用SPSS做两列数据的相关性分析,得到了如下两个图表所示的内容,两个表具体都说明了什么意思呢?Correlations\x09\x09A\x09BA\x09Pearson Correlation\x091\x09-.651**\x09Sig. (2-tailed)\x09\x09.000\x09N\x091053\x091053B\x09

用SPSS做两列数据的相关性分析,得到了如下两个图表所示的内容,两个表具体都说明了什么意思呢?Correlations\x09\x09A\x09BA\x09Pearson Correlation\x091\x09-.651**\x09Sig. (2-tailed)\x09\x09.000\x09N\x091053\x091053B\x09
用SPSS做两列数据的相关性分析,得到了如下两个图表所示的内容,两个表具体都说明了什么意思呢?
Correlations
\x09\x09A\x09B
A\x09Pearson Correlation\x091\x09-.651**
\x09Sig. (2-tailed)\x09\x09.000
\x09N\x091053\x091053
B\x09Pearson Correlation\x09-.651**\x091
\x09Sig. (2-tailed)\x09.000\x09
\x09N\x091053\x091053
**. Correlation is significant at the 0.01 level (2-tailed).

用SPSS做两列数据的相关性分析,得到了如下两个图表所示的内容,两个表具体都说明了什么意思呢?Correlations\x09\x09A\x09BA\x09Pearson Correlation\x091\x09-.651**\x09Sig. (2-tailed)\x09\x09.000\x09N\x091053\x091053B\x09
c和d的Pearson相关系数是0.082.在得出样本相关系数后,还需要检验这个相关性是否由于偶然原因得到（也就是总体相关系数实际为0,仅由于抽样误差而得到样本的这个相关系数）.经过显著性检验,在总体相关系数为0的假设下,得出样本相关系数为0.082或更大的双侧概率为0.007,这就可以以高概率推翻总体相关系数为0的假设,也就表示总体确实存在一定的线性相关,但这个相关性即为微弱,不具有实际应用意义,这种情况在大样本下经常见到.需要注意的是,Pearson相关系数仅仅反映线性相关,并不能反映非线性相关性,因此你可以通过散点图看看c和d之间是否有存在非线性相关,最后才能下结论c和d之间是否有相关性,绝对不能仅凭Pearson相关系数就认定c和d的相关性（不论是有相关性还是无相关性,都必须结合散点图才能确定）.
Sig.是英文significance的缩写,也就统计教科书的P值,见于显著性检验中（内容参考上面相关系数检验的介绍）,有双侧检验(2-tailed或2-sided)和单侧检验(one-tailed或one-sided)之分.双侧检验用于检验是否等于某个数值（比如本例的0值）,而单侧检验用于检验是否大于（或小于）某个数值.
你的样本a和b具有中等大小的负相关（记住是线性相关）,但这一点仍然有待散点图的证实.通过散点图看看有没有离群值扭曲你的Pearson相关系数,这一点十分重要!

显著相关

a和b的Pearson相关系数是-.651。**表示p<0.01，有统计学意义其值不为0
有中等负相关性。