统计相关分析中相关系数及p值的意义？

相关系数就是两个变量之间的相关程度，-1<0负相关，r>0正相关，r2越接近1表示越相关。

P值即概率，反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P 值，一般以P < 0.05 为显著， P<0.01 为非常显著，其含义是样本间的差异由抽样误差所致的概率小于0.05 或0.01。

在线性回归中，p<0.01(或者0.05）表示两个变量非常显著（显著）线性相关。 

需要注意的是：在非线性回归中，不可以用p值检验相关显著性， 因为在非线性回归中，残差均值平方不再是误差方差的无偏估计，因而不能使用线性模型的检验方法来检验非线性模型，从而不能用F统计量及其P值进行检验。

复相关系数：又叫多重相关系数。复相关是指因变量与多个自变量之间的相关关系。例如，某种商品的季节性需求量与其价格水平、职工收入水平等现象之间呈现复相关关系。

典型相关系数：是先对原来各组变量进行主成分分析，得到新的线性关系的综合指标，再通过综合指标之间的线性相关系数来研究原各组变量间相关关系。

相关系数0.241远远小于
p=0.905，我们可以认为线性相关关系不显著，或者说没有相关关系，没有统计学意义。
p>0.05的r值是指线性相关关系显著，近似认为有关系。
当相关系数大于0.905时，是指线性相关关系特别显著，套用公式就可以得到极度接近的数值，这也是相关分析的实际应用。

不能下这种结论的
除非是做回归分析
我替别人做这类的数据分析蛮多的

结论：A与C在相关性比A与B的相关性强