我們通過散點圖研究發現，客流量與銷售額之間存在著正相關的關系，而客單價與銷售額之間似乎不存在相關關系。

為了進一步驗證客單價與銷售額之間的關系，同時衡量客流量與銷售額之間相關關系的程度，本文將會應用IBM SPSS Statistics的兩變量相關檢驗，探究客單價與銷售額、客流量與銷售額之間的密切程度。

　一、使用的數據介紹

如圖1所示，本文使用的是一組包含客流量、銷售額、客單價的數據。

圖1：示例數據

二、應用雙變量相關檢驗

如圖2所示，依次單擊分析-相關-雙變量選項，打開雙變量相關分析面板。

圖2：雙變量相關

1. 選擇變量

在雙變量相關性設置面板中，首先，將要研究的變量添加到右側變量方框中。

圖3：選擇變量

2. 選項設置

然后，單擊選項按鈕，并在選項面板中勾選“平均值和標準差”的統計項。

圖4：選項設置

3. 相關系數與顯著性檢驗設置

接著，再進行相關系數與顯著性檢驗的設置。

如圖5所示，如果數據滿足正態分布的話，使用皮爾遜檢驗結果，否則就應該使用肯德爾或斯皮爾曼檢驗結果。由于我們仍未進行正態性檢驗，可以先把所有方法都勾選上。

另外，如果事先知道數據的分布，比如正相關、負相關等，選擇單尾檢驗，否則選擇雙尾檢驗。

圖5：相關系數與顯著性檢驗設置

4. 檢驗結果解讀

完成以上設置后，運行檢驗。

首先，從描述統計數值中，可以看到各個變量的平均值與標準差。

圖6：描述統計

在查看相關性檢驗時，需根據數據是否服從正態分布來選取不同的檢驗結果。如圖7所示，對數據應用KS檢驗來檢驗數據是否服從正態分布，從其漸進顯著性數值看到（均大于0.05），結果不顯著，也就是說不能拒絕數據服從正態分布的零和假設（因KS檢驗的零和假設是數據服從正態分布）。

圖7：KS檢驗

基于數據服從正態分布的前提，查看皮爾遜相關性檢驗結果。如圖8所示，客流量與銷售額的皮爾遜系數為0.92，標注了兩個星，說明客流量與銷售額相關性強；而客單價與銷售額的皮爾遜系數為0.342，也有較強的相關性。

圖8：相關性檢驗結果

三、小結

綜上所述，IBM SPSS Statistics的雙變量相關檢驗，可對兩變量間的相關關系進行程度性的測量，以探究兩兩變量間相關性的強弱。另外，結合使用散點圖，可對數據進行快速的相關性預判，輔助說明兩變量間的相關性。