在有相关性的情况下,是最常用的一种相关系数,pearson是用来反应俩变量之间相似程度的统计量,2、线性不同pearson相关系数是线性相关关系,3、连续性不同pearson相关系数呈现连续型正太分布变量之间的线性关系,通常情况下通过以下取值范围判断变量的相关强度：相关系数 0.8-1.0 极强相关,pearson相关系数和spearman相关系数的区别1、定义不同Pearson相关系数被定义为他们的协方差除以标准差的乘积,4、使用情况不同pearson相关是最常见的相关公式。

皮尔森相关系数怎么看

皮尔森相关系数也称皮尔森积矩相关系数是一种线性相关系数，是最常用的一种相关系数。记为r用来反映两个变量X和Y的线性相关程度，r值介于-1到1之间，绝对值越大表明相关性越强。

pearson是用来反应俩变量之间相似程度的统计量，在机器学习中可以用来计算特征与类别间的相似度，即可判断所提取到的特征和类别是正相关、负相关还是没有相关程度。

数据分析

1、当r》0时，表明两个变量正相关，即一个变量值越大则另一个变量值也会越大；

2、当r《0时，表明两个变量负相关，即一个变量值越大则另一个变量值反而会越小；

3、当r=0时，表明两个变量不是线性相关的（注意只是非线性相关），但是可能存在其他方式的相关性（比如曲线方式）。

如何理解皮尔逊相关系数

皮尔逊相关系数是一种度量两个变量间相关程度的方法。它是一个介于 1 和 -1 之间的值，其中，1 表示变量完全正相关， 0 表示无关，-1 表示完全负相关。在统计学中，皮尔逊积矩相关系数（英语：Pearson product-moment correlation coefficient，又称作 PPMCC或PCCs, 文章中常用r或Pearson’s r表示）用于度量两个变量X和Y之间的相关（线性相关），其值介于-1与1之间。在自然科学领域中，该系数广泛用于度量两个变量之间的相关程度。它是由卡尔·皮尔逊从弗朗西斯·高尔顿在19世纪80年代提出的一个相似却又稍有不同的想法演变而来的。这个相关系数也称作“皮尔森相关系数r”。

pearson相关系数和spearman相关系数的区别

1、定义不同

Pearson相关系数被定义为他们的协方差除以标准差的乘积；Spearman相关性系数被定义为秩（有序）变量之间的Pearson相关系数。

2、线性不同

pearson相关系数是线性相关关系。spearman相关系数呈现非线性相关。

3、连续性不同

pearson相关系数呈现连续型正太分布变量之间的线性关系。spearman相关系数不要求正太连续，但至少是有序的。

4、使用情况不同

pearson相关是最常见的相关公式，用于计算连续数据的相关，比如计算班上学生数学成绩和语文成绩的相关可以用Pearson相关。

而spearman相关是专门用于分析顺序数据的，就是那种只有顺序关系，但并非等距的数据，比如计算班上学生数学成绩排名和语文成绩排名的关系。

参考资料来源：百度百科-Pearson相关系数

参考资料来源：百度百科-spearman相关系数

请问spss在pearson相关性分析中r值的负值与正值代表什么意思

正值表示两变量正相关，即一个随另一个的增大而增大，减小而减小，变化趋势相同；负值表示两变量负相关，即一个随另一个的增大而减小，变化趋势相反。

P》0.05表明没有相关性，P《0.05才有相关性。在有相关性的情况下，再看是否为正负相关，若为负相关，表明一个变量随另一个变量的增大而减小。

SPSS中pearson（皮尔逊相关系数）r值和P值，两个值都要看，r值表示在样本中变量间的相关系数，表示相关性的大小；p值是检验值，是检验两变量在样本来自的总体中是否存在和样本一样的相关性。

扩展资料

相关系数r的绝对值越大，相关性越强：相关系数r越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。

通常情况下通过以下取值范围判断变量的相关强度：相关系数 0.8-1.0 极强相关，0.6-0.8 强相关，0.4-0.6 中等程度相关，0.2-0.4 弱相关，0.0-0.2 极弱相关或无相关。

对于x、y之间的相关系数r ：当r大于0小于1时表示x和y正相关关系，当r大于-1小于0时表示x和y负相关关系，当r=1时表示x和y完全正相关，r=-1表示x和y完全负相关，当r=0时表示x和y不相关。

如衡量国民收入和居民储蓄存款、身高和体重、高中成绩和高考成绩等变量间的线性相关关系。当两个变量都是正态连续变量，而且两者之间呈线性关系时，表现这两个变量之间相关程度用积差相关系数，主要有Pearson简单相关系数。

系数