【原】一文读懂偏相关分析

相关分析用于分析两个事物之间的关系情况，在现实分析中，相关分析往往有第三变量的影响或作用，而使得相关系数不能真实地体现其线性相关程度。

比如，研究身高与肺活量之间的关系，身高与肺活量都同体重有关系，如果不考虑体重的影响，就会得到身高越高，肺活量越大，这显然是不准确的。因此，当存在可能会影响两变量之间的相关性的因素时，就需要使用偏相关分析，以得到更加科学的结论。

01.概念

偏相关分析，用于分析当两个变量都与第三个变量相关时，将第三个变量的影响剔除，只分析另外两个变量之间的相关程度。

02.案例应用

某研究欲了解员工受教育年限与当前工资之间的关系情况。考虑到受教育年限会影响入职工资，入职工资还会影响到当前工资。因此，将入职工资作为控制变量，进行偏相关分析。

03.操作步骤

SPSSAU分析界面

（1）选择【进阶方法】-【偏相关】

（2）分析项放入[当前工资]和[受教育年限]，控制变量放入[入职工资]

（3）点击开始偏相关分析

04.结果分析

偏相关分析结果

（1）首先查看两两项之间的相关系数值是否呈现出显著性，以及相关程度。

上图可以看出，当前工资与受教育程度的偏相关系数为0.327，P<0.01，说明当前工资和受教育年限之间有着显著的正相关关系

SPSSAU分析结果

（2）接着，判断分析项与控制变量之间的相关系数情况。

上图显示，入职工资对当前工资和受教育程度均呈现出显著性（P<0.01）,且相关系数较高，说明入职工资同时与相关分析的两个变量，均有着密切的相关关系；也说明把入职工资作为控制变量纳入分析中较为合适。

结论：在入职工资作为控制变量的条件下，当前工资与受教育程度的偏相关系数为0.327，呈正向相关关系。

05.其他说明

（1）如果控制变量与分析项之间均没有呈现出显著相关关系，则说明该变量并非真正的控制变量

（2）事实上，如果直接使用相关分析，所得出的结果如下图所示：

简单相关分析结果

从上表可以看到：受教育年限与当前工资的相关系数值为0.672，说明两者之间有着非常强的相关关系，但根据偏相关分析得出的结果，两者的偏相关系数为0.327（相关程度一般）。这也说明不控制入职工资直接进行相关分析的结果是不准确的。