Pearson相关分析结果解读：相关系数r与显著性检验.docxVIP

Pearson相关分析结果解读

一、方法概述

Pearson相关分析是统计学中用于衡量两个连续型变量之间线性关联方向和强度的基本方法。Pearson相关系数r的取值范围为[-1,1]，其中r0表示正相关，r0表示负相关，|r|越接近1表示线性关联越强。一般而言，|r|0.3为弱相关，0.3≤|r|0.7为中等相关，|r|≥0.7为强相关。Pearson相关分析的前提条件包括：两变量均为连续型数据、变量间关系近似线性、数据服从双变量正态分布或至少近似正态、不存在显著的异常值影响。

在实证研究中，Pearson相关分析通常作为回归分析的前置步骤，用于初步筛选变量间的关联模式、识别潜在的共线性问题以及为后续建模提供方向性假设。通过构建相关系数矩阵，研究者可以系统地审视多个变量两两之间的线性关系全貌。SPSSAU软件提供了标准格式和详细格式两种Pearson相关分析输出，前者以紧凑的矩阵形式展示相关系数及显著性标记，后者则额外提供95%置信区间、p值和样本量等详细信息，便于研究者进行全面的统计推断。

本报告基于260个有效样本，对x1至x6六个变量进行Pearson相关分析，并对标准格式和详细格式的相关矩阵进行系统解读。

在SPSSAU【通用方法】模块选择【相关】，将变量拖拽至右侧对应分析框，选择相关系数，操作如下图：

二、描述性统计与相关矩阵（标准格式）

表1报告了六个变量的描述性统计