用SPSS进行相关分析的典型案例

相关分析，两个变量之间密切程度的一种常见统计分析方法，能够简单有效说明两变量间存在什么关系，这些关系的常见描述语句有：线性相关、正相关、负相关等。

某公司员工的基本情况，数据集含3列，分别为：性别、年龄、工资，现在希望了解员工年龄和工资水平之间的关系（企业人事部门的读者可关心一下）。

1、菜单操作：分析、相关、双变量

2、结果

相关分析的原假设是两两之间不相关，现在sig=0.002，原假设不可能发生，即得出年龄与工资水平有极显著的相关关系，且随着年龄的增加，工资会逐渐下降，老无所养吧。这个结论苍白无力，即使不用统计分析，看看身边的人其实也能想差不多明白。

3、再提高一步

在探索性数据分析阶段，分组对比分析非常重要，在分组变量的细分之下，往往能够发现意想不到的结论。我们讨论一下不同性别的员工，其年龄和工资的关系，男女在这方面有区别吗？

（1）首先用性别变量将数据集拆分为男女两部分：数据，拆分文件

可见，实际上是女性的年龄与工资水平有着极显著的负相关关系，而男性却不存在这样的关系，在实际工作生活当中，这个结论也基本符合实际。

表不如图，最能体现相关关系的图是散点图。

通过散点图，可以在相关分析之前对两者之间的关系做一个相对比较直观的判断，如果得到相关分析的验证，效果更佳。

1、相关分析属于数据分析流程前端的探索性分析，探究变量间关系及性质，其结果在于指导下一步采取何种方法，是数据挖掘之前的基础工作；

2、两两之间有相关关系，但不一定是因果关系，也可能仅是伴随关系，反过来，两两之间存在因果关系，那么两者之间必然相关；

3、相关分析之前，有必要搞清楚变量的类型，根据具体类型选择合适的相关系数。Pearson相关系数适用于两变量的度量水平都是尺度数据，并且两变量的总体是正态分布或者近似正态分布的情况，还有说法认为其样本量应大于30，可供参考，在这些条件之外的，考虑选择spearman系数或者kendall系数。

4、分组对比分析是发现问题的好方法；

5、散点图是相关分析的最直接有效的可视化方法。