如果回归方程中只有x1和y，那么这样得到x1和y之间的关系可以叫做相关关系，但如果存在多个变量（比如，还有x2，x3，x4和x5）那么这时候x1与y之间的关系只能叫做偏向关系（剔除其他4个变量的共同影响之后），所以我并不太懂你的两两相关到底是什么意思。
附：如何得到偏相关关系？以x1为例。先做x1对其余4个变量的回归，得到残差序列u1，u1与y做回归，得到的系数才是撇掉其他因素之后，x1对y的净影响。
所以你要考虑哪些变量对y有影响，可以通过两个途径来推断：1.理论，例如消费一定跟收入相关。2.描述性统计关系，例如画个图。

我好想有些明白了，也就是说在多个变量形成相关系数的矩阵中，任意两个变量间的相关系数实际上受到了其他变量的影响。所以，再新引入一个变量之后，整个的矩阵形式也就变了，变量间的影响也就变了。

看来不能图省事，将多个变量一股脑地放进双变量相关分析中去考察。

我的原意，是想考察一个因变量，是否可能受到了几个自变量的影响。我采取了这么几种方法：1、将因变量和某一个自变量逐一放到spss中进行双变量的分析，但是，感觉这样比较麻烦。而且，总感觉单个考察的话，说服力不强。所以我就想找个省事的办法，也想看看能不能有点全局性的反应。所以采取了方法2、将因变量和几个自变量一并放入spss中进行双变量分析。这种方法是在网上看来的。这样，就产生了一个变量间的矩阵。但是这样就出现了两个问题。一个问题是经过逐一分析感觉相关系数较大的变量，在这次中有的变的不明显，有的根本没有出现在矩阵中（是不是因为相关性实在弱而被软件自动剔掉了呢？求解答）。另一个问题，在引入新变量后，整个矩阵的变量间的相关系数也会发生变化。所以，我在考虑是不是多个变量间的相关关系不能这样考察呢？为了验证这点，我在eviews中也试着分析了几个变量件的相关系数，发现形成矩阵后，也会因变量的不同和增减，部分系数发生明显的变化。

另外，将几个变量形成多元回归法方程之后，原来与因变量相关强的几个变量，居然通不过t检验。在5个自变量中，也只有两个能通过检验，最后方程只能只用两个自变量了。得出的结论就是，这两个自变量是影响因变量的主要因素。但实际上，我做的这个方程没有意义，因为不能做预测，只能看自变量对因变量影响力的大小，但却平白丢了几个变量，不能进入方程。

问题1：建模的思想一般是由一般到特殊，即先考虑尽量多一些变量，如果其中的某些变量不显著，可以剔除其中不显著的变量。但你是由特殊到一般，这个是不行的。
问题2：有些变量单独观察是显著的，但放在一起就不显著了，说明有些变量之间存在多重共线的问题。如果是这样，可以考虑踢掉某些不好解释，或者意义有限的变量。

因为原始数据的变量比较多，而且也存在一个收集的过程，并非所有的变量都是一次性收齐的，所以我就先弄了几个变量试了一下。后来又收集了几个变量，才逐次往里面加。看来，要用几个变量，在开始的时候就要确定好，不能三心二意。

可能还真的是变量之间相互影响的厉害。因为有几个变量，我用具体的数字，效果不好，但是如果用百分比，效果就好些。但是，总感觉百分比的说服力没有原始的数字强。所以，从开始就比较矛盾。可能还是受网上的误导了，以为将所有的变量放在一起，它只会比较两个变量间的关系，现在看来不是这样。还是做回归算了，直接做回归，踢掉不用的几个变量，比这样试来试去好。

e4dde71190ef76c68665a6ee9f16fdfaae5167bb.jpg?psign=8665a6ee9f16fdfaaf51f3deb48f8c5495eef01f3b294383

请帮我看看这是怎么回事呢？谢谢大家

楼主您好，我在分析的时候也是需要进行多变量两两之间的相关性分析，采取的也是双变量相关性分析，但是我的数据再按照您所说的进行变量删减之后，相关性并没有发生改变，这是为什么呢？

pearson系数为-0.567，P值为0，那y与x是相关还是不相关啊？