IBM SPSS Statistics 是强大的统计软件平台，SPSS全称Statistical Product and Service Solutions（统计产品与服务解决方案）,为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和Mac OS X等版本。

本文将介绍几种常用的SPSS分析方法，文中使用的软件版本为版本26，电脑系统为Windows 10 x64。

什么是SPSS相关分析：

spss相关分析是将变量之间相关关系进行量化处理的过程，通过计算变量间的相关系数，对两个或两个以上变量之间两两相关的强度进行量化描述。量化描述的结果就是各种不同的相关系数。

相关关系分类：相关关系从不同的角度有不同的分类方式。

按照相关关系强度划分：完全相关，弱相关和不相关。

按照相关关系的方向分类：正相关和负相关。

按照相关关系形态划分，可以分为线性相关和非线性相关。

按照变量的个数划分，可以分为单相关，复相关和偏相关。

案例：本案例采用的样本是对消费者信心指数的调查问卷统计表，探究年龄变量与消费者信心指数之间的相关性。

具体过程：

绘制散点图，观察两连续变量是否存在线性相关

打开软件，点击“分析”—“相关”—“双变量”

在对话框中将“index1”和“年龄”选入变量框

选择相关系数类型，相关系数默认用“Pearson”相关系数（Pearson相关系数适用于定距变量，而等级相关系数适用于定序变量。在这里，变量信心指数数值和年龄均属于定距变量，故选择默认的Pearson相关系数即可。

总结：从散点图来看，由于点迹分布散乱，没有较为明显的分布规律，所以看不出明显的相关关系。

分析结果：

其中，Pearson相关系数小于0，说明变量之间呈负相关关系，即信心指数值与年龄之间存在负相关关系。

P值小于0.05，说明两者之间的相关性非常显著。

所以最终可以得出结论：变量信心指数值与年龄之间存在显著的负相关关系。

以上就是使用IBM SPSS Statistics进行相关分析的方法总结。想了解更多软件使用技巧和统计学方法，敬请访问IBM SPSS Statistics中文网站。

作者：Noel