SPSSAI 数据统计分析平台 | AI 驱动
学习文章共 97 篇

SPSS 相关性分析表格怎么做:均值标准差与相关系数矩阵

方法教程更新于 2026-11-21约 4 分钟读完

论文里的相关性分析表格,要同时放均值、标准差和相关系数矩阵,并在表注里写明星号对应原始 p 还是校正后的 p。本例用本站演示数据(模拟生成)里五个变量、102 条记录,相关系数矩阵与显著性校正需要分别核对。表里每个数字都要能在报告里找到出处,下面逐项说明。

相关性分析表格的标准格式

这张相关分析三线表是下三角矩阵:行和列都是变量,对角线填「—」,下三角填相关系数,前两列是均值与标准差。方法说明见Pearson相关性分析。星号按 Holm 校正后的 p 标注:

变量 M SD 1 2 3 4
1 工作压力 62.140 11.422 —
2 情绪耗竭 56.166 9.759 0.723*** —
3 职业倦怠 52.511 9.940 0.716*** 0.530*** —
4 睡眠质量 47.686 6.930 −0.616*** −0.519*** −0.472*** —
5 组织支持感 50.939 9.149 0.234 0.265* 0.111 −0.139

表注:Pearson 相关,N=102,成对删除缺失;* p<0.05,*** p<0.001,均为 Holm 校正后的 p。

每个数字从哪来

以下结果来自本站演示数据(模拟生成,不代表真实研究结论)。本文用的是站内演示数据 120 行中随机抽取的 102 行;点「用演示数据试一试」载入全部数据,数字略有差别,读法相同。 五个变量的 Pearson 相关系数热力图

  • M 与 SD:出自第一张卡的描述统计表,取原始尺度的均值与样本标准差。
  • 相关系数与区间:出自第二张卡的主结果表,逐对列出相关系数、有效样本量与置信区间;区间对应的变量顺序与矩阵保持一致。
  • 星号:第四张卡给出每对变量的原始 p 与 Holm 校正后的 p,两列的对照见下面的校正前后对照表,校正后有一对不再显著。表中星号标哪一种 p,要在表注里写明。
  • 校正后的对数:10 对检验里,未校正 8 对显著,Holm 校正后 7 对。

Holm 校正前后的 p 值对照

相关分析报告前提卡截图:五个变量的描述统计

导出与保存的规则:演示数据不用登录就能跑;用自己的数据分析、导出 Word / PDF 报告、使用 AI 解读需要开通会员。

相关系数矩阵怎么读

先看方向,再看大小,最后看校正后的显著性。本例工作压力与两项耗竭指标同向,与睡眠质量反向;方向要与变量计分含义一起解释。报告按 Cohen 惯例分级:|r| 不低于 0.5 为大,0.3 到 0.5 为中,0.1 到 0.3 为小。

工作压力与情绪耗竭的散点图和拟合线

组织支持感与其他变量的相关都较小,与工作压力的区间为 [0.041, 0.409],下限接近 0,r²=0.055,两变量只共享约 5.5% 的方差。小相关即使显著,解释力也有限。

正态性与线性:影响的是 p 值和区间

相关系数 r 只是描述量,正态性要看的是 p 值和区间:它们依赖 t 检验和 Fisher z 变换,偏态严重时会失准。本例只有情绪耗竭拒绝正态(Shapiro-Wilk p=0.016),其余四个变量没有拒绝。N=102 时 t 检验对偏态尚有一定稳健性,若结论处在显著性临界,可用「Spearman相关分析」复核:10 对变量的 |r−ρ| 都小于 0.03,线性相关与排序相关的数值接近,仍需用散点图检查弯曲关系,留一法删去任一点后 r 的变动也都小于 0.10。

写表时常见的错误

  • 只报相关系数,不报均值和标准差:读者看不到每个变量的水平与离散程度。
  • 星号标了原始 p,表注却写校正:本例有一对变量原始 p 带星号、校正后就没有,两者要分开写,表注写明星号对应哪一种 p。
  • 只报 p,不报 r 和区间:p 受样本量影响,大样本下极弱的相关也能显著,要看 r 与 r² 的实际大小。
  • 把相关写成因果:r 显著只说明两个变量共变,不能推断方向,也排除不了第三变量;已知混杂变量时用「偏相关分析」。

正文段落示例

下面的段落可以照着改写,数字全部来自本次运行:

对五个变量进行 Pearson 相关分析(N=102,成对删除缺失,共 10 对检验,Holm 校正)。工作压力与情绪耗竭(r=0.723,95%CI [0.616, 0.805])、职业倦怠(r=0.716)呈显著正相关,与睡眠质量呈显著负相关(r=−0.616)。工作压力与组织支持感的相关为 0.234,原始 p=0.018,校正后 p=0.054,不再显著。

延伸阅读

常见问题

相关性分析表格里为什么要放均值和标准差?

均值和标准差让读者看到每个变量的水平与离散程度,相关系数才有背景。本例五个变量的均值在 47.686 到 62.140 之间,标准差在 6.930 到 11.422 之间。

相关系数矩阵的显著性要不要做多重比较校正?

要。同时检验多对变量会抬高整体的第一类错误率,报告给出了 Holm 校正后的 p 值。本例工作压力与组织支持感的相关,原始 p 为 0.018,校正后为 0.054,不再显著。

相关性分析表格的注释应该怎么写?

写明相关类型(Pearson)、样本量、星号对应原始 p 还是 Holm 校正后的 p。本例星号按校正后 p 标注,N=102。

同分类文章 · 方法教程

SPSS 协方差分析和方差分析的区别:加协变量后结果怎么变SPSS 方差分析和t检验的区别和联系:三组以上为何不能两两比SPSS 逻辑回归和线性回归的区别:因变量类型决定用哪个SPSS 中介效应三步法还能用吗:逐步检验与 Bootstrap 对照
回到学习文章,查看全部 97 篇 →