pearson相关分析,pearson相关性分析结果解读
pearson相关分析,pearson相关性分析结果解读
1、相关系数呈现负数，如果达到显著水平的话，说明两个变量间是负相关关系，也可以做出科学解释。但如果负相关关系无法用理论解释就需要更改数据了。正相关数据规律是随A增高 B也增高，可以按这个规律改。
一般相关系数在0.7以上说明关系非常紧密，0.4~0.7之间说明关系紧密，0.2~0.4说明关系一般。如果不太会对结果进行分析解读，SPSSAU还提供了智能分析建议。分析工具推荐 现实研究中使用Pearson相关系数的情况比较多。
r值表示在样本中变量间的相关系数，表示相关性的大小；p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。
pearson是用来反应俩变量之间相似程度的统计量，在机器学习中可以用来计算特征与类别间的相似度，即可判断所提取到的特征和类别是正相关、负相关还是没有相关程度。
r值表示在样本中变量间的相关系数，表示相关性的大小；p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。
看Y与X是否有显著关系，即P值大小。分析相关关系为正向或负向，也可通过相关系数大小说明关系紧密程度。
P0.05表明没有相关性，P0.05才有相关性。在有相关性的情况下，再看是否为正负相关，若为负相关，表明一个变量随另一个变量的增大而减小。
第一行是相关系数，第二行是概率值sig，如果sig值0.05，说明总体中两变量显著相关，而且相关系数右上角出现星星符号。
看r的*值，r的*值越大说明相关性越强。皮尔森相关系数也称皮尔森积矩相关系数，是一种线性相关系数，是最常用的一种相关系数。
