扩展资料：

相关系数缺点：

需要指出的是，相关系数有一个明显的缺点，即它接近于1的程度与数据组数n相关，这容易给人一种假象。因为，当n较小时，相关系数的波动较大，对有些样本相关系数的绝对值易接近于1；当n较大时，相关系数的绝对值容易偏小。

特别是当n=2时，相关系数的绝对值总为1。因此在样本容量n较小时，我们仅凭相关系数较大就判定变量x与y之间有密切的线性关系是不妥当的。

相关系数性质：

这里，  ，  是一个可以表征  和  之间线性关系紧密程度的量。它具有两个性质：

（1） 

（2）  的充要条件是，存在常数a，b，使得 

由性质衍生：

a. 相关系数定量地刻画了 X 和 Y的相关程度，即  越大，相关程度越大；  对应相关程度最低；

b. X 和Y 完全相关的含义是在概率为1的意义下存在线性关系，于是  是一个可以表征X 和Y 之间线性关系紧密程度的量。

当  较大时，通常说X 和Y相关程度较好；当  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-相关系数

参考资料：百度百科-spss

Answer 2

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
可见0.271属于低相关，这是分析相关系数的大小。
分析相关系数我们还要看另一项指标，就是显著性检验，相关系数的显著性检验还需要知道数据的标准误，你用spss做出相关分析后，报表中除了相关系数值外，还有一个sig值，该值如果小于0.05，表明相关系数已达显著，否则就是不显著。这里显著的意思就是说从你的样本中可以看出相关是存在的，而大小是0.271追问

这个怎么解释啊 还有那个显著性怎么做

追答

主要看两个内容，一个是第一行的Pearson相关性，具体数值代表相关系数高低。另一个是第二行的显著性（双侧）可以看到除了与LN(DLI)的相关显著性是0.003，所有的显著性都显,0.000，这表示显著性均低于0.001，说明LN（Donation）与其他所有变量（除了LN(DLI)）的相关均在0.001水平显著（意思就是有99.9%的把握认为LN(Donation）与这些变量有相关，与LN（DLI）可以认为是在0.01水平相关显著，也就是有99%的把握认为LN(Donation）与LN（DLI）相关）。还可知，LN与Area、DIS是中等正相关，与LN（DLI）是弱负相关，与LN（Bac）、LN（Size）是强正相关。

本回答被网友采纳