SPSS Statistics可以分析双变量、偏相关性和距离

　　相关分析研究了两个或两个以上随机变量之间的相关关系。与回归分析不同，相关分析侧重于变量之间的相关特征，但这并不意味着变量之间可以相互依赖和预测，如吃冰淇淋和肥胖。

　　IBM SPSS Statistics可以分析双变量、偏相关性和距离。那么，上述三种相关分析有什么区别呢？让我们通过一些例子来详细解释。

　　双变量相关

　　顾名思义，双变量相关性研究了两个变量之间的关系，如客流与销售之间的关系。散点图或双变量相关分析方法可用于分析双变量相关性。

　　例如，从数据的分布来看，图2中显示的客流与销售额之间存在着正相关的关系。

　　双变量相关分析测试了两个变量间相关系数的大小，皮尔逊、肯德尔和斯皮尔曼相关系数可用于SPSS。

　　相关系数r的值在-1和1之间，绝对者越接近1，两个变量之间的相关性就越强。正相关系数表示变量呈正相关，负相关系数表示变量呈负相关。

　　从本例的分析结果可以看出，销售与客流之间存在着强烈的关系。

　　偏相关

　　偏相关分析是在变量之间存在共线性的前提下使用的。由于共线性的影响，变量之间可能存在高度的相关性。此时，需要消除共线性变量作为控制变量。

　　例如，在这种情况下，将客户单价作为控制变量，分析销售和客流的偏差。

　　在零阶偏相关分析(相当于两个变量相关分析)中，我们可以看到销售与客流有很强的相关性(相关系数达到0.92)。

　　在控制客户单价的前提下，销售与客流的相关系数达到0.993，说明相关性很强。

　　距离相关

　　两个变量之间的相关性和部分相关性是研究变量之间的关系，但距离相关性有点不同，研究变量之间的相似性，即变量之间的关系“亲疏”。

　　距离相关性可用于研究案例或变量之间的相似性。在这种情况下，我们使用SPSS距离分析来分析购买量、购买量和浏览页面的变量。

　　从距离分析得出的相似矩阵可以看出，购买量与购买量之间存在较高的相似性(值越接近1，越相似)。

　　小结

　　SPSS相关分析可以进行双变量、偏相关性和距离分析。其中，SPSS双变量研究两个变量之间的关系；偏相关分析研究两个变量之间的关系；距离分析研究变量之间的相似性。