有了相关系数，基本就能知道模型的好坏了。SEM基本就是根据相关系数矩阵或者covariance矩阵算出来的。

另外还有一点，是APA manual要求的，相关系数是必须报告的描述性统计量之一。如果你的论文是按照APA的要求来写的，就必须报告。

比如我论文里面，一个自变量、二个调节变量、一个因变量，他们两两之间的相关系数都要显著相关吗？难道不相关，独立不行吗?O(∩_∩)O谢谢哈

引用下 未名百度网友的回答，供大家学习：分析题目之间的相关实际上是看题目的内部一致性的，如果相关较高，表明各个题目之中有公共因子的存在，这一方面可以作为内部一致性信度的指标，又可以作为结构效度的佐证。另外如果是各题目和总分的相关，相当于是以总分为效标而做的一个特殊的效标关联效度，这也是有意义的。所以说题目间相关的分析即可以作为信度的证据，也可以作为效度的证据，对于这一点，你可以在测量学的教材中得到相关的叙述。一般来说，信度主要是做两个分析，第一是科隆巴赫alpha系数，第二是重测信度。效度则主要是做效标关联效度（求效标和题目的搜索相关）和结构效度（通过因子分析的手段）做相关分析的目的上面有一些叙述，总的来说，目的有：一、题目间的相关可以作为结构效度的一个证据（主要的结构效度证据来自于因子分析）；二、题目间的相关可以作为内部一致性信度的一个证据（内部一致性主要还是通过alpha系数来考察）；三、题目总分间的相关可以作为区分度的指标，对于问卷的分析主要包含三方面内容，即信度，效度，区分度，一般采用题目总分相关来考查区分度，所以题目总分相关挺重要的。

如果你的所有变量都是两两独立的，那么你的模型基本不会显著了。原因不需要说了吧，想想你如果画一跟直线，x和y之间如果完全没有联系，就是一堆分布均匀的点。regression里的第一课就是讲这个吧。

另外，两两变量之间的相关显著与否和样本量有关，如果你的样本量超过1000,0.3的相关都会显著，但是0.3的相关已经算小了。所以看的是相关系数的实际大小，而不是显著与否。单纯看显著与否在学术界基本已经被否定了。

如果你还有基本问题，请先百度一下，或者找一本讲regression的书看看。