SPSS皮尔逊相关分析实例操作步骤
选题：
对某地29名13岁男童的身高（cm）、体重（kg），运用相关分析法来分析其身高与体重是否相关。

实验目的：
任何事物的存在都不是孤立的，而是相互联系、相互制约的。

相关分析可对变量进行相关关系的分析，计算29名13岁男童的身高（cm）、体重（kg），以判断两个变量之间相互关系的密切程度。

实验变量：
编号Number，身高height（cm），体重weight（kg）
原始数据：
实验方法：
皮
尔
逊
相
关
分
析
法
软件：
操作过程与结果分析：
第一步：导入Excel 数据文件
1.open data document ——open data ——open ；
2. Opening excel data source ——OK.
第二步：分析身高（cm ）与体重（kg ）是否具有相关性
1. 在最上面菜单里面选中Analyze ——correlate ——bivariate ，首先使用Pearson ，two-tailed ，勾选flag significant correlations 进入如下界面：
2. 点击右侧options ，勾选Statistics ，默认Missing Values ，点击Continue 输出结果：
图为基本的描述性统计量的输
出表格，其中身高的均值（mean ）
为、标准差（standard deviation ）
为、样本容量（number of cases ）
为29；体重的均值为、标准差为、
样本容量为29。

两者的平均值和标准差值得差距不显着。

图为相关分析结果表，从表中可以看出体重和身高之间的皮尔逊相关系数为，即
|r|=，表示体重与身高呈正相关关系，且两变量是显着相关的。

另外，
两者之间不相关的双侧检验值为，图中的双星号标
记的相关系数是在显着性水平为以下，认为标记的相关系数是显着的，验证了两者显着相关的关系。

所以可以得出结论：学生的体重与身高存在显着的
Descriptive Statistics
Mean Std. Deviation N
身高（cm ） 29
体重(kg) 29
Correlations
身高（cm ）
体重(kg)
身高（cm ）
Pearson Correlation 1
.719** Sig. (2-tailed)
.000
Sum
of
Squares
and
Cross-products
Covariance N
29 29 体重(kg)
Pearson Correlation .719** 1
Sig. (2-tailed) .000 Sum
of
Squares
and
Cross-products
Covariance N
29
29
**. Correlation is significant at the level (2-tailed).
正相关性，当体重越高时，身高也越高。

第三步：画散点图：选中Graphs——Legacy Dialogs——Scatter/dot——Simple scatter——define.
得到散点图，如下图：。