IBM SPSS Statistics偏相關分析，是用于變量間可能會有相互影響的情況中。比如，對三個變量進行相關分析，但發現第一、二個變量與第三個變量之間存在著相關關系，在這種情況下，就要將第三個變量的影響剔除后，再分析第一、二個變量的相關關系。

接下來，我們使用一組門店銷售數據，演示一下IBM SPSS Statistics的偏相關分析。

一、使用的數據

如圖1所示，示例所用數據包含了銷售額、客流量、客單價三個變量。本文假設客單價與銷售額、客流量有相關關系，并研究在控制客單價線性影響下，銷售額與客流量是否存在相關關系。

圖1：示例數據

二、應用偏相關分析

如圖2所示，依次單擊分析-相關-偏相關選項，打開偏相關分析設置面板。

圖2：偏相關分析

如圖3所示，可以看到，偏向關性分析設置面板包含了變量與控制兩個選項。變量指的是用于分析相關關系的變量；而控制則指的是控制其線性影響的變量。

圖3：偏相關設置面板

1.選擇變量

按照上文所述的研究目的，分別將銷售額、客流量添加到變量，將客單價添加到控制。

圖4：選擇變量

2.選項設置

接著，打開選項設置面板，勾選統計數值中的“平均值和標準差”以及“零階相關性”。

控制一個變量的偏相關分析，稱為一階偏相關分析。而“零階相關性”，即不進行控制變量設置的分析方法，用以對比控制變量設置后的結果。

圖5：選項設置

3.顯著性檢驗設置

由于我們事先沒有進行散點圖的制作，無法判斷數據存在正相關還是負相關，因此，選擇“雙尾”的顯著性檢驗。

圖6：顯著性檢驗設置

4.結果解讀

完成以上設置后，運行檢驗。

如圖7所示，“無”即不進行變量控制的相關性檢驗，如需出現該部分內容，必須在選項中勾選“零階相關性”。

從檢驗結果看到，在不控制客單價的線性影響下，銷售量與客流量存在著顯著相關性（顯著性設置為0.00<0.05）；而在控制客單價的線性影響下，銷售量與客流量仍存在著顯著相關性（顯著性設置為0.00<0.05）。

圖7：相關性檢驗結果

三、小結

綜上所述，IBM SPSS Statistics的偏相關分析，可用于控制對其他變量產生線性影響的變量，以求得更準確的變量間相關關系。

在使用偏相關分析時，建議在選項設置中勾選“零階相關性”，以對比控制影響變量前后的檢驗結果。