皮卡尔相关系数和p值

① pearson相关系数和spearman相关系数的区别

区别：

1.分析范围不同：

Pearson用于计算连续数据的相关，而speraman相关是专门用于分析顺序数据，二者分析范围不同。

2.用途不同：

Pearson相关是最常见的相关公式，用于计算连续数据的相关，比如计算班上学生数学成绩和语文成绩的相关可以用Pearson相关。而spearman相关是专门用于分析顺序数据的，就是那种只有顺序关系，但并非等距的数据，比如计算班上学生数学成绩排名和语文成绩排名的关系。

当然如果你也可以用pearson相关来计算顺序数据，此时得到的结果和用spearman相关得到的一样。

拓展材料：

相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度。于是，著名统计学家卡尔·皮尔逊设计了统计指标--相关系数(Correlation coefficient)。相关系数是用以反映变量之间相关关系密切程度的统计指标。

相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度;着重研究线性的单相关系数。

② 怎么用excel求相关系数和假设检验的p值

</p统计函数 AVEDEV 返回数据点与其平均值的绝对偏差的平均值</pAVERAGE 返回参数的平均值</pAVERAGEA 返回参数的平均值，包括数字、文本和逻辑值</pBETADIST 返回 Beta 累积分布函数BETAINV 返回指定 Beta 分布的累积分布函数的反函数</pBINOMDIST 返回一元二项式分布概率CHIDIST 返回 chi 平方分布的单尾概率</pCHIINV 返回 chi 平方分布的反单尾概率CHITEST 返回独立性检验值</pCONFIDENCE 返回总体平均值的置信区间CORREL 返回两个数据集之间的相关系数COUNT 计算参数列表中数字的个数COUNTA 计算参数列表中值的个数COUNTBLANK 计算区间内的空白单元格个数</pCOUNTIF 计算满足给定标准的区间内的非空单元格的个数</pCOVAR 返回协方差，即成对偏移乘积的平均数</pCRITBINOM 返回使累积二项式分布小于等于临界值的最小值</pDEVSQ 返回偏差的平方和EXPONDIST 返回指数分布FDIST 返回 F 概率分布FINV 返回反 F 概率分布FISHER 返回 Fisher 变换FISHERINV 返回反 Fisher 变换FORECAST 根据线性趋势返回值</pFREQUENCY 以向量数组的形式返回频率分布FTEST 返回 F 检验的结果GAMMADIST 返回 gamma 分布GAMMAINV 返回反 gamma 累积分布GAMMALN 返回 gamma 函数的自然对数，Γ(x)GEOMEAN 返回几何平均值</pGROWTH 根据指数趋势返回值</pHARMEAN 返回调和平均值</pHYPGEOMDIST 返回超几何分布</pINTERCEPT 返回线性回归线截距KURT 返回数据集的峰值</pLARGE 返回数据集中第 k 个最大值</pLINEST 返回线性趋势的参数LOGEST 返回指数趋势的参数</pLOGINV 返回反对数正态分布</pLOGNORMDIST 返回累积对数正态分布函数</pMAX 返回参数列表中的最大值</pMAXA 返回参数列表中的最大值，包括数字、文本和逻辑值</pMEDIAN 返回给定数字的中值</pMIN 返回参数列表中的最小值</pMINA 返回参数列表中的最小值，包括数字、文本和逻辑值</pMODE 返回数据集中出现最多的值</pNEGBINOMDIST 返回负二项式分布NORMDIST 返回正态累积分布</pNORMINV 返回反正态累积分布</pNORMSDIST 返回标准正态累积分布</pNORMSINV 返回反标准正态累积分布</pPEARSON 返回 Pearson 乘积矩相关系数</pPERCENTILE 返回区域中的第 k 个百分位值</pPERCENTRANK 返回数据集中值的百分比排位</pPERMUT 返回给定数目对象的排列数POISSON 返回 Poisson 分布PROB 返回区域中的值在上下限之间的概率QUARTILE 返回数据集的四分位数RANK 返回某数在数字列表中的排位</pRSQ 返回 Pearson 乘积矩相关系数的平方SKEW 返回分布的偏斜度SLOPE 返回线性回归直线的斜率SMALL 返回数据集中的第 k 个最小值</pSTANDARDIZE 返回正态化数值</pSTDEV 基于样本估算标准偏差STDEVA 基于样本估算标准偏差，包括数字、文本和逻辑值</pSTDEVP 计算基于整个样本总体的标准偏差</pSTDEVPA 计算整个样本总体的标准偏差，包括数字、文本和逻辑值</pSTEYX 返回通过线性回归法预测每个 x 的 y 值时所产生的标准误差</pTDIST 返回学生的 t 分布TINV 返回学生的 t 分布的反分布TREND 返回沿线性趋势的值</pTRIMMEAN 返回数据集的内部平均值</pTTEST 返回与学生的 t 检验相关的概率VAR 基于样本估算方差VARA 基于样本估算方差，包括数字、文本和逻辑值</pVARP 基于整个样本总体计算方差VARPA 基于整个样本总体计算方差，包括数字、文本和逻辑值</pWEIBULL 返回 Weibull 分布ZTEST 返回 z 检验的单尾概率值</p

③ SPSS这个分析结果！求其中r值p值多少并且代表什么意思！

R就是相关性那个值，p就是显著性那个值，具体如下：

首先看显著性值，也就是sig值或称p值，它是判断r值，也即相关系数有没有统计学意义的，判定标准一般为0.05，由表可知，两变量之间的相关性系数r=-0.035，其p值为0.709>0.05,所以相关性系数没有统计学意义。

无论r值大小，都表明两者之间没有相关性，如果p值<0.05，那么就表明两者之间有相关性。
然后再看r值，|r|值越大，相关性越好，正数指正相关，负数指负相关。

(3)皮卡尔相关系数和p值扩展阅读：

SPSS相关分析结果的看法

1、如果两个变量都是连续型，且服从正态分布，则选择pearson皮尔逊相关性分析。

2、如果两个变量有序定序，则选择spearman斯皮尔曼相关性分析，另外，如果连续变量但是不服从正态分布，也选择spearman相关性分析。

3、结果的分析有两步:

1、看sig是否＜0.05，＜0.05意味着两个变量存在显著相关关系。如果＞0.05，意味着无关键，分析结束。

2、<0.05,意味着有关联，再继续看相关系数，是正相关还是负相关即可。也可以看看相关系数的绝对值是否在0.5以上，绝对值高于0.5属于中强相关。

④ 急!用SPSS怎么算四格表相关系数和P值

给你举个例子吧
2*2的表格
那么你就把第一个变量分为1，2两个。第二个变量也分为1，2两个。
然后把人数或者其他的它们对应的数字输入到spss第三列，然后把数字加权。2*2的表格就有四种方式。注意数据不要输错，要一一对应。
然后点analyze--descriptive statistics——crosstabs——把变量点入，同时在statistics选项中点correlation，然后点ok。
因为我不会上传图片，没法发图片，如果还不懂，我再详细的和你说。。。做这个最主要的是数据要对应的输进去。。。

⑤ SPSS中pearson（皮尔逊相关系数）看r值还是P值，确定相关性

正值表示两变量正相关，即一个随另一个的增大而增大，减小而减小，变化趋势相同；负值表示两变量负相关，即一个随另一个的增大而减小，变化趋势相反。

P>0.05表明没有相关性，P<0.05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。

SPSS中pearson（皮尔逊相关系数）r值和P值，两个值都要看，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。

相关系数r的绝对值

皮尔逊相关系数的变化范围为-1到1。 系数的值为1意味着X和Y可以很好的由直线方程来描述，所有的数据点都很好的落在一条直线上，且随着增加而增加。系数的值为1意味着所有的数据点都落在直线上，且随着增加而减少。

系数的值为0意味着两个变量之间没有线性关系。更一般的，当且仅当均落在他们各自的均值的同一侧， 则的值为正。 也就是说，如果同时趋向于大于，或同时趋向于小于他们各自的均值，则相关系数为正。 如果趋向于落在他们均值的相反一侧，则相关系数为负。

⑥ 将excel表导入matlab中求每两行之间的相关系数和p值

matlab导入数据， 用corrcoef计算即可

⑦ R 相关分析，能不能得到同时得到相关系数和p值

可以的啊，有这个软件包的

⑧ 统计相关分析中相关系数及p值的意义

相关系数0.241远远小于
p=0.905，我们可以认为线性相关关系不显著，或者说没有相关关系，没有统计学意义。
p>0.05的r值是指线性相关关系显著，近似认为有关系。
当相关系数大于0.905时，是指线性相关关系特别显著，套用公式就可以得到极度接近的数值，这也是相关分析的实际应用。

⑨ oracle中求相关系数的函数，还有求P值的函数，请各位亲们告知，

可以去掉，corr() 里的还可以是avg函数、