几组数据有显著相关性,可以做回归分析么

你第一图的数据样本是40第二图是25第三个图是21结果肯定不一样显著性水平,又称检验水准是人为确定的一般为0.05再问：表格下面的那行小字写的0.01不用管吗？再答：看相关系数，第一个图是0.439，

相关性分析会得出一个p值,如果p值

x=[13.21314.98.27.925.316.016.37.5];>>y=[23242120213930329];>>[R,P]=corrcoef(x,y)R=1.00000.88340.883

你提供的是不完整的回归分析结果.模型汇总中的R方说明你的回归公式的拟合度很好,也就是说用这个公式模型来进行预测的能力很强.R方在0-1之间,越大说明拟合度越好.R说明两个变量之间为很密切的正相关关系,

如果你用SPSS计算的相关系数,默认都是带显著性检验结果啊.没明白你问的是啥意思?再问：我是做两种测定方法，得出数据后检测这两种检测方法得出的数据有没有相关性，能不能互相替代。我也是有些不知如何下手能

通过F检验和t检验,伴随概率一致通过,方程成立

这个说明A、B的相关系数是0.172,P=0.509＞0.05说明AB的相关性不成立,可认为A、B不存在直线关系.再问：您好，还有一组数据，相比较上一条的话是不是可以说前者的线性比较强呢？再答：都没有

最简单直观的方法就是做相关系数矩阵了,另外就是Pearson相关系数或者Spearman相关系数用SPSS软件或者SAS软件都可以分析.用SPSS更简单.如果你用SPSS软件,分析的步骤如下：1.点击

当然不能这样认为.可以根据数据类型做卡方检验、T检验、F检验等等.看看P值是否都小于0.0001,如果都小于,则可以这样认为.根据具体情况,也可以做多元相关分析.你可以做回归分析,看看数据是否服从线性

先进性复共线性检验,如果变量之间复共线性特别大,那么进行岭回归和主成分回归,可以减少复共线性,岭回归是对变量采取了二范数约束,所以最后会压缩变量的系数,从而达到减小复共线性的目的,另外这个方法适合于p

相关分析的结果只是提示作用,0.1-0.2的话意义不是很大了.正态性的话还是要看的,可以不考虑你考虑的话也不会错,对吧

首先你要明确你要判断两组数据相关还是相等,相等的话检验均值看是否显著性差异.如果要判断相关的话,可以求相关系数.你已经求出来了是0.4左右,一般来说,0.4的相关系数说明两个量是适度的线性相关.你应该

你的问题不太明确.一般来说,个人常用的方法有两种（前提是每个题的选项都是一致,如都为测量态度的五级,从非常不同意到非常同意）：累加形成新变量.可将一组同性质的题目每题的选项分别按照非常不同意=1,比较

直接用spss中的相关分析就好了如果相关性显著,就是你说的相关性比较大的,会有星号标注的

这个……发现你对统计一点都不理解……性别是分类变量你这里的应变量是等级分类变量暂时还不知道你要分析哪些指标的相关性.建议：找对统计了解的人解决.

应该是用重复测量的方差分析来做的

多维空间,判断两组数据的分布.应该采用拟合的分析.可以参考平面数据的拟合分析.第一步,要选择合适的座标系.不同的座标系对运算量的影响很大.第二步,建立假设的多维空间的方程,分别判断每组数据与假设方程是

你给的分太底,不答

可以.因为配对T检验的必要条件是：每一个样本都是严格配对的.具有相关性不是配对T检验的必要条件,但是在配对样本的实验中,相关系数比较高往往是正常现象和多见现象,只要样本是配对的,而且数据符合正态分布和

虚拟变量,你可以试试0-1这样的虚拟变量,含0的,对应的y低,含1的对应的y高（假设正相关）.其实主要看你的虚拟变量打算加在哪里,加在常数项就这么做,加在系数项的话就是另外一组数据了.你可以先写个含虚