SPSS相關分析
相關分析用於研究定量資料之間的關係，包括是否存在關係以及它們之間的密切程度。這種分析方法通常在迴歸分析之前使用。相關分析和迴歸分析之間的邏輯關係是：必須先有相關關係，才能有迴歸關係。
什麼是相關分析
相關分析評估定量變數之間的關係。它使用相關係數來表示分析項目之間的關係。分析過程包括三個步驟：
1. 確定是否存在關係
2. 確定關係的方向：相關係數大於0表示正相關，而小於0的值表示負相關。
3. 確定關係的強度：通常，相關係數大於0.4表示密切關係。
重要說明：相關分析通常在迴歸分析之前進行。如果沒有相關關係，就不可能有迴歸關係。然而，有相關關係並不一定意味著會有迴歸關係。
相關係數類型
系統提供三種類型的相關係數：Pearson、Spearman和Kendall。系統預設使用Pearson相關係數。這些係數之間的區別如下：
| 係數 | 使用場景 | 說明 |
|---|---|---|
| Pearson | 滿足正態性的定量資料 | 可以使用PP/QQ圖、直方圖或正態性檢驗來檢查正態性（最嚴格的檢驗） |
| Spearman | 不滿足正態性的定量資料 | 可以使用PP/QQ圖、直方圖或正態性檢驗來檢查正態性（最嚴格的檢驗） |
| Kendall | 用於一致性判斷的定量資料 | 通常用於評分資料一致性水平研究（不是關係研究），如評委評分、資料排名等。Kendall tub_b類型 |
注意：理論上，如果資料呈正態分佈，使用Pearson相關係數；如果資料不呈正態分佈，使用Spearman相關係數。然而，在實踐中正態分佈很少存在。只要非正態情況在可接受的範圍內，就可以繼續使用Pearson係數。在大多數情況下，Pearson和Spearman係數的結論基本一致。因此，絕大多數研究使用Pearson相關係數，而Spearman使用較少。
功能存取
1. 導航到SurveyMars系統中問卷的"統計分析"部分。
2. 點擊"SPSS分析"選項以存取分析功能。
3. 點擊"立即分析"按鈕，從可用的分析方法中選擇"相關分析"。
執行相關分析
1. 選擇要分析相關性的定量變數。
2. 從分析方法的角度來看，相關分析不區分X和Y。然而，從分析邏輯的角度來看，建議區分X和Y（例如，如果研究"服務態度"和"服務品質"如何與"滿意度"和"忠誠度"相關，前兩個是X，後兩個是Y）。
3. 點擊"確認"按鈕產生相關分析結果。
解釋相關結果
相關分析結果分三個步驟解釋：
1. 確定是否存在關係：
- 如果結果中有星號（*），表示存在顯著關係
- 一個星號（*）表示在0.05水平上顯著（p < 0.05）
- 兩個星號（**）表示在0.01水平上顯著（p < 0.01）
- 如果沒有星號，表示沒有顯著關係
2. 確定關係的方向：
- 相關係數 > 0：正相關（一個變數增加，另一個也增加）
- 相關係數 < 0：負相關（一個變數增加，另一個減少）
3. 確定關係的強度：
- 相關係數 > 0.7：非常密切的關係
- 相關係數 0.4 - 0.7：密切關係
- 相關係數 0.2 - 0.4：中等關係
- 相關係數 < 0.2：弱關係（但如果標記了星號，仍然顯著）
結果解釋範例：
如果"線上購物滿意度"和"再購買意願"顯示相關係數為0.673**，p < 0.01，這表示：
- 存在顯著關係（由**表示）
- 關係是正相關的（係數 > 0）
- 關係是密切的（係數在0.4和0.7之間）
重要說明
- 相關分析僅用於研究定量資料之間的關係
- 相關分析通常在迴歸分析之前進行；必須先有相關關係，才能有迴歸關係
- 系統預設使用Pearson相關係數，適用於大多數研究場景
- 從方法角度來看，相關分析不區分X和Y，但從分析邏輯角度來看，建議區分它們
- 相關係數大於0.4通常表示密切關係
常見問題（FAQ）
問題1：結果中的p值在哪裡？
答：p值（也稱為顯著性值或Sig值）在相關係數表中用星號表示。對於相關分析，標準表格格式使用星號表示p值（標記在相關係數的右上角）。p < 0.01用2個星號（**）表示，p < 0.05用1個星號（*）表示。
問題2：我應該如何處理代表一個維度的多個量表項目？
答：如果多個量表項目代表一個維度（例如，兩個項目都代表"忠誠度"），您可以使用"產生變數"功能，選擇"平均值"選項，將多個量表項目合併為一個整體維度。將項目合併為整體後，您可以使用整體維度而不是單個項目進行相關分析、迴歸分析、變異數分析等。
問題3：如果資料不呈正態分佈，我應該怎麼辦？
答：理論上，如果資料呈正態分佈，使用Pearson相關係數；如果資料不呈正態分佈，使用Spearman相關係數。然而，在實踐中正態分佈很少存在。只要非正態情況在可接受的範圍內，您可以繼續使用Pearson係數。在大多數情況下，Pearson和Spearman係數的結論基本一致。因此，絕大多數研究使用Pearson相關係數，而Spearman使用較少。
問題4：我應該區分X和Y變數嗎？
答：從分析方法的角度來看，相關分析不區分X和Y。然而，從分析邏輯的角度來看，建議區分X和Y。例如，如果研究"服務態度"和"服務品質"如何與"滿意度"和"忠誠度"相關，前兩個是X（自變數），後兩個是Y（因變數）。如果您不想區分X和Y，可以將所有項目放在"分析項目Y（定量）"框中。
