显著性分析：

将数据导入SPSS，重新命名变量名，检查数据类型是否为数字

对原始数据进行重新赋值，主要是将自变量赋值为1.2.3.4.5….等

菜单栏点击analyze—general linear model—Univariate，将因变量移入dependent variable，自变量移入Fixed factors

点击model，选择Full factorial，点击continue

点击plots，将交互作用的两个自变量添加到横轴和纵轴；

点击options，在display窗口选择 homogeneity tests（方差齐性检验），默认显著性水平为0.05，点击continue

在Univariate对话框，点击OK，即可查看输出表；

还可以根据生成的图来判断交互作用；

注意：在非交互作用分析时，要在“模型”的类型中选择“主效应”，而不是“交互”。主效应是分析无交互作用时影响分析的。

相关性分析：

SPSS操作步骤

点击analyze—correlate—bivariate，打开bivariate correlations 对话框

将变量移动到variables 对话框，勾选相关系数Pearson，选择双边检验；

点击options，勾选“均值与标准差”，“叉积离差阵与协方差阵”，点击continue

完成操作，即可看到相关性系数；

关于相关性和显著性的一点数学知识：

spss做相关分析显著性都为0，其实是小于0.001，就是非常小的数字，点击查看可以看出具体的数字，说明显著性较好。

显著性表示的两个变量之间的显著性差异，数值越大，表示显著性越大，反之，表示两者之间存在较强的交互作用。

数据列入SPSS之前要进行数据的排查，删除异常点，得到的数据会令你惊喜；

方差分析的实质是检验多个总体均值是否具有显著性差异，通过观察各个观测数据的误差来源分析得到的，实际应用中方差可以来检验各种因素对因变量是否有显著影响。

总离差平方和反映数据的总波动或者总误差

SST=SSA+SSE;

SSA为组间平方和，反映随机误差和系统误差的大小。

SSE为组内平方和，反映随机误差的大小；

F=SSA/SSE ，比较SSA在SST中的占比大小；

对SSPS计算来说，即为显著性概率Sig.，若Sig.