相关分很多种，比如积差相关、等级相关、点二列相关，要看你的数据是什么类型、是否符合正太分布，所以你还得提供原始数据才能做分析
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,对应的显著性为,如果设置的显著性水平位,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。
怎么做相关分析？
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，标准差为，人际关系的平均值是，标准差为，机会感知的平均值以及标准差为，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< 使用2个*号表示；p< 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。
实在急不想自己做，可以找我代分析
论文问卷数据怎么分析如下：
一、问卷类型
问卷调查分为两大类：即量表问卷和非量表问卷。
量表问卷通常更多用于学术研究，其特点在于更多的态度认知题项，体现样本人群对于某事物的态度看法态度情况等，通过对各研究变量的关系研究，找出其中内涵逻辑关系。
非量表问卷更多体现对某现状的事实情况和基本态度调研，比如样本进行网购的原因，不进行网购原因，网购平台的使用现状情况等。此类问卷更多在于分析思路的逻辑和现状情况的了解分析，以及样本的基本态度情况。
二、分析方法
从分析方法上，量表类问卷最大的特点是：非常多的量表题，而且量表题对应着‘变量’或者‘维度’。便于研究‘变量’间的关系情况。以及可以使用信度、效度、因子分析等方法。
非量表题其最大的特点为大部分为单选题、多选题或者排序填空题等，但很少 有出现量表题（是量表题是指类似答项为“非常不同意”，“比较不同意”，“中立”，“比较同意”和 “非常同意”之类的问题）更多是使用基本频数分析和交叉分析等，同时使用图形和表格进行多样化展示。
三、分析结果
问卷数据一般使用SPSS进行分析即可，分析基础比较薄弱，可使用SPSSAU进行分析。SPSSAU分析结果生成的是“类三线表”的格式，系统会自动生成指标解读报告。
那就说明你这个问卷设计不合理嘛。两个办法：
论文的前言也叫引言，是正文前面一段短文。前言是论文的开场白，目的是向读者说明本研究的来龙去脉，吸引读者对本篇论文产生兴趣，对正文起到提纲掣领和引导阅读兴趣的作用。在写前言之前首先应明确几个基本问题:你想通过本文说明什么问题?有哪些新的发现，是否有学术价值?一般读者读了前言以后，可清楚地知道作者为什么选择该题目进行研究。为此，在写前言以前，要尽可能多地了解相关的内容，收集前人和别人已有工作的主要资料，说明本研究设想的合理性。1、 引言应含概的内容引言作为论文的开头，以简短的篇幅介绍论文的写作背景和目的，缘起和提出研究要求的现实情况,以及相关领域内前人所做的工作和研究的概况，说明本研究与前工作的关系，目前的研究热点、存在的问题及作者的工作意义，引出本文的主题给读者以引导。引言也可点明本文的理论依据、实验基础和研究方法，简单阐述其研究内容；三言两语预示本研究的结果、意义和前景，但不必展开讨论。前言在内容上应包括:为什么要进行这项研究?立题的理论或实践依据是什么?拟创新点?理论与(或)实践意义是什么?首先要适当介绍历史背景和理论根据，前人或他人对本题的研究进展和取得的成果及在学术上是否存在不同的学术观点。明确地告诉读者你为什么要进行这项研究，语句要简洁、开门见山。如果研究的项目是别人从未开展过的，这时创新性是显而易见的，要说明研究的创新点。但大部分情况下，研究的项目是前人开展过的，这时一定要说明此研究与被研究的不同之处和本质上的区别，而不是单纯的重复前人的工作。2、 前言的写作方法(1)、开门见山，不绕圈子。避免大篇幅地讲述历史渊源和立题研究过程。(2)、言简意赅，突出重点。不应过多叙述同行熟知的及教科书中的常识性内容，确有必要提及他人的研究成果和基本原理时，只需以参考引文的形式标出即可。在引言中提示本文的工作和观点时，意思应明确，语言应简练。(3)、回顾历史要有重点，内容要紧扣文章标题，围绕标题介绍背景，用几句话概括即可;在提示所用的方法时，不要求写出方法、结果，不要展开讨论;虽可适当引用过去的文献内容，但不要长篇罗列，不能把前言写成该研究的历史发展;不要把前言写成文献小综述，更不要去重复说明那些教科书上已有，或本领域研究人员所共知的常识性内容。(4)、尊重科学，实事求是。在前言中，评价论文的价值要恰如其分、实事求是，用词要科学，对本文的创新性最好不要使用本研究国内首创、首次报道、填补了国内空白、有很高的学术价值、本研究内容国内未见报道或本研究处于国内外领先水平等不适当的自我评语。（5）、前言的内容不应与摘要雷同，注意不用客套话，如才疏学浅、水平有限、恳请指正、抛砖引玉之类的语言;前言最好不分段论述，不要插图、列表，不进行公式的推导与证明。（6）、前言的篇幅一般不要太长，太长可致读者乏味，太短则不易交待清楚，一篇3 000一5 000字的论文，引言字数一般掌握在200一250字为宜。1. 引言书写内容和格式(1)说明论文的主题、范围和目的。(3)预期结果或本研究意义。(4)引言一般不分段,长短视论文内容而定,涉及基础研究的论文引言较长,临床病例分析宜短。国外大多论文引言较长,一般在千字左右,这可能与国外内数期刊严格限制论文字数有关所谓的引言就是为论文的写作立题，目的是引出下文。一篇论文只有命题成立，才有必要继续写下去，否则论文的写作就失去了意义。一般的引言包括这样两层意思：一是立题的背景，说明论文选题在本学科领域的地位、作用以及目前研究的现状，特别是研究中存在的或没有解决的问题。二是针对现有研究的状况，确立本文拟要解决的问题，从而引出下文。一般作者在引言写作中存在这样两方面的问题。
开始做数据分析：
在工具栏处，点击：
“分析”----”相关”----“双变量”，如下图所示，则开始进行变量的选择
如图，需要先确定要分析的变量，首先将两个变量放入“变量”框中。
此时，需要注意，要分析哪几个变量就只能选择那几个变量，而不能将所有的变量选入；
当然，如果分析的是多有的变量，也可以同时将所有的变量选入
然后，选择在“相关系数”框中选择“Pearson”。
因为，这里的两个变量为连续性的变量，因此采用pearson 相关分析；
若为两个分类变量，或者一个分类变量一个连续性的变量，则可以用Spearman 相关分析
选择好变量之后，如果需要对数据进行一定的描述，或者查看，可以打开右上角的按钮，即选择“选项”，如下图所示
大部分分析需要对原始数据进行统计描述，即如果需要进行描述性分析，可以选择均值和标准差，如上图所示的.mean （均值）和 sd （标准差），分别对数据的大小和离散程度作出一定的描述，并点击“确定按钮”
如果需要对数据进行模拟分析，则可以选择右上角的“bootsTrap”模拟分析，打开后如下图所示。
其中样本数为需要模拟的总共的次数，可以自己定义；后面的种子数，是开始模拟随机数字的起始种子数，同样可以自行定义。其中的置信区间为CI， 即结果的可信区间
单击确定后，再output窗口中可以看到：结果如下所示。
结果给出两个分析，一个是描述性分析，为以下的第二个图，和pearson 相关分析结果为第一个图。
一般结果，应该先描述第二个图的表格含义，
其中mean表示均值，为两个连续性变量的均数；第二个值为Std. Deviation 表示标准差，即原始数据的标准差
第一个图为pearson correlations表格为相关系数表
其中pearson correlation 为相关系数
sig 为P 值（<为有显著性意义）
N 为样本量
一般相关只是单独地分析两个变量之间的相关，它不会去控制其他变量的影响。回归的话是如果你放入多个自变量做回归，那么你看到的某一个自变量的回归系数其实代表的是控制了其他自变量（也就是减去了其他自变量对因变量的效应）后的回归，也就是说，他并不代表该变量单独对因变量的影响。差别就在于是否控制了所关注变量外的其他变量。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。1、如果呈现出显著性（结果右上角有*号，此时说明有关系；反之则没有关系）；有了关系之后，关系的紧密程度直接看相关系数大小即可。一般以上说明关系非常紧密；之间说明关系紧密；说明关系一般。2、如果说相关系数值小于，但是依然呈现出显著性（右上角有*号，1个*号叫水平显著，2个*号叫水平显著；显著是指相关系数的出现具有统计学意义普遍存在的，而不是偶然出现），说明关系较弱，但依然是有相关关系。3、相关分析是回归分析的前提条件，首先需要保证有相关关系，接着才能进行回归影响关系研究。4、因为如果都显示没有相关关系，是不可能有影响关系的。如果有相关关系，但也不一定会出现回归影响关系。相关分析的操作步骤1. SPSSAU用户可自由拖拽分析项进入分析列表框，区别仅在于输出格式不同。2. 相关分析使用相关系数表示分析项之间的关系；首先判断是否有关系(有*号则表示有关系，否则表示无关系)；3. 接着判断关系为正相关或者负相关(相关系数大于0为正相关，反之为负相关)；4. 最后判断关系紧密程度(通常相关系数大于则表示关系紧密)；5. 相关系数常见有两类，分别是Pearson和Spearman，本系统默认使用Pearson相关系数。在相关分析之前，SPSSAU建议可使用散点图直观查看数据之间的关系情况。除此之外，SPSSAU还提供Kendall相关系数。
欧元汇率与家庭存款利率在的水平上显著相关，pearson相关系数为.
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,对应的显著性为,如果设置的显著性水平位,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。
今天的我总结几个毕业论文问卷分析的几点建议，希望能帮到各位看官 PS：此处的问卷分析，仅代表具有量表的问卷分析。 因为成熟量表往往经历了现实的考验，其信度和效度达标的概率比较大。 而自己设计的量表，很容易出现信度和效度检验结果惨不忍睹的情况。 这样我们在处理信度分析，探索性因子分析，甚至验证性因子分析的时候，都能游刃有余。 另外如果题目是2个，因子分析KMO值是一定等于的，而一般我们最低也得吧 为了信度和效度能出一个比较好的结果，在文字描述部分，同维度的各个题目，尽量能给一些心理暗示，或者描述上尽量相近，这样能使得维度内的题目的相关性较好，从而信度和效度也不至于太差 一般达到就可以了，以上更好。最好是把每个维度的信度都求一下，然后总体再求一个。这个一般没什么难度，也很容易通过。如果你的数据信度不行，那就进行下项目分析，将高低分样本中不具有区分度的样本删掉。 只求量表的KMO值和巴特利球形检验值。这可能是效度检验的最低要求了。除非导师认同，最好不要仅用这两个值 大部分的同学都会用到的，也是比较不容易通过的一个分析。 遇到最多的问题莫过于，假设题目的维度归属，跟实际出的结果不一致。 碰到这种情况，一般进行如下处理： ①只有少数题目不匹配 要么直接删掉，要么暂时保留 ②绝大多数题目不匹配 从新设计量表，重新收集数据，重新来过吧 若非特殊情况，不建议使用。因为实际收集的问卷数据要想探索性因子分析+验证性因子分析，各个指标均达到理想值，那几乎是不可能的。 如果你看到某某人的论文中用了这样的检验方法，指标非常漂亮，我可以负责任的告诉你，其大概率是改过数据了。 特殊情况1：模型验证阶段，使用AMOS结构方程，导师要求效度检验阶段使用验证性因子分析。 特殊情况2：模型验证阶段，未使用AMOS结构方程，导师也要求效度检验使用验证性因子分析。（导师傻x） 这里特别提一点，显著性的p值代表的是两者是否相关，皮尔逊或者斯皮尔曼系数代表的是相关性程度。 显著性检验通过了，皮尔逊或者斯皮尔曼系数大小才有意义，绝对值越大相关性越大，正负代表正相关与负相关。 显著性通过了，但是系数偏小，那相关性也是显著的，只是两者是存在显著的弱相关性，而不是系数小就代表不相关。 可能是最简单的模型了，将自变量和因变量放进，直接跑就行了。 ①要不要放控制变量 这个随意。 如果放控制变量，尽量放一些层级类的变量，不要放多分类变量。 层级变量比如学历（初中，高中，大学，硕士） 多分类变量比如职业 层级变量的赋值尽量与其题项对应。 如果放了多分类的变量，尽量删掉，如果想保留最好做成虚拟变量 ②用标准系数还是标准化系数 标准化系数。 ③要不要做VIF共线性检验 若非导师要求，那就不做。 ④r方多大算好 这个指标没有非常严格的标准，而且跟导师的价值观有非常深刻的影响。 对于现实收集的数据而言，个人认为，一般大于就好了。 不过我遇到过大于，导师也认为可以接受的情况。 这是一个仁者见仁的问题 从科学的角度来看，应该与你研究的场景有密切的关系。 但是，中介效应模型要比调节效应模型容易出通过，而且解释起来也不那么绕口。 所以，如果不是想给自己挖坑，那就用中介效应模型吧。 快捷验证中介效应模型的方式（快速确定是否存在中介，非正式使用） 条件1，中介变量，自变量和因变量，相关性都显著 条件2，自变量和中介变量关于因变量的回归模型，中介变量的系数显著 如果满足上述两个条件，中介效应一定显著，如果条件2中的自变量也显著，那么就是部分中介效应，如果不显著就是完全中介效应。 另外极少数情况是用sobel来检验中介效应的 如果不是导师要求amos验证中介效应，尽量用spss回归的方式检验中介效应。 快捷验证条件效应模型的方式（快速确定是否有调节效应，非正式使用） 先将调节因子计算处理（标准化后的自变量和中介变量相乘即可） 自变量，调节变量和调节因子关于因变量的回归模型，调节因子的系数显著。 公众号:alone5400
论文问卷数据怎么分析如下：
一、问卷类型
问卷调查分为两大类：即量表问卷和非量表问卷。
量表问卷通常更多用于学术研究，其特点在于更多的态度认知题项，体现样本人群对于某事物的态度看法态度情况等，通过对各研究变量的关系研究，找出其中内涵逻辑关系。
非量表问卷更多体现对某现状的事实情况和基本态度调研，比如样本进行网购的原因，不进行网购原因，网购平台的使用现状情况等。此类问卷更多在于分析思路的逻辑和现状情况的了解分析，以及样本的基本态度情况。
二、分析方法
从分析方法上，量表类问卷最大的特点是：非常多的量表题，而且量表题对应着‘变量’或者‘维度’。便于研究‘变量’间的关系情况。以及可以使用信度、效度、因子分析等方法。
非量表题其最大的特点为大部分为单选题、多选题或者排序填空题等，但很少 有出现量表题（是量表题是指类似答项为“非常不同意”，“比较不同意”，“中立”，“比较同意”和 “非常同意”之类的问题）更多是使用基本频数分析和交叉分析等，同时使用图形和表格进行多样化展示。
三、分析结果
问卷数据一般使用SPSS进行分析即可，分析基础比较薄弱，可使用SPSSAU进行分析。SPSSAU分析结果生成的是“类三线表”的格式，系统会自动生成指标解读报告。
看你问卷上面有哪些类型题目选择统计方法
调查问卷要先做信度效度，再根据分析目的做一些单因素、多元回归分析
一般做描述，差异，相关和回归分析。
问卷调查输入execl 再倒入spss软件进行分析