spss相关分析结果中的星号是什么意思？

只有在相关分析中，spss才会在结果矩阵中突出显示一个*号和两个*号来区分0.01和0.05水平的显著性。其他分析都是默认0.05水平的显著性，所以不会有*号。至于你看到的论文，标*的都是自己后期编辑添加的。

皮尔逊线性相关分析常用于定量描述两个定量变量之间线性相关的方向和紧密程度。皮尔逊线性相关分析只能用于分析两个定量变量，并且要求两个变量都是正态分布的，而且是随机变量，不是人为控制的变量(比如给不同的小鼠不同的剂量，不同的剂量是人为的非随机变量)。其他注意事项请见本文末尾。我们以一组学生的考试成绩为例，分析学生的历史成绩和综合成绩之间是否存在有线关系，有多接近。

工具材料:

附加电源装置（Supplementary Power Supply Set的缩写）

操作方法

在进行皮尔逊线性相关分析之前，我们需要将历史得分和综合得分绘制成散点图，看看我们的数据是否可以用于皮尔逊线性相关分析。单击图形-图表生成器，然后在弹出的对话框中单击确定。(如果图中对话框没有弹出，忽略它，直接进行下一步。)

在图标生成器中，选择散点图，然后选择简单散点图；然后把左边的“历史”和“地理”拖到X轴和Y轴上(顺序可以颠倒)，然后点击确定。

我们可以得到如下图所示的结果。我们可以看到，图中散乱点的分布呈椭圆形，散乱点呈线性趋势，说明我们可以进行线性相关分析。这只是一个简单的初步判断。

回到数据视图，点击分析-相关性-双变量；

在弹出的对话框中，选择“历史”和“综合”进入右边的变量框，下面的相关系数选择“皮尔逊”，点击“确定”输出结果。

在结果中，我们可以看到“历史”与“综合”的相关系数为0.841，即| r | = 0.841；右上角有两个星号，左下角有“* *”，表示相关在0.01显著，表示“历史”与“综合”相关显著；我们一般认为相关系数|r|在0.8-1.0之间强相关；0.6和0.8之间有很强的相关性；0.4-0.6之间有中度相关；0.2和0.4之间存在弱相关性；0.0-0.2为极弱相关或无相关。结果本文的表达式如图所示。

注1:画散点图只是一个简单的判断。如果你的散点图不是椭圆的，那么你最终的结果可能是相关性不高或者P > 0.05，说明它们之间的相关性太弱或者没有线性相关性。

含义二:分层数据不能随便合并，比如下图(a)中，将原来相关的数据合并，造成不相关的假象；图(b)结合了两个不相关的样本，创造出正相关的假象。

注3:当异常值出现时，我们应该谨慎使用相关性分析，例如图(c)中这个明显的异常值。计算中包括或不包括都会对结论产生很大影响，甚至得出相反的结论。对于这种明显的异常值，我们应该仔细检查数据收集和输入过程，或者重复实验。

特别提示

相关性不一定是因果关系，也可能是偶然的。