多个变量如何做相关分析软件

Ⅰ 如何用SPSS软件把调查问卷中一个维度的多个问题合成一个变量,然后进行相关分析求大神帮帮忙。

需要先把20个问题的数据全部输进去，通过：数据→计算变量，计算每个纬度的得分。最后就可以用计算得到的四个纬度进行相关分析。

SPSS的问卷分析中一份问卷是一个案，首先要根据问卷问题的不同定义变量。定义变量值得注意的两点：

一、区分变量的度量，Measure的值，其中Scale是定量、Ordinal是定序、Nominal是指定类；

二、注意定义不同的数据类型Type。 

(1)多个变量如何做相关分析软件扩展阅读：

统计学的初学者可能对“回归”方法这个大家族的强大、多样化和灵活性感到十分吃惊。对于进阶学习者而言，他们可能始终感兴趣的是如何利用回归分析方法来处理大量的、参差不齐的问题。例如，简单和多重（非）线性回归分析、个体生长曲线、生存分析、时间序列分析等。

从另一方面来看，如此广阔的应用范围就面临一个问题，即人们无法单纯依靠背诵就可以掌握：“对于带有一个定距因变量的线性因果模型，人们通常使用线性回归；对于带有一个二元因变量的因果模型，就使用逻辑回归等。

Ⅱ SPSS可以把多个变量两两分别做相关分析吗

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。

(2)多个变量如何做相关分析软件扩展阅读：

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：网络-相关分析

Ⅲ 如何用spss对多个自变量与一个因变量做相关性分析

多重共线性的处理的方法
（一）删除不重要的自变量
自变量之间存在共线性，说明自变量所提供的信息是重叠的，可以删除不重要的自变量减少重复信息。但从模型中删去自变量时应该注意：从实际经济分析确定为相对不重要并从偏相关系数检验证实为共线性原因的那些变量中删除。如果删除不当，会产生模型设定误差，造成参数估计严重有偏的后果。
（二）追加样本信息
多重共线性问题的实质是样本信息的不充分而导致模型参数的不能精确估计，因此追加样本信息是解决该问题的一条有效途径。但是，由于资料收集及调查的困难，要追加样本信息在实践中有时并不容易。
（三）利用非样本先验信息
非样本先验信息主要来自经济理论分析和经验认识。充分利用这些先验的信息，往往有助于解决多重共线性问题。
（四）改变解释变量的形式
改变解释变量的形式是解决多重共线性的一种简易方法，例如对于横截面数据采用相对数变量，对于时间序列数据采用增量型变量。
（五）逐步回归法
逐步回归（stepwise
regression）是一种常用的消除多重共线性、选取“最优”回归方程的方法。其做法是将逐个引入自变量，引入的条件是该自变量经f检验是显着的，每引入一个自变量后，对已选入的变量进行逐个检验，如果原来引入的变量由于后面变量的引入而变得不再显着，那么就将其剔除。引入一个变量或从回归方程中剔除一个变量，为逐步回归的一步，每一步都要进行f
检验，以确保每次引入新变量之前回归方程中只包含显着的变量。这个过程反复进行，直到既没有不显着的自变量选入回归方程，也没有显着自变量从回归方程中剔除为止。

Ⅳ spss modeler 已知多组数据之间相关性（r值），怎么做出具有较高相关性数据的关系图

• 打开SPSS软件;点击“开始”按钮，双击“SPSS ”软件。

  导入数据：点击左上角“文件”-----“打开”-----“数据”，并选择你的数据

  如果为spss数据可以直接导入，若为excel 格式，需要在“文件类型”框中选择“excel格式”

  

• 一般结果，应该先描述第二个图的表格含义，

  其中mean表示均值，为两个连续性变量的均数；第二个值为Std. Deviation 表示标准差，即原始数据的标准差

• 第一个图为pearson correlations表格为相关系数表

  其中pearson correlation 为相关系数

  sig 为P 值（<0.05为有显着性意义）

  N 为样本量

Ⅳ 请问如何用SPSS软件做相关分析

相关性分析前，务必先做个散点图，以初步判断两变量是否存在相关趋势，该趋势是否为直线，以及数据中是否存在异常点。SPSS的相关分析功能被集中在Statistics菜单中的Correlate子菜单中。该子菜单中存在3个过程。其中Bivariate过程用的最多（分析两变量间的线性相关分析），它是用于分析两个/多个变量间的参数/非参数相关分析，如果是多个变量，则给出两两相关的分析结果。

我用张文彤教材上给的例子实践了一下，简单的相关性分析还是很容易操作的。大致描述一下过程就是，录入数据——画散点图（Graphs菜单里找scatter，不同版本软件会有所不同，根据你的数据选择X变量、Y变量，点ok就可以画了）——相关性分析（Statistics菜单中Correlate子菜单中的Bivariate过程，选择你要分析的变量到Variables框里，下面的复选框内容根据需要选择，点ok就可以了）——结果分析，Spss相关分析会以矩阵形式给出。

上面说的是最简单最基本的过程，如果你的数据比较复杂，可能还要对数据进行处理使其可以用线性相关性分析，或者用别的方法分析。建议自己找教程看，这样才可以根据自己的数据对症下药。

Ⅵ 多个自变量和多个因变量之间的影响关系应该用什么软件分析

AMOS做结构方程，不过需要先装SPSS才行，而且对数据有一定要求，最好找本专门讲结构方程的书看看。
或者老实点逐个回归。。。这个方法最笨，看起来也没多少技术含量，但最省事也最安全。

Ⅶ 如何运用SPSS进行多个变量的相关分析

直接做双变量的两两相关分析，或者多元线性回归分析就行。（南心网
SPSS数据分析）

Ⅷ 求助多个因变量和多个自变量之间如何用spss做相关性分析，通过问卷调

用SPSS可以做一个相关矩阵
还可以做多变量与多变量的典型相关，不过这个分析好像已经过时了
还可以做回归分析，不过一次只能做一个自变量
最好还是用其他软件做结构模型了，用结构方程来做，SPSS应该做不了的，可以用amos, lisrel,mplus等等

Ⅸ SPSS两个变量组怎么进行相关性分析

首先建立两个变量如x，y，把数据录入进去（两列），在analysis里头，选correlate，分别把x，y放进去，点OK就可以得到结果。