SPSS相关分析第７章相关分析相关分析是研究变量间密切程度的⼀种常⽤统计⽅法。
线性相关分析研究两个变量间线性关系的程度。
相关系数是描述这种线性关系程度和⽅向的统计量，通常⽤ｒ表⽰。
如果⼀个变量ｙ可以确切地⽤另⼀个变量ｘ的线性函数表⽰，那么，两个变量间的相关系数是＋１或－ｌ。
如果变量ｙ随着变量ｘ的增、减⽽增、减，即变化的⽅向⼀致。
例如，在⼀定的温度范围内昆⾍发育速率与温度的关系，温度越⾼，发育速率相对也就越快。
这种相关称为正向相关，其相关系数⼤于０。
如果变量ｙ随着变量ｘ的增加⽽减少，变化⽅向相反。
例如，降⾬强度与⽥间害⾍种群数量的关系，随着降⾬强度的增加，时间延长，害⾍种群数量逐步下降。
这种相关关系称为负相关，其相关系数⼩于０。
相关系数ｒ没有单位，其值在－１～＋１之间。
SPSS系统中有⼀个⽤于相关分析的“Correlate”菜单项，其中包括有板有三个过程：① Bivariate 分析两个变量之间的相关关系；② Partial偏相关分析，分析在⼀个或多个变量的影响下，两个变量之间的相关关系；③ Ｄｉｓｔａｎｃｅ 相似性分析（距离分析）。
在这⾥将结合例⼦介绍两个变量之间的相关分析和偏相关分析过程的应⽤。
７.1⼆个变量间的相关分析本节介绍两两变量间的相关分析。
包括两个连续变量间的相关和两个等级变量间的秩相关。
这两种相关使⽤同⼀个过程，通过选择不同的分析⽅法来实现。
选择哪⼀种分析⽅法要看具体的数据类型。
[例⼦７-1]调查了29⼈⾝⾼、体重和肺活量的数据见表7-1，分析这三者之间的相互关系。
表7-1 ⾝⾼、体重和肺活量的调查数据编号⾝⾼体重肺活量编号⾝⾼体重肺活量1 135.10 32.0 1.75 16 153.00 32.0 1.752 139.90 30.4 1.75 17 147.60 40.5 2.003 163.60 46.2 2.75 18 157.50 43.3 2.254 146.50 33.5 2.50 19 155.10 44.7 2.755 156.20 37.1 2.75 20 160.50 37.5 2.006 156.40 35.5 2.00 21 143.00 31.5 1.757 167.80 41.5 2.75 22 149.90 33.9 2.258 149.70 31.0 1.50 23 160.80 40.4 2.759 145.00 33.0 2.50 24 159.00 38.5 2.2510 148.50 37.2 2.25 25 158.20 37.5 2.0011 165.50 49.5 3.00 26 150.00 36.0 1.7512 135.00 27.6 1.25 27 144.50 34.7 2.2513 153.30 41.0 2.75 28 154.60 39.5 2.5014 152.00 32.0 1.75 29 156.50 32.0 1.7515 160.50 47.2 2.251037.1.1操作步骤1）准备数据⽂件在数据编辑窗⼝，定义变量名“ｎｏ”为编号、“ｈｅｉｇｈｔ”为⾝⾼、“ｗｅｉｇｈｔ”为体重、“ｖｃｐ”为肺活量。
