步骤
对变量进行统计：
- 转化 > 计算变量
目标变量输入维度名称，数字表达式输入
mean(维度下第一题 to 维度下最后一题)- 例如(题目名称不用手动输入，直接点击左侧对应标签即可)：
- 例如(题目名称不用手动输入，直接点击左侧对应标签即可)：
- 对所有维度执行相同操作。
- 选择分析方法：点击菜单栏的“分析” > “相关” > “双变量”。
- 选择变量：在弹出的对话框中，将希望分析相关性的变量(通常为所有的量表维度)添加到“变量”框中。
- 选择相关系数类型：在“相关系数”部分，通常选择“皮尔逊”相关系数。如果数据不满足正态分布，可以选择“斯皮尔曼”或“肯德尔”相关系数。
- 运行分析：设置完成后，点击“确定”以运行分析。
- 查看结果：SPSS会在输出窗口中生成相关系数矩阵，包括每对变量之间的相关系数、显著性水平（p值）等信息。通常，p值小于0.05表示相关性显著。
- 表格：表格绘制为以下样式：
- 热力图：还可以绘制热力图，使结果更直观、美观：
解读
*：p＜0.05
**：p＜0.01
***：p＜0.001
Word解释
| 相关性 | 绩效期望 | 努力期望 | 促进因素 | 社会影响 | 感知风险 | 享乐动机 | 价格价值 | 个体创新 | 使用意愿 |
|---|---|---|---|---|---|---|---|---|---|
| 绩效期望 | 1 | ||||||||
| 努力期望 | 0.712** | 1 | |||||||
| 促进因素 | 0.687** | 0.745** | 1 | ||||||
| 社会影响 | 0.651** | 0.731** | 0.817** | 1 | |||||
| 感知风险 | 0.451** | 0.499** | 0.544** | 0.602** | 1 | ||||
| 享乐动机 | 0.743** | 0.701** | 0.781** | 0.757** | 0.570** | 1 | |||
| 价格价值 | 0.646** | 0.618** | 0.766** | 0.691** | 0.593** | 0.752** | 1 | ||
| 个体创新 | 0.696** | 0.745** | 0.713** | 0.744** | 0.589** | 0.806** | 0.716** | 1 | |
| 使用意愿 | 0.684** | 0.665** | 0.801** | 0.759** | 0.576** | 0.782** | 0.834** | 0.779** | 1 |
当相关系数大于0时正相关，小于0时负相关；当其绝对值小于0.3时无相关性，0.3\~0.5时低相关，0.5\~0.8时中度相关，大于0.8时高度相关。因此，根据以上表格数据得出结论：
绩效期望与努力期望的相关系数为0.712，P＜0.01，说明两者呈现中度正相关关系；
努力期望与促进因素的相关系数为0.745，P＜0.01，说明两者呈现中度正相关关系；
促进因素与社会影响的相关系数为0.817，P＜0.01，说明两者呈现高度正相关关系；
社会影响与感知风险的相关系数为0.602，P＜0.01，说明两者呈现中度正相关关系；
享乐动机与价格价值的相关系数为0.752，P＜0.01，说明两者呈现中度正相关关系；
个体创新与使用意愿的相关系数为0.779，P＜0.01，说明两者呈现中度正相关关系；
使用意愿与价格价值的相关系数为0.834，P＜0.01，说明两者呈现高度正相关关系。
