为何相关性分析未通过显著性检验，通过因子分析却有弱相关关系？

征集答案和解释，满意愿意付款五十币。

表5-16  专业市场商户电子商务应用水平与各影响因素相关分析

	1	2	3	4	5	6	7	8	9	10
1.企业类型	1
2.感知收益	.160*	1
3.技术能力	.218**	.383**	1
4.供应链压力	.014	.281**	.018	1
5.信任	.113	.327**	.435**	-.047	1
6.竞争压力	.152*	.683**	.412**	.288**	.406**	1
7.ZF支持	.044	.425**	.224**	.232**	.297**	.368**	1
8.技术复杂性	-.056	.184*	-.170*	.600**	-.162*	.207**	.086	1
9.数据安全	.085	.103	.214**	.004	-.084	.114	-.073	.013	1
10.电子商务应用水平	-.331**	.403**	.125	.123	.283**	.421**	.460**	.010	.087	1

其中技术复杂性和数据安全变量未通过显著性检验。但是在回归中发现：

8	(常量)	1.677	.496		3.380	.001	.484	.459	19.910***
	企业类型	-.587	.083	-.404	-7.111	.000
	感知收益	.215	.089	.193	2.417	.017
	技术能力	-.160	.095	-.114	-1.677	.095
	供应链压力	.020	.073	.019	.276	.783
	信任	.170	.100	.111	1.693	.092
	竞争压力	.268	.091	.240	2.957	.004
	ZF支持	.377	.078	.304	4.828	.000
	技术复杂性	-.205	.088	-.156	-2.336	.021
9	(常量)	.881	.619		1.422	.157	.497	.470	18.553***
	企业类型	-.593	.082	-.408	-7.253	.000
	感知收益	.205	.088	.184	2.321	.021
	技术能力	-.201	.096	-.143	-2.083	.039
	供应链压力	.016	.072	.016	.228	.820
	信任	.212	.101	.139	2.097	.038
	竞争压力	.255	.090	.228	2.838	.005
	ZF支持	.396	.078	.319	5.090	.000
	技术复杂性	-.186	.088	-.141	-2.128	.035
	数据安全	.194	.092	.123	2.112	.036

调整后的R2上升（模型7为0.445），模型8和9通过显著性检验，两个变量也通过了T检验。这是什么原因？

这个是统计里面的因子筛选的问题，例如因子A同时受B、C、D等多个因子的影响，这个时候求相关（B\C\D也可能相互影响)，每个因子的相关性可能是导致各因子之间的影响，先要进行偏相关分析，剔除因子之间的相互影响，才可以选择最终要分析的因子。

这个属于统计学的范畴。
说显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受或否定假设。 通俗一点就是检验显著水平小于0.01（异常显著）、0.05（非常显著）、0.1（显著）。
但是相关性分析是指二者是否有相关，相关了了不一定通过显著性检验。你的因子里面有两个因子通过显著性检验，说明要先采用因子筛选，SPSS里的逐步回归的方法。

xycams 发表于 2014-3-13 09:08
这个属于统计学的范畴。
说显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可 ...

我采用逐步回归法之后又出现了新的问题，即我原先相关分析中相关关系不显著的变量在回归分析里通过显著性检验，成为主要的因子；而与此同时，原先相关显著的变量此时没有成为重要因子。

请问，为什么三个子指标做因变量分别与解释变量显著相关，但是因子分析为一个因子指标，做因变量再与解释变量回归时，反而不显著了呢

请问，为什么三个子指标做因变量分别与解释变量显著相关，但是因子分析为一个因子指标，做因变量再与解释变量回归时，反而不显著了呢

请问，为什么三个子指标做因变量分别与解释变量显著相关，但是因子分析为一个因子指标，做因变量再与解释变量回归时，反而不显著了呢