相关性分析是对变量或个案之间相关度的测量，在IBM SPSS Statistics中可以选择三种方法来进行相关性分析：双变量、偏相关和距离。

分析方法是操作手段，结果是得到分析后的数据列表，那么使用SPSS进行相关性分析后该如何查看并解读结果呢？下面整理了几种常见相关分析结果的解读，大家可以参考一下。

一、双变量分析

1.数据

数据样本如上图所示，是某家公司录取员工的基本情况，我们要探究的是教育水平和起始薪金之间的相关性。

2.分析设置

对两个变量进行如上图设置，选择皮尔逊相关和双尾检验。

3.结果分析

结果中一般会有两个表（只运用一种分析方法），第一个表是频率统计和基本的计算结果，显示数据的平均值、标准差和个案数。

第二个表是表征数据相关性的，我们需要重点关注的一个参数是皮尔逊相关系数，也就是常说的p值，若这个值的绝对值大于0.05，就表示变量间存在显著相关性。

表中有两个数据被用星号标注，这就是大于0.05的p值，表明教育水平和起始薪金存在显著的正相关性。

二、偏相关分析

1.分析设置

偏相关分析是用来剔除有关变量的干扰、用以分析其他变量之间相关性的方法。

同样使用上述样本，如果我们要更为精确地探讨起始薪金和教育水平的相关性，可以将其余变量都视作干扰变量全部剔除，分析设置如上图。

2.结果分析

由于控制变量较多，这个表格也较为复杂，但可以直观看出每两个变量之间的相关性方向和强弱。

在表格最后，是控制变量后对教育水平和起始薪金的相关性分析，可以发现，其他变量被控制后，皮尔逊系数明显下降，由双变量分析中的0.633降为0.235，它们之间仍然具有正相关性，但相关程度大大降低。

由此可见，对于变量数目较多且关系复杂的数据，分析两个变量或特定变量之间的相关性时，使用偏相关分析结果会更为可靠一点。

三、距离分析

1.个案非相似性距离分析

选择本数据样本的前五组数据作为分析对象，通过对教育水平、雇佣类别、起始薪金、现在薪金、经验几个变量的分析计算个案间的非相似性距离。

这种分析方法的结果是得到一个非相似性矩阵，表中的参数值越小，相似性越大，表中显示，个案2和个案5之间的距离最小，所以他们的相关性最强。

2.变量相关性距离分析

将分析对象变为个案，非相似性改为相似性，进行如上设置。

和非相似性矩阵类似，我们会得到一个相似性矩阵，其中的参数表示变量之间的相似性距离，参数越大，相关性越强。

从表中显示的参数来看，在被分析的三个变量中，起始薪金和雇佣类别的距离最大，相关性最强。

四、小结

关于使用SPSS相关性分析后的结果，本次的分享就到这里啦，三种方法的应用范围和分析精度都有所不同，大家根据自己需要选择即可，希望可以对大家有所帮助！

作者：参商