1维度之间是可以做相关性分析的，维度之间相关性分析的目的是分析维度间的相关关系，换句话说，如果维度间相关性很高，说明两者之间可以相互取代。如果维度相似性很高，可以使用主成分分析分析一下取代的可能性。
2这个问题我不是很确定，所以不敢妄下结论。但我感觉维度内做相关性分析意义不是太大。因为调查问卷一般都是遵循“高内聚，低耦合”的规则实施的，即类别间尽可能不相关，类别内尽可能高度相关。
3做完相关性分析之后，如果存在相关关系，一般进行拟合。拟合以前可以看P-P图的结果。PP图检测数据是否符合已知分布，一般看第一幅图，如果符合一只分布，数据和点会近似呈一条直线。
4这张图的结果是显著的，但是相关系数只有0.432，相关性不是很高，说明两部分程度总分线性相关程度较小，建议尝试再做几次非线性检验。

纯属个人观点，仅供参考。。。。。

比如说，我的有一个维度是教师的信息加工能力，拿这一个维度的分数跟总分做相关性分析，如果相关系数大，我可不可以认为信息加工能力对总分的影响很大呢？如果这样我就可以提出这方面的建议了，但是按照你说的取代，我就不知道怎样说了，求指点。

这里面有个问题，就是教师的信息加工能力与总分不是同一水平的维度，不同水平的维度不能做主成分分析。所谓主成分分析是指在某一事物的所有影响因素中找出影响最大的因素，总分是由教师的信息加工能力等因素影响的，所以可以对这些因素作主成分分析，得到影响总分的主要因素。
不过就信息加工能力与总分而言，如果高度相关，是可以得出确定结果，即信息加工能力对总分的影响很大。

呵呵，好像废话了一大堆~

我就是把四个维度都与总分做相关了，找出了相关度最大的，那么就认为相关系数最高的那一项影响着总分，可以吗？