SPSS的相关/偏相关和距离相关分析有什么区别？

相关性分析研究两个或多个随机变量之间的相关性。与回归分析不同，相关分析侧重于变量之间的相关特征，但不能说明变量之间可以相互依赖并做出预测，比如吃冰淇淋与肥胖之间的相关分析。

IBM SPSS Statistics可以进行二元、偏相关和距离的相关分析。那么，以上三种相关性分析有什么区别呢？接下来，我们将通过一些例子来详细解释。

1.双变量相关

二元相关顾名思义，研究的是两个变量之间的相关性，比如客流和销售额之间的相关性。二元相关可以通过散点图或二元相关分析进行分析。

例如，图2所示的客流和销售额的散点图显示，客流和销售额之间存在正相关关系。

双变量相关分析检验两个变量之间的相关系数，在SPSS中可以使用Pearson、Kendall和Spearman相关系数。

相关系数r的值介于-1和1之间，其绝对值越接近1，两个变量之间的相关性越强。正相关系数表示变量正相关，负相关系数表示变量负相关。

从这个例子的分析结果来看，销售和客流之间有很强的相关性。

第二，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，变量之间可能高度相关，此时需要剔除引起共线性的变量作为控制变量。

例如，本例以客户单价为控制变量，对销售额和客流进行偏相关分析。

在零阶偏相关分析(相当于双变量相关分析)中，我们可以看到销售和客流之间有很强的相关性(相关系数达到0.92)。

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

第三，距离相关性

双变量相关和偏相关研究变量之间的相关性，但距离相关略有不同，后者研究变量之间的相似性，即变量之间关系的“亲和力”。

距离相关性可以用来研究案例或变量之间的相似性。在这个例子中，我们使用SPSS距离分析来分析购买量、购买量和访问页数的变量。

从距离分析得到的相似度矩阵可以看出，购买数量和购买金额有很高的相似度(值越接近1，越相似)。

四.摘要

综上所述，SPSS相关分析可用于二元、偏相关和距离相关分析。其中，SPSS二元相关研究两个变量之间的相关性；偏相关分析是在设定控制变量的前提下，研究两个变量之间的相关性；距离分析研究变量之间的相似性。