相關性分析與回歸分析的區別是什麽？
回歸的話是如果妳放入多個自變量做回歸，那麽妳看到的某壹個自變量的回歸系數其實代表的是控制了其他自變量（也就是減去了其他自變量對因變量的效應）後的回歸，也就是說，他並不代表該變量單獨對因變量的影響。
差別就在於是否控制了所關註變量外的其他變量。
相關分析用於研究定量數據之間的關系情況，包括是否有關系，以及關系緊密程度等。
1、如果呈現出顯著性（結果右上角有*號，此時說明有關系；反之則沒有關系）；有了關系之後，關系的緊密程度直接看相關系數大小即可。壹般0.7以上說明關系非常緊密；0.4~0.7之間說明關系緊密；0.2~0.4說明關系壹般。
2、如果說相關系數值小於0.
2，但是依然呈現出顯著性（右上角有*號，1個*號叫0.05水平顯著，2個*號叫0.01水平顯著；顯著是指相關系數的出現具有統計學意義普遍存在的，而不是偶然出現），說明關系較弱，但依然是有相關關系。
3、相關分析是回歸分析的前提條件，首先需要保證有相關關系，接著才能進行回歸影響關系研究。
4、因為如果都顯示沒有相關關系，是不可能有影響關系的。如果有相關關系，但也不壹定會出現回歸影響關系。
相關分析的操作步驟
1. SPSSAU用戶可自由拖拽分析項進入分析列表框，區別僅在於輸出格式不同。
2. 相關分析使用相關系數表示分析項之間的關系；首先判斷是否有關系(有*號則表示有關系，否則表示無關系)；
3. 接著判斷關系為正相關或者負相關(相關系數大於0為正相關，反之為負相關)；
4. 最後判斷關系緊密程度(通常相關系數大於0.4則表示關系緊密)；
5. 相關系數常見有兩類，分別是Pearson和Spearman，本系統默認使用Pearson相關系數。在相關分析之前，SPSSAU建議可使用散點圖直觀查看數據之間的關系情況。除此之外，SPSSAU還提供Kendall相關系數。