spss如何做偏相关、spss如何做偏相关F检验

序曲

早梅

【唐】柳宗元

早梅发高树，迥映楚天碧。

朔吹飘夜香，繁霜滋晓白。

欲为万里赠，杳杳山水隔。

寒英坐销落，何用慰远客？

梅花傲霜雪斗严寒，历来是诗人歌咏的对象，且多以梅自喻，表达作者的情趣。柳宗元也正是这样，在《早梅》诗中借对梅花在严霜寒风中早早开放的风姿的描写，表现了自己孤傲高洁的品格和不屈不挠的斗争精神。

全诗分前后两层意思，前四句咏物，后四句抒怀。"早梅发高树，迥映楚天碧。" 起笔不凡，笔势突兀。早梅与别的花卉不同，在万物沉寂的寒冬绽开了花蕾，"众花摇落独暄妍"(林逋《山园小梅》)。一个"发"字把早梅昂首怒放生机盎然的形象逼真地展现在读者的眼前。其背景高远广阔的碧蓝的天空，不仅映衬着梅花的色泽，更突出了它的雅洁，不同凡俗。而"发高树"的"高"字借实写虚，暗寓诗人不苟合流俗行高于时人。"朔风飘夜香，繁霜滋晓白"紧承开头两句写梅花开放的恶劣环境，表现梅花不同凡花的风骨。这两句诗与陆游《落梅》绝句里的"雪虐风饕愈凛然，花中气节最高坚"意同，都赞颂了梅花傲视霜雪的不屈品格。早梅所处环境的"朔吹"、 "繁霜"实际上正是柳宗元遭遇的政治环境的缩影。"永贞革新"失败后，柳宗元被贬到边远落后的南荒之地，过着囚徒般的日子，身心受到严重的摧残。面对腐朽势力连连不断的打击，始终坚持自己的理想，怀抱坚定的自信，他表示："苟守先圣之道，由大中以出，虽万受摈弃，不更乎其内。"（《答周君巢饵药久寿书》）

偏相关分析简介

相关分析适用于仅包括两个变量的数据分析，当数据文件包括多个变量时，直接对两个变量进行相关分析往往不能真实反映二者之间的相关关系，此时就需要用到偏相关分析，以从中剔除其他变量的线性影响，即先假设其中的某些因素不变，再去考察其他因素对该问题的影响，从而达到简化分析的目的，这就是偏相关分析的思想。

1. 偏相关分析的定义

偏相关分析是在相关的基础上考虑两个因素以外的各种影响因素，或者说在扣除了其他因素的作用大小以后，重新分析两个因素间的关联程度。其目的：消除其他变量关联性的传递效应。

2. 偏相关系数的定义

线性相关分析计算的是两个变量间的相关系数，它分析两个变量之间线性相关的程度。但在实际应用中，往往因为第3个变量的作用，使相关系数不能真正反映那两个指定变量间的线性相关程度。如身高、体重与肺活量的关系，若使用Pearson相关系数，可以得出肺活量与身高、体重之间分别存在着较强的线性关系，因为身高与体重有线性关系，体重与肺活量又有线性关系，由此得出身高和肺活量之间存在线性关系的结论是不可信的。偏相关分析能够在研究两个指定变量之间的线性相关关系时，控制可能对其产生影响的其他变量。

在多变量的情况下，变量之间的相关关系是复杂的，直接研究两个变量间的简单相关系数往往不能正确说明它们之间的真实关系，只有除去其他变量影响后的再计算相关系数，才能真正反映它们之间的相关关系；或者说是在其他变量固定不变的情况下，计算两个指定变量之间的相关系数，这样的相关分析就是偏相关分析，经此得出的相关系数叫做偏相关系数，如要分析身高与肺活量之间的相关性，就要控制体重在相关分析过程中的影响。

SPSS实现偏相关分析

示例：某医师收集并测定95例糖尿病患者的体重指数BMI、HOMAR指数、A/L比值等指标，分析指标之间的相关性。

1. 数据录入：

· 在SPSS的"变量视图"中设置三个变量，体重指数BMI、HOMAR指数、A/L比值。

2. 参数选择与说明

（1） 打开 分析—相关—偏相关

（2） 参数说明与选择

• 变量：估计偏相关系数的变量，至少两个及以上变量，必须选项
• 控制：欲控制变量，选择专业上需扣除或控制其影响的变量，可以是一个或多个变量
• 显著性检验：如果了解变量间是正相关或负相关，应选择 双侧检验 单选按钮；否则，选择 单侧检验 按钮
• 显示实际显著性水平：输出P值和自由度
• 统计：（1）平均值与标准差—输出相关变量与控制变量的均值与标准差；（2）零阶相关性—输出选入变量的Pearson简单相关系数；（3）缺失值：选择缺失值处理方法

3. 数据结果与说明

（1） 基础分析

· 由下表可知，输出各指标的平均值与标准差。

（2） 检验结果

• 由下表可知，结果分为上下两部分，上面部分是没有控制AL的情况下，三个变量间的两两相关性矩阵，可以发现BMI与HOMA-R指数之间相关系数为0.235(p=0.022<0.05)，存在一定的相关；下半部分为 在扣除了AL值影响后，BMI与HOMA-R指数之间偏相关系数为0.181（p>0.05）,故不能认为二者有线性相关关系。

4. 语法：