相关性分析旨在分析两组数据之间是否相互影响，彼此是否独立的变动。SPSS内部提供了多种分析数据相关性的方法：卡方检验（Chi-SquareTest），Pearson相关系数计算，Spearman相关系数计算和Kendall的tau-b（K）相关系数计算。
这四种分析方法适用于不同的数据类型，下面向大家介绍常用的SPSS相关性分析方法。
1.卡方检验（Chi-SquareTest） 卡方检验（Chi-SquareTest）是由Pearson提出的一种统计方法，在一定的置信水平和自由度下，通过比较卡方统计量和卡方分布函数概率值，判断实际概率与期望概率是否吻合，进而分析两个分类变量的相关性。 卡方检验（Chi-SquareTest）适用于不服从正态分布的数据，两组变量是无序的。使用SPSS进行卡方检验的操作方法，大家可以登录SPSS中文网站进行学习，这里仅作原理性的介绍。如图1是某种药物单独使用和药物与放疗同时使用时，治疗是否有效的卡方检验结果。
图1某地某种疾病发病人数统计 个案处理摘要显示了有效数据和无效数据的数量。VAR00001*VAR00002交叉表显示各变量对应的频数，VAR00001列1代表单独使用药物，2代表药物与放疗同时使用，VAR00002行1代表有疗效的人数，2代表无疗效的人数。 行列变量为各为二组，自由度为（2-1）×（2-1）=1，Pearsonχ2值为22.475，显著性数值为0.000小于0.05，有显著性差异，不能接受无关假设，即单独使用药物与药物放疗同时进行有显著性差异。
2.Pearson相关系数计算 Pearson相关系数用于评估两组数据是否符合线性关系，不能用于符合曲线关系的数据，线性相关越强，Pearson相关系数就越接近1（线性递增）或-1（线性递减）。图2为一组数据的线性相关性检验，可以看出，Peason相关系数0.984，表明两者有较强的线性相关性，一般认为<0.3无相关性，0.3～0.7弱相关性，>0.7较强的相关性。图2Pearson检验结果 3.Spearman相关系数计算 Spearman相关系数适用于不满足线性关系，且不满足正态分布的数据，如图3所示，实际这是两组随机产生的数据，用Spearman相关系数计算时，结果为0.257，<0.3无相关性，与Pearson相关系数类似，<0.3不相关，0.3～0.7为弱相关，>0.7为强相关。
图3Spearman相关系数计算 4.Kendall的tau-b（K）相关系数计算 进行Kendall的tau-b（K）相关分析，需要满足下列3个条件： 1.两个变量是有序分类变量； 2.两个变量相对应的研究对象是一定的。 例如调查工资与学历之间的关系，两个变量学历和收入都是等级变量，符合条件1；两个变量均对应同一研究对象：一个区域内的所有工作的成年人。符合条件2。
收入等级分别为1高收入，2中收入，3低收入，学历等级分别为1高学历，2中等学历，3低学历。结果分析如图4所示。相关系数为0.480，有弱的相关性。图4Kendalltau-b系数计算 对于不同种类的数据，应采用不同的统计方法进行相关性分析，SPSS内置了丰富的统计计算功能，可以充分满足不同统计数据的使用需求。
怎样用spss分析这两组数据的相关性？
1、打开SPSS软件，输入两列数据，如下图所示；2、用鼠标在工具栏上一次点击“分析”----”相关”----“双变量”，如下图所示；3、进入要分析的变量，将两个变量都选定，相关系数选择Pearson，显著性检验选择双侧检验，标记显著性相关，如下图所示；4、选择其他相关需要，如均值与标准差，缺失值的选择，然后点击继续，如下图所示；5、在bootstrap菜单中打勾，置信区间选择百分位，抽样选择简单，然后点击确定，如下图所示；6、等待软件分析完成后就可以得到描述性分析和相关性分析的数据了，如下图所示。
如何使用spss做相关性分析
SPSS作为简单实用的数据分析软件，那么如何使用SPSS做相关性分析？下面一起来看看。 1、 电脑安装SPSS软件包，最好使用最新版本，功能比较齐全。
2、 打开SPSS软件，导入你需要分析的数据，这里以excel数据为例子。
以此点击【文件】-【打开】-【数据】。 3、 选择excel数据，确认导入后，查看数据是否导入正常。 4、 第四步，进行相关性分析。依次点击【分析】-【相关】-【双变量】。
5、 然后，把变量从左侧选择到右侧变量框里面，勾选person相关，双侧检验等等。 6、 最后，点确定，相关性的结果就在输出文档里面了。你也可以把结果复制导出到word或者excel。
注意事项：分析前应检查缺失数据等。
spss 典型相关分析
说明没有该文件存在，你是不是找错了？你直接打开SPSS启动文件然后把扩展名是。
标签： spss典型分析奇异性
