1、首先打开Excel表格，点击返回结果的单元格。

2、打开表格，点击“公式-插入函数”打开插入函数对话框。

3、在下拉表中选中要计算的函数“统计”。

4、在选择函数框中选择“PEARSON”函数，打开函数参数对话框￭参数可以是数字，或是包含数字的名称、数组常量或引用。￭若数组或引用参数包含文本、逻辑值或空白单元格，则这些值将被忽略；但包含零值的单元格将计算在内。￭若array1和array2为空或其数据点个数不同，则PEARSON返回错误值#N/A。。

5、接着根据公式的规则将函数参数输入到函数参数框中。这样我们就可以在函数参数框中看到预览结果。

6、后就能得到根据公式计算出来返回Pearson（皮尔生）乘积矩相关系数。

7、首先编辑好基本格式，点击要返回结果单元格其次点击“公式-统计”表中选中PEARSON后各个参数填入相应的框中点击确定即可。

1、1方法　　性质设X是一个随机变量，其分布函数为F(x)，则Y=F(X)服从在〔0，1〕的均匀分布。

2、性质设X1,K,Xn是某个分布的一个简单样本，其分布函数为F(x)，由性质1可知，在概率意义下，F(X1),F(X2),K,F(Xn)在(0,1)上呈均匀分布，按从小到大依次排序，记为F(X�1),F(X�2),K,F(X�n)，其相应理论值应为ri=i-0,5()n，i=…，n，对应分布函数的反函数值F-1(r1),F-1(r2),K,F-1(rn)(在卡方分布中即为卡方分数)应接近X�1,X�2K,X�n，故在概率意义下，这些散点(X�1,F-1(r1)),(X�2,F-1(r2)),L,(X�n,F-1(rn))应在一条直线上。

3、根据性质如果X服从正态分布，则散点理论上应落在一直线上，可以用Pearson系数刻画这种分布。

4、但由于随机变异的存在，Pearson系数并不等于所以通过随机模拟的方法，制派枣定出Pearson系数的95%界值下限。

5、性质由条件概率公式P(X,Y)=P(Y|X)P(X)可知、(X，Y)服从二元正态分布的充分必要条件是固定X，Y服从正态分布(条件概率分布)并且X的边际分布为正态分布。

6、由线性回归的性质ε=Y-(α+βX)可知，固定X，Y的条件概率分布为正态分布的充分必要条件是线性回归的残差ε服从正态分布，由此可得、(X，Y)服从二元正态分布的充分必要条件是X的边际分布为正态分布以及线性回归模型Y=α+βX+ε中的残差服从正态分布。

7、设X来自于正态总体，从正态总体中随机模拟抽样5000次，每次抽样样本含量分别为7至对F(x)求秩，求出排序后的F(x)和排序后的X的Pearson相关系数。

8、表1随机模拟5000次得到的检验正态分布的Pearson相关系数的界值(略)　　类似地，我们也可以用同样的方法得到检验卡方分布的Pearson相关系数的界值表(简化表)表2相关系数界值表(略)　　2随机模拟验证　　2�1Pearson相关系数界值表的随机模拟验证　　设X来自于正态总体，从正态总体中随机模拟抽样5000次，每次抽样样本含量分别为棚羡镇并计算相应的Pearson卡方系数，以及落在界值外面的比例，即拒绝比例，再在同一批数据的前提下用McNemar检验比较本方法和Swilk法的差别。

9、表3(一元正态分布)模拟次数(略)表4(一元偏态分布，χ2)模拟次数(略)　　以上方法拒绝比例在样本量为7的可信区间为［37%，12%］，在其余样本量时都接近，可以证实是正确的。

10、2�2卡方分布界值表的随机模拟验证　　　表5卡方分布、模拟5000次(略)　　　　2�3马氏距离的随机模拟验证　　根据马氏距离的定义，从正态分布总体中随机抽取样本量分别为50的样本模拟5000次，根据上面提到的方法以卡方分数对X�1,X�2K,X�n求Pearson系数，并根据以上的相关系数界值表，计算相应的统计量，即拒绝比例。

11、表6马氏距离落在Pearson系数界值表外的比例(略)　　2�4二元正态分布资料的链粗随机模拟验证　　设定一个二维矩阵A，分别求出特征值P和特征向量Z，设X的元素均来自于正态总体分布，则Y=Z′×X必服从二元正态分布，随机模拟5000次，根据性质三介绍的方法验证的拒绝比例如下。

12、表7(二元正态分布)模拟次数(略)表8(二元偏态分布，χ2)模拟次数(略)　　2�5三元正态分布资料的随机模拟验证　　类似地，随机模拟5000次，用同样方法进行验证，得到对于三元正态分布数据的拒绝比例。

13、表9(三元正态分布)模拟次数、5000次。

1、亲亲您好，很高兴为您解答哦使用SPSS进行高血压患者睡眠障碍和心理弹性的相关性分析的步骤如下：打开SPSS软件，导入匹兹堡睡眠障碍量表和心理弹性量表的数据。如果数据是Excel或CSV格式，可以通过File->Open->Data命令导入。创建新的数据集。在Data菜单中，选择SelectCases命令，然后选择“IFconditionissatisfied”选项，输入高血压患者的筛选条件，例如“高血压患者=1”，然后点击“Continue”按钮。进行相关性分析。在Analyze菜单中，选择Correlate->Bivariate命令，然后选择匹兹堡睡眠障碍量表和心理弹性量表的变量，将它们移到右侧的“Variables”框中。然后点击“Options”按钮，勾选“Pearson”相关系数和“Sig(2-tailed)”显著性水平，然后点击“Continue”按钮。后点击“OK”按钮，即可得到相关性分析结果。解读结果。在输出结果中，Pearson相关系数表示两个变量之间的线性相关程度，其取值范围为-1到如果相关系数为正数，则表示两个变量呈正相关。如果为负数，则表示两个变量呈负相关。Sig(2-tailed)显著性水平表示相关系数的显著性，即假设检验的p值。如果p值小于0.0则认为相关系数显著，即两个变量之间存在显著的相关性。可以根据需要进行其他进一步的分析，例如回归分析、方差分析等。注意：在进行相关性分析之前，应该先对数据进行清洗和处理，例如去除缺失值、异常值和离群值等。此外，相关性分析只能说明两个变量之间的相关性，不能证明因果关系。。

2、亲老师这里收不到图片麻烦亲用文字形式打出来老师这里帮您解决。。

3、要分析这种表格，可以使用交叉分析（也称为列联表分析）来比较两个变量之间的关系。交叉分析可以告诉我们哪些因素与其他因素相关，并且可以用于检验这些因素之间是否存在显著差异。在Excel或SPSS中可以进行交叉分析。关于分析睡眠障碍和心理弹性，可以使用多元回归分析。多元回归分析可以用于探索多个自变量与因变量之间的关系，并确定哪些自变量对因变量的解释有显著作用。在SPSS中可以进行多元回归分析。要导入量表的数据，可以将量表中的每个变量转换为一个列，并将每个被试的数据输入到相应的行中。数据应该包括每个变量的值，例如问卷中的每个问题的回答。在SPSS中，可以使用数据编辑器来输入和编辑数据。在量表中比较相关因素分组情况时，可以使用方差分析（ANOVA）来检验不同组别之间是否存在显著差异。如果只有两个组别，可以使用独立样本t检验来进行比较。如果组别不止两个，可以使用单因素方差分析。在SPSS中可以进行ANOVA和t检验。。

4、在这个研究中，自变量是心理弹性，因变量是高血压患者的睡眠障碍程度。因为你想探究的是心理弹性与睡眠障碍之间的相关性，因此心理弹性是自变量，睡眠障碍程度是因变量。在使用SPSS软件进行分析时，需要将睡眠障碍程度作为因变量，心理弹性作为自变量进行回归分析或相关分析。。

5、在SPSS软件中导入数据的步骤如下：打开SPSS软件，在欢迎界面点击“Openanexistingdatasource”或者在主界面点击File->Open->Data。找到存储有数据的文件，可以是Excel、CSV或SPSS格式的文件，选择后点击“Open”按钮。如果导入Excel或CSV文件，会弹出“TextImportWizard”对话框，根据导入数据的特点进行设置，例如选择分隔符、编码格式等。如果导入的是SPSS格式的文件，则直接跳过此步骤。如果数据包含变量名称或标签，可以在“VariableView”界面中编辑变量属性，包括变量名称、数据类型、标签等。在“DataView”界面中查看导入的数据，可以进行数据清洗和处理，例如去除缺失值、异常值等。导入数据后，可以进行统计分析等操作，例如描述性统计、相关性分析、回归分析等。总之，导入数据的步骤需要根据具体的数据格式和特点进行设置，一般来说，SPSS支持多种数据格式的导入，用户可以根据需要选择合适的方式导入数据。。

6、如果你只想分析高血压患者与睡眠障碍之间的关系，可以使用二元logistic回归分析来探究两者之间的关联。二元logistic回归分析可以用于探索两个变量之间的关系，并确定这些变量是否对预测结果有显著影响。在SPSS中可以进行二元logistic回归分析。。

1、首先在Excel2019软件中，打开一个Excel文件。。

2、在表格的编辑区域中，任意选择一个单元格。。

3、在编辑区的上方，切换到“公式”选项卡。。

4、在“函数库”组中，点击其中的“其他函数”下拉按钮。。

5、在弹出下拉列表中，选择“统计”选项。。

6、后在弹出子菜单中，选择“PEARSON”函数项。。

1、在EXCEL中，打开【XLSX】后，如下图所示。。

2、在EXCEL中，打开【XLSX】后，选择【C9】单元格，如下图所示。。

3、在EXCEL中，打开【XLSX】后，选择【C9】单元格，在编辑栏中输入公式【=PEARSON(B2:B7,C2:C7)】，如下图所示。。

4、在EXCEL中，打开【XLSX】后，选择【C9】单元格，在编辑栏中输入公式【=PEARSON(B2:B7,C2:C7)】，按【ENTER】后即可求出两个数值集合之间线性相关程度，如下图所示。。

1、PEARSON函数返回皮尔生(Pearson)乘积矩相关系数r，这是一个范围在-0到0之间（包括-0和0在内）的无量纲指数，反映了两个数据集合之间的线性相关程度。。

2、语法表达式PEARSON(array1,array2) 。

3、PEARSON函数语法具有下列参数：Array1    必需。自变量集合。Array2    必需。因变量集合。  。

4、如果函数表达式如下 =PEARSON(A2:A6,C2:C6)0.233039649表示区域数据的PEARSON乘积矩相关系数。

5、参数可以是数字，还可以是包含数字的名称、数组常量或引用。。

1、首先找到需要编辑的Excel文档，双击打开，进入编辑界面。