可以。
spss里的pearson相关分析的作用就是单纯考量变量两两之间的关系,虽然你可以在分析时一次
放入多个变量,但出来的结果都是两个变量的简单的相关,也就是不在求两变量相关时考虑其他
的控制变量。然而回归不同,回归的结果是综合所有进入回归方程的自变量对因变量的结果而成
的。
举个例子,比如你考查变量a,b,c之间的关系,如果你使用一般的相关,那么其结果呈现的是a
和b的简单相关,b和c的简单相关,a和c的简单相关,每一个相关都只涉及到两个变量,而与第三
个变量无关,但如果是回归,回归里a和b的相关是在减去c变量的效应之后的,b和c的相关是在减
去a的效应后的,a和c的相关是减去b的效应后的。
计算方法不同,得出的结果就不同。所以相关性分析时两变量负相关,回归分析却是正相关这很正常。出现任何形式的不同都不奇怪。
扩展资料:
两个变量之间的相关程度通过相关系数r来表示。相关系数r的值在-1和1之间,但可以是此范围内的任何值。
正相关时,r值在0和1之间,散点图是斜向上的,这时一个变量增加,另一个变量也增加;
负相关时,r值在-1和0之间,散点图是斜向下的,此时一个变量增加,另一个变量将减少。
r的绝对值越接近1,两变量的关联程度越强,r的绝对值越接近0,两变量的关联程度越弱。
相关分析与回归分析在实际应用中有密切关系。然而在回归分析中,所关心的是一个随机变量Y对另一个(或一组)随机变量X的依赖关系的函数形式。而在相关分析中 ,所讨论的变量的地位一样,分析侧重于随机变量之间的种种相关特征。
参考文献:百度百科-相关分析
当然可以了,如果用SPSSAU进行在线spss数据分析,选择通用方法->相关进行,结果格式为三线表格式,属于规范的格式不用重新整理。
分析结果上看会输出包括平均值和标准差,以及相关系数和P值。
前两列即为各变量的平均值和标准差,第三列开始为两两变量之间的相关系数。
数值右上角的星号代表P值。对于相关分析,一般规范的表格格式是:P值使用*号表示,P < 0.01使用2个*号表示;P < 0.05使用1个*号表示。
spss里的pearson相关分析的作用就是单纯考量变量两两之间的关系,虽然你可以在分析时一次放入多个变量,但出来的结果都是两个变量的简单的相关,也就是不在求两变量相关时考虑其他的控制变量。然而回归不同,回归的结果是综合所有进入回归方程的自变量对因变量的结果而成的,也就是说,在回归当中你所看到的相关,是在控制了其他进入回归方程的变量之后的。因此,普通相关与回归之中的回归系数会有比较大的差别。举个例子,比如你考查变量a,b,c之间的关系,如果你使用一般的相关,那么其结果呈现的是a和b的简单相关,b和c的简单相关,a和c的简单相关,每一个相关都只涉及到两个变量,而与第三个变量无关,但如果是回归,回归里a和b的相关是在减去c变量的效应之后的,b和c的相关是在减去a的效应后的,a和c的相关是减去b的效应后的。计算方法不同,得出的结果就不同。所以相关性分析时两变量负相关,回归分析却是正相关这很正常。出现任何形式的不同都不奇怪