spss分析结果相关系数小于0.05,显著性却很大为什么,作何解释

很简单,用前进、后退或逐步法都行,一般用逐步法然后看整个模型是否有统计学意义,就是有回归和残差那项若有意义（P小于0.05）则继续看每个参数的P值若P值大于0.05,剔除～最后得方程模型当然还需要注意

看sig的值小于0.05,甚至是小于0.01,说明两者之间的确存在显著的相关,只不过相关值不大罢了,就这么说就好了再问：谢谢您的热心回答。可是我觉得如果说两者之间存在显著的相关，那相关系数应该很大啊为

ModelSummary是对模型拟合效果的总结,R是相关系数,R2是决定系数,系数越大表面拟合效果越好.ANOVA是方差分析,然后F检验Coefficients就是回归结果,得到的回归方程的系数

从表中我们可以看到,EDI与EDI的相关系数为1（这是显然的,自己跟自己跟定线性相关）,类似的,矩阵对角线位置都是1.其余不相同的两个变量相关系数在-1到1之间,如EDI与HP的相关系数为0.261.

第二个表说明拟合度,0.996,接近1,说明模型拟合不错；第三个表看F值就好,相当大,在95%甚至99%置信度下显著；第四个表说明自变量X（营业收入）系数为0.891,并且是在95%甚至99%置信度下

表1和表2用两种方法给出皮尔森相关系数r和P值（Sig）表1：r=1,P=0.945>0.05没有相关性表1：r=1,P=0.200>0.05没有相关性表3用了ANOVA（方差分析）分析显著性P=0.

显著性（双侧）也即P值为0.028

相关系数绝对值一般在0到1之间,负数代表负相关,正数代表正相关,越接近于0代表相关程度越低；越接近于1或者-1代表相关程度越低.spss软件里面一般是计算出相关系数并且给出相关系数的P值的.相关系数就

R平方就是拟合优度指标,代表了回归平方和（方差分析表中的0.244）占总平方和（方差分析表中的0.256）的比例,也称为决定系数.你的R平方值为0.951,表示X可以解释95.1%的Y值,拟合优度很高

（1）中F伴随的p值小于0.001,是怎么看出来的?（2）常数在0.005下显著,以及x1在0.001下显著是怎么看出来的?就是看最后一列的sig值,就是P值.它小于显著性水平,比如0.05,就显著.

看相关系数值和概率sig值,如果sig

卡方检验是用来证明两个分类变量之间是否存在相关性,相关分析系数是用来证明两个连续性变量之间是否存在相关性的.结果都是看sig的值,若sig＜0.05,说明相关显著

看你的目的了你如果只是要看这些自变量之间的相关性,那就这样就可以了.如果你要将自变量进行主成分分析,那相关性高就适合做因子分析如果你要将自变量与因变量构建模型,那自变量的相关性高,说明共线性严重,需要

不能只看相关系数的大小,主要看显著性水平,你做出来的相关系数确实是有些低,很可能是与数据量比较多有关.如果你分析过程没有错误,p真的等于0.003的话,应该是显著相关的.再问：谢谢，我还想问一下，我的

一看判定系数R方,本例中,R方=0.202,拟合优度很差.一般要在0.6以上为好.至少也在0.4以上.二看系数估计量的sig值,其中,独董规模的sig=0.007,小于0.05,说明该变量对因变量有显

主要看“显著性”的值P,当P>0.05时,表示两变量间不相关.故：1与2相关,1与3、4均不相关其余类推.

这是一个两个变量之间的相关性分析结果.使用的参数是Pearson指数.Pearsoncorrelation是一个相关系数,它指出了两个变量之间相关的亲密程度和方向.这个数值的绝对值越大越说明两个变量的

你这是单侧检验啊,你做的对不对?

你少了一个表,输出结果的第一张表就是“输入/移去的变量”,这张表里面就是保留和移除的变量.模型汇总：这个看R方,数值最大最接近1的就是拟合度最好的模型.Anova：这个看Sig,

从你的统计结果看,两者均不相关（SIG均大于0.05)但是,你采用方法可能不对,年级、性别都是定序变量,不适合用皮尔森相关系数分析的