错位关系
本人也是统计菜鸟，但经常被要求计算相关关系并检验，只好查文献，资料，结合广大大虾们的经验，总结了一个简单的操作流程和通俗易懂的解释，附带上对分析结果的论文表述（大虾远离、只适合菜鸟使用）。
一、计算方法（可利用SPSS、EXCEL等）
本文以SPSS为例，只要你安装了SPSS就非常简单了，你有两组数据（两列），打开SPSS主界面，将一组数（不带标题）拷贝到一个纵列Variable00001，将另一组数拷贝到第二个纵列Variable00002。
英文版SPSS，打开Analyze-Correlate-Bivariate 出来一个对话框，在这个对话框中，将左边蓝中的两个Variable放到右边栏中。correlation coefficient选取pearson，单击OK。中文版SPSS，点分析-相关-双变量，将Variable00001和Variable00002选作变量，其它默认，确定即可。 二、结果分析
冷水浴 下载以上操作后，弹出如下窗体，只需关注相关性这个表格即可。
例1的相关性表格如下：
Variable00002 Pearson 相关性对应的0.152是相关系数，它反映了二者是正相关还是负相关，是密切还是不密切，这个数的绝对值越大则越密切，如果是负数说明二者负相关。显著性（双侧）是判断相
关显著性，如果它<0.05说明这个相关性具有统计学意义，即二者真的相关。如果它>0.05则相关性不显著，即二者不相关。
以上表为例，0.152的相关系数，0.278>0.05，说明相关不显著。索爱z558c
用另一组数据为例，在此做相关分析并检验
11ccmm例2相关表格如下
两组数据相关系数0.526，Sig=0.00<0.05，说明显著相关。上海知音心理咨询>驻波
三、结果描述
例1中Variable00001与Variable00002不相关（r=0.152,p=0.278)，例2中Variable00001与Variable00002之间的相关有统计学意义，相关显著（r=0.526,P<0.05) 。
四、为什么做检验，本检验的前提
为如果变量x与y之间并不存在直线关系，但由于n对观测值（Xi,Yi）也可以根据计算公式求得一个直线回归方程。显然，这样的直线回归方程所反应的两个变量之间的直线关系是不真实的，所以为了判断直线回归方程的两个变量间的直线关系的真实性，就必须对直线回归的相关系数进行假设检验，检验方法有F和t两种，二者是等价的，任选其一即可。 pearson correlation是皮尔森相关系数，采用该法有前提：双变量正态分布。如果不服从，应该选用spearman相关系数。Sig. (2-tailed)即对r=0的检验。当r<>0时，有可能正有可能负，所以是双尾（2-tailed）概率。
