两个变量之间存在确定性:关系和不确定关系（会存在一定的波动范围），就好比你的亲生母亲绝对只有一个，而你的亲叔叔可能有好几个（可以在1叔—4叔之间波动）
相关性一般分为 1：强正相关关系 （一个值会随着另一个值的增加而增加，增加幅度很明显）
2：弱正相关关系 （一个值会随着另一个值的增加而稍增加，增加幅度不太明显，但是有变化趋势）
3：负正相关关系 （一个值会随着另一个值的增加而减少，减少幅度很明显）
4：弱负相关关系 （同弱正相关关系一个原理）
5：非线性相关关系 （说明两个变量之间没有明显的线性关系，却存在着某种非线性关系，比如：曲线，S型，Z型等等）
6：不相关 （两者之间，没有相关性）
两变量的相关性研究，相对来说，比较容易，如果是多变量之间的相关性研究，会比较复杂一些，因为要确定哪些是显著的，哪些是不显著的，以及相关系数的大小（强弱等），深入研究，可能会涉及：回归分析 和 因子分析。
废话说了一堆，下面开始进入主题，以“肺活量数据”为例，分析体重和肺活量之间是否存在相关性，以及相关性的强弱等，数据如下所示：
先对两个变量之间的关系进行初步评估，采用“图形构建器“进行初步评估，打开SPSS，点击”图形——图标构建程序——选择散点图
进入如下所示界面：
选择“简单散点图” 将“简单散点图”拖动放入 上面右侧的“空白处” 将 体重变量拖入右侧作为X轴， 将肺活量拖入右侧作为Y轴，得到如下所示的界面：
点击确定，会得到“相关性的散点图”，如下所示：
从上图可以看出，两个变量之间，很明显存在相关性，随着“体重”的增加，肺活量也呈现出“增加”的趋势 （属于 正相关关系），下面进一步研究两者相关性的强弱
点击“分析——相关——双变量，进入如下所示的界面：
将“体重”和“肺活量”两个变量，分别拖入右侧框内，在相关系数 一栏中，勾选“pearson, kendall 以及spearman 三个选项
显著性检验中，随便勾选哪一个都可以，因为我们已经确立两者之间呈现正相关关系，所有，采用“单侧检验”也是可以的，勾选“标记显著性相关”点击确定，得到如下结果：
结果分析：
1：从相关性的表格中可以看出：在0.01水平下，显著相关，（因为0.00<0.01）并且呈现出明显的“正相关关系”
2：从相关系数表中可以看出：kendall ，spearman 两种方式都呈现出相关性，
pearson相关系数采用的是“参数统计方法” 后面的 kendall, spearman 采用的是“非参数统计方法”。
这三种不同的形式，得出的相关系数值也不同，分别为：0.736， 0.594， 0.744 三个值，分别代表了相关强弱
原文：http://www.cnblogs.com/qiernonstop/p/3720439.html