SPSS相关系数高,但不显著,可以进行回归分析吗

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

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.

不显著就应该剔除,除非你想硬塞进这个自变量,那你只有改数据了

跟据所有可能的因变量进行估计,建立多元线性回归方程,根据最小二乘原理,求解各系数,但因变量项N多时,解线性方程组会变得相当困难,我们常用高斯消去法与消去变换来求解多元线性方程组比较常用.具体运算比较复

sig说明你的变量之间肯定存在相关关系,相关系数非常小说明你的相关是很弱很弱的相关,要是说显著性的话,毫无疑问你的数据肯定是显著相关的,只是相关很弱.ppv课,大数据培训专家,最权威的学习网站,学习s

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

是显著的,没什么好理解的如果没法理解kendall系数,干脆就让人帮你做分析我经常帮别人做这类的数据分析的

如果是非常不显著,建议删除,其它情况比如15%的水平下是显著的,建议保留,这得根据实际问题来.可以试着先将最不显著的剔除掉,再看看方程,也许就会出现显著系数增多的情况,建议一个个删除.

相关系数0.624大约属于中等量级的相关,在样本量足够大的情况下一般都会有显著性,你的情况应该是样本量偏小造成的.此外,pearson相关系数的正确性需要得到散点图的证实,你应该检查一下散点图,看看数

在实验室或严格情况下才会出现自变量与因变量你有用pearson和Spearman相关必然只是两个量的相关非标准化系数最不能说明问题线性回归方法有4个不知道你用的是哪个

β对应的P值大于所给的显著性水平一般取α=0.05意为β对应的变量对因变量的影响明显

要根据散点图来初步估计下大概是什么关系如果比较简单的不建议采用非线性回归,因为要自己构建算式的,比较有难度可以采用曲线回归,它会有一系列常用的曲线模型,你可以根据散点图大致选择几个模型然后结果会输出各

不能用皮尔森相关检验,结果只能说明两变量的相关性,不能推及到有没有相互影响的结论.统计理论与语言都是要求很严谨和精确的,有没有影响可以做回归分析,如果结果是有影响,也只能说是自变量X对因变量Y有影响,

你是想调整数据呢还是想调整什么呢?线性回归时候,相关系数只是表明了各个系数之间的相关程度.但是自变量对因变量不显著的话,只能说明自变量多因变量影响不大,可以考虑换其他的跟因变量关系更加大的变量.或者在

你学统计学的不是有条件吗?应该是这样的可以拒绝原假设

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

这里主要关注两个信息就够了,一个是n,那就是你的样本容量,比如n=100的话就是有100个被试,也即100组配对的数据.根据你的样本量找到检验表里对应的行.另一个就是根据你定的显著性水平来看显著性,一

刚看了一篇外文文献,其中提到了几个变量之间的相关性分析.作者用SPSS得出A与B的相关性系数约为0.09,但显著性水平大于0.05即不显著.随后继续作回归性分析（未阐明是否是多元线性）结论是BETA值

1、找到相关系数显著性检验表；2、然后确定自由度（n-m-1）,n,m分别代表样本个数和未知量维度；3、查找a0.01,a0.05,a.010对应的值；4、将相关系数r与a比较,确定显著性水平.

不能拒绝二次adm项系数为0的假设所以不显著你可以看看二次回归和一次回归R方的差异如果不大说明一次v即可.再问：但是R^2很大啊。。。再答：一次和二次的R方差异是多少?再问：相差不大。。。