怎么做相关性分析？
相关分析用于研究定量数据之间的关系情况，包括是否有关系,以及关系紧密程度等。例如：研究员工薪资与员工工龄的关系；产品销量与产品售后服务的关系等。
相关分析的适用范围很广，理论上讲，凡是考察两个变量相关性，都可以叫做相关分析。相关分析研究是定量与定量的数据，如果是定类和定量数据需要使用方差分析，定类和定类需要使用交叉（卡方）。
在“通用方法”模块中选择“相关”方法，将分析项定量变量放于分析框内，点击“开始分析”即可。
结果如下：
从上表可知，利用相关分析去研究公司满意度和人际关系, 机会感知, 离职倾向, 工作条件共4项之间的相关关系，使用Pearson相关系数去表示相关关系的强弱情况。
其中上表展示了各个变量的均值标准差以及相关系数等，例如：公司满意度的平均值为3.291，标准差为0.541，人际关系的平均值是3.748，标准差为0.616，机会感知的平均值3.322以及标准差为0.602，以此类推。
补充说明：对于相关分析，一般规范的表格格式是：p值使用*号表示（标识在相关系数的右上角），p< 0.01使用2个*号表示；p< 0.05使用1个*号表示。同时 SPSSAU也提供一个带具体p 值的结果表格。
spss的步骤如下：
1、单击Analyze——Correlate——Bivariate...，则弹出相关分析Bivariate
Correlations对话框
2、把左边的源变量（情感温暖Q和T1）调入右边的矩形框内，同时勾选Pearson选项（见下图）
3、点击OK即可，出现如下结果
方法步骤：
1：选取在理论上有一定关系的两个变量,如用X,Y表示,数据输入到SPSS中。
2：从总体上来看,X和Y的趋势有一定的一致性。
3：为了解决相似性强弱用SPSS进行分析,从分析-相关-双变量。
4：打开双变量相关对话框,将X和Y选中导入到变量窗口。
5：然后相关系数选择Pearson相关系数,也可以选择其他两个,这个只是统计方法稍有差异,一般不影响结论。
6：点击确定在结果输出窗口显示相关性分析结果,可以看到X和Y的相关性系数为0.766,对应的显著性为0.076,如果设置的显著性水平位0.05,则未通过显著性检验,即认为虽然两个变量总体趋势有一致性,但并不显著。
