La correlación general solo analiza la correlación entre dos variables y no controla la influencia de otras variables.
Para la regresión, si ingresa varias variables independientes para la regresión, entonces el coeficiente de regresión de una determinada variable independiente que ve en realidad representa el control de otras variables independientes (es decir, restar otras variables independientes) El efecto de una variable sobre la variable dependiente), es decir, no representa el efecto de la variable sobre la variable dependiente únicamente.
La diferencia radica en si se controlan otras variables distintas a la variable de interés.
El análisis de correlación se utiliza para estudiar la relación entre datos cuantitativos, incluido si existe una relación y qué tan estrecha es la relación.
1. Si hay significado (hay un * en la esquina superior derecha del resultado, significa que hay una relación; de lo contrario, no hay relación después de que hay una relación, la cercanía); de la relación se puede determinar directamente por el tamaño del coeficiente de correlación. Generalmente, un valor superior a 0,7 indica una relación muy estrecha; un valor entre 0,4 y 0,7 indica una relación estrecha; un valor entre 0,2 y 0,4 indica una relación general.
2. Si el valor del coeficiente de correlación es menor que 0.
2, pero aún muestra significancia (hay un * en la esquina superior derecha, 1 * es significativo en la esquina superior derecha). Nivel 0,05, 2 * Howl es significativo en el nivel 0,01; la significancia significa que la aparición del coeficiente de correlación es estadísticamente significativa y común, en lugar de aparecer por casualidad), lo que indica que la relación es débil, pero aún existe una correlación.
3. El análisis de correlación es un requisito previo para el análisis de regresión. Primero, es necesario garantizar que exista una correlación y luego se puede estudiar la relación de influencia de la regresión.
4. Porque si todos no muestran correlación, es imposible que haya impacto. Si existe una correlación, puede que no necesariamente exista una relación de regresión.
Pasos de operación para análisis relacionados
1. Los usuarios de SPSSAU pueden arrastrar y soltar libremente elementos de análisis en el cuadro de lista de análisis, la única diferencia es el formato de salida.
2. El análisis de correlación utiliza coeficientes de correlación para expresar la relación entre los elementos del análisis; primero determine si existe una relación (un signo * significa que hay una relación; de lo contrario, no hay relación
3 Luego juzgue si la relación es positiva o negativa (el coeficiente de correlación es mayor que 0, lo que significa correlación positiva, y viceversa
4); la relación (normalmente el coeficiente de correlación es mayor que 0,4, lo que significa que la relación es cercana);
5. Hay dos tipos comunes de coeficientes de correlación, a saber, Pearson y Spearman. Este sistema utiliza el coeficiente de correlación de Pearson. por defecto. Antes del análisis de correlación, SPSSAU recomienda utilizar diagramas de dispersión para ver visualmente la relación entre los datos. Además de esto, SPSSAU también proporciona el coeficiente de correlación de Kendall.