如题所述
可以。
spss里的pearson相关分析的作用就是单纯考量变量两两之间的关系，虽然你可以在分析时一次
放入多个变量，但出来的结果都是两个变量的简单的相关，也就是不在求两变量相关时考虑其他
的控制变量。然而回归不同，回归的结果是综合所有进入回归方程的自变量对因变量的结果而成
的。
举个例子，比如你考查变量a，b，c之间的关系，如果你使用一般的相关，那么其结果呈现的是a
和b的简单相关，b和c的简单相关，a和c的简单相关，每一个相关都只涉及到两个变量，而与第三
个变量无关，但如果是回归，回归里a和b的相关是在减去c变量的效应之后的，b和c的相关是在减
去a的效应后的，a和c的相关是减去b的效应后的。
计算方法不同，得出的结果就不同。所以相关性分析时两变量负相关,回归分析却是正相关这很正常。出现任何形式的不同都不奇怪。
扩展资料：
两个变量之间的相关程度通过相关系数r来表示。相关系数r的值在-1和1之间，但可以是此范围内的任何值。
正相关时，r值在0和1之间，散点图是斜向上的，这时一个变量增加，另一个变量也增加；
负相关时，r值在-1和0之间，散点图是斜向下的，此时一个变量增加，另一个变量将减少。
r的绝对值越接近1，两变量的关联程度越强，r的绝对值越接近0，两变量的关联程度越弱。
相关分析与回归分析在实际应用中有密切关系。然而在回归分析中，所关心的是一个随机变量Y对另一个（或一组）随机变量X的依赖关系的函数形式。而在相关分析中 ，所讨论的变量的地位一样，分析侧重于随机变量之间的种种相关特征。
参考文献：百度百科-相关分析
当然可以了，如果用SPSSAU进行在线spss数据分析，选择通用方法->相关进行，结果格式为三线表格式，属于规范的格式不用重新整理。
分析结果上看会输出包括平均值和标准差，以及相关系数和P值。
前两列即为各变量的平均值和标准差，第三列开始为两两变量之间的相关系数。
数值右上角的星号代表P值。对于相关分析，一般规范的表格格式是：P值使用*号表示，P < 0.01使用2个*号表示；P < 0.05使用1个*号表示。
