写在前面：今天我们讲SPSS分析操作中相关性的有关内容~

在SPSS软件中有关相关性分析的操作共有3种，分别为：

双变量相关分析是用来分析两个尺度变量之间是否存在相关性，比如我们可以分析一次考试中学生们的数学成绩和物理成绩是否存在相关性，探究数学、物理成绩之间是否有关联。 点击双变量(B) 打开双变量相关性窗口： 变量窗口里选择需要分析的变量（补充：每次分析并不是只能选择两个变量，你可以同时选择多个变量进行分析，SPSS最终会输出一个n*n的表格展现出每两个变量之间的相关性）；相关系数选择你需要求的相关系数类型；显著性检验选择你是要进行单侧检验（单尾）还是要双侧检验（双尾）；标记显著性检验勾选后SPSS会自动在表格里用 星号(*)标记出那些显著性小于0.01的结果；选项里你可以选择另外统计平均值和标准差、叉积偏差和协方差以及对缺失值的处理方法。 对结果的分析很简单，这里不再赘述~

这里的偏相关与双变量的内容并无太大区别，我主要讲述一下偏相关的含义与作用，方便大家理解何时我们才要使用偏相关分析~

承接上节，我们通过双变量相关分析得到数学与物理成绩的相关性，显著性0.000小于0.01，即二者有很强的相关性，那么，通过这个结果我们可以得出二者有因果关系吗？我们知道数学物理的成绩高低是相关的，那我们能得出 因为数学成绩高所以物理成绩高吗？即相关可以推导出因果吗？

换一个更容易理解的例子，有人通过数据收集和分析得出每年夏天吃冰淇淋的人越多溺水死亡的人也越多，并计算得出二者有很强的相关性，因此十分肯定的得出吃冰淇淋会导致人溺水死亡。那么这样的结论对吗？显然不对，吃冰淇淋的人数虽然与溺水身亡的人数有非常大的相关性，但是二者并无明显的因果关系，这内在的原因其实是夏天的气温。

因此，为了避免我们在数据分析时出现类似这种错误，我们就需要使用偏相关分析方法： 偏相关分析是指当两个变量同时与第三个变量相关时，将第三个变量的影响剔除，只分析另外两个变量之间相关程度的过程，判定指标是相关系数的R值。 p值是针对原假设H0：假设两变量无线性相关而言的。一般假设检验的显著性水平为0.05，你只需要拿p值和0.05进行比较：如果p值小于0.05，就拒绝原假设H0，说明两变量有线性相关的关系，他们无线性相关的可能性小于0.05；如果大于0.05，则一般认为无线性相关关系，至于相关的程度则要看相关系数R值，R越大，说明越相关。越小，则相关程度越低。【百度百科】 变量内选择我们想要分析得变量；控制里选择我们想要剔除影响的变量 结果分析与双变量相关分析的结果几乎完全一样，这里不再赘述 一般来说，使用偏相关分析方法得出的结果其相关性会比双变量分析得到的相关性小（除非控制变量对二个变量完全没有影响）

不太常用，所以我也就没学习，以后有机会再补充吧~

点赞很简单，但它却会给予作者坚持写下去的动力~~

参考：偏相关怎么理解？怎么操作？、一图读懂：什么是偏相关？、偏相关分析_百度百科