目的：
（1）学会将.xls格式的数据文件引入SPSS，并进行编辑；
（2）掌握运用SPSS软件进行积差相关、秩相关和偏相关分析，并进行显著性检验。
要求：
（1）对数据1中的至少3个变量进行积差相关分析，写出相关系数矩阵，并进行显著性检验；
（2）运用数据2做旅游企业营业收入和国际游人的秩相关系数，并进行显著性检验；
（3）利用数据1对GDP、消费价格指数、职工平均工资进行偏相关分析，并与三者的积差相关系数进行分析比较。
要求写出实验步骤、结果，画出相关分析图；注意变量间是否呈线性关系；是否有异常点；显著性检验。
实验步骤过程：
1. 任选不少于3个变量分析数据1
（1）打开数据1。打开SPSS软件，点击主菜单【File】/【Open】/【Data】。在打开的对话框中，选择文件格式：.*xls，.xlsx，.xlsm，并选择“上机1_数据”（图1）。后点击【Open】，在新打开的对话框中，选择“数据1”（图2）。点击【OK】，打开的.xls格式数据如图3所示。
图1 打开Excel数据对话框
图2 打开数据1对话框
图3 数据1加载至SPSS结果图
（2）前提条件检验。点击主菜单【Graphs】/【Legacy Dialogs】/【Scattet/Dot】，在打开的对话框中，选择【Simple Scatter】，点击【Define】（图4），在接着打开的对话框中，Y Axis选择GDP，X Axis选择就业人数（图5），点击确定，即可得到GDP与就业人数的散点图（图6）。重复该操作，计算GDP与其他变量散点图。
图4 选择检验方式
图5 选择自变量与因变量
图6 GDP与就业人数散点图
（3）积差相关分析与显著性检验。点击主菜单【Analyze】/【Correlate】/【Bivariate】，在打开的对话框中，选择变量GDP、年份、就业人数、职工平均工资，“Correlation Coefficients”选择Pearson（积差相关系数），“Flag significant correlations”打勾（图7）。点击【OK】，这四个变量积差相关分析和显著性检验结果如图8所示。
图7 Bivariate Correlations对话框
图8 积差相关分析与显著性检验结果
2分析数据2旅游企业营业收入和国际游人
（1）打开数据2。点击主菜单【File】/【Open】/【Data】。在打开的对话框中，选择文件格式：.*xls，.xlsx，.xlsm，并选择“上机1_数据”。后点击【Open】，在新打开的对话框中，选择“数据2”（图9）。点击【OK】，打开的.xls格式数据2如图10所示。
图9 打开数据2对话框
图10 数据2加载至SPSS结果图
（2）前提条件检验。点击主菜单【Graphs】/【Legacy Dialogs】/【Scattet/Dot】，在打开的对话框中，选择【Simple Scatter】，点击【Define】，在打开的对话框中，Y Axis选择旅游企业营业收入，X Axis选择国际游人（图11），点击确定，即可得到旅游企业营业收入与国际游人的散点图（图12）。
图11选择自变量与因变量
图12旅游企业营业收入与旅游企业营业收入散点图
（3）秩相关系数与显著性检验。点击主菜单【Analyze】/【Correlate】/【Bivariate】，在打开的对话框中，选择变量GDP、年份、就业人数、职工平均工资，“Correlation Coefficients”选择Spearman（秩相关系数），“Flag significant correlations”打勾（图13）。点击【OK】，这四个变量积差相关分析和显著性检验结果如图14所示。
图12 Bivariate Correlations对话框
图13秩相关系数与显著性检验结果
3分析数据1 GDP、消费价格指数、职工平均工资
（1）偏相关分析。点击主菜单【Analyze】/【Correlate】/【Partial】，在打开的对话框中，选择分析变量为消费价格指数、职工平均工资，控制量为GDP（图14）。点击【OK】，偏相关分析结果如图15所示。控制变量改为消费价格指数和职工平均工资后重复此操作。
图14偏相关分析对话框
图15 偏相关分析结果
（2）三者的积差相关系数。点击主菜单【Analyze】/【Correlate】/【Bivariate】，在打开的对话框中，选择变量为消费价格指数、职工平均工资和GDP，“Correlation Coefficients”选择Pearson（积差相关系数），“Flag significant correlations”打勾（图16）。点击【OK】，这3个变量积差相关分析和显著性检验结果如图17所示。
图16积差相关系数对话框
图17积差相关系数和显著性检验结果
三、实验结果：
对数据1中至少三个变量极差相关分析，写出相关系矩阵，并进行显著性检验（1）GDP与年份
（2）GDP与就业人数
（3）GDP与教育投入
（4）GDP与消费价格指数
（5）GDP与职工平均工资
（6）GDP与高等院校在线人数
图18数据1所有变量与GDP散点图
由图18 GDP与其他各因素散点图，可以发现，GDP与年份、教育投入、职工平均工资均分布在一条拟合直线附近，相关性较为明显；GDP与高等院校在线人数和就业人数间的相关性次之；而GDP与消费价格指数散点图分布较为散乱，两者间的相关性极弱。
表1 部分数据1变量积差相关分析表
结合表1与相关系数矩阵，可以发现，GDP、年份、就业人数与职工平均工资两两之间都在0.01显著水平，即两两变量间存在极其显著的相关。又由相关系数矩阵，所有因素两两间相关系数均大于0.8，存在极强的相关性。其中，就业人数与职工平均工资（0.827），就业人数与GDP间（0.870）的相关性小于0.9，稍弱于其他两两因素间的相关性。
2. 对数据2进行旅游企业营业收入和国际游人秩相关分析和显著性检验
图19 国际游人与旅游企业营业收入散点图
表2 旅游企业营业收入和国际游人秩相关分析和显著性检验表
由图19散点图可初步看出旅游企业营业收入和国际游人间存在一定相关性，结合表2秩相关分析和显著性检验，可以发现，两者间的相关系数为0.932，存在极强的正相关性。且在0.01显著水平，两者间存在极显著相关。
表3 GDP为控制变量的偏相关分析
表4 消费价格指数为控制变量的偏相关分析
表5 职工平均工资为控制变量的偏相关分析
表6 GDP、消费价格指数和职工平均工资积差相关系数
剔除GDP影响后，职工平均工资和消费价格指数的相关系数为-0.153，相关性极弱（表3）；剔除消费价格指数影响后，GDP和职工平均工资的相关性为0.978，且位于0.01显著水平，存在极强的相关性（表4）；剔除职工平均工资影响后，GDP与消费价格指数相关性为0.031，相关性也较弱（表5）。而表6 三个因素直接做积差相关分析显示，GDP与职工平均工资的相关性为0.985，GDP与消费价格指数相关性为-0.576，职工平均工资和消费价格指数的相关性为-0.589，且三者两两之间均存在0.01级别显著相关（极显著）。
总的来说，GDP对职工平均工资有着极大影响，且消费价格指数的存在使该影响有微弱增加（相关系数从0.978→0.985）；而GDP与消费价格指数间相关性受职工平均工资的作用，当剔除职工平均工资影响后，两者间得不存在相关性（相关系数从-0.576→0.031）；而职工平均工资和消费价格指数间的相关性又受GPD影响，当剔除GDP后，两者间也不存在相关性（相关系数从-0.589→-0.153）。
总结：
（1）皮尔逊相关也称为积差相关（或积矩相关）。当两个变量的标准差都不为零时，相关系数才有定义，皮尔逊相关系数适用于：①、两个变量之间是线性关系，都是连续数据。②两个变量的总体是正态分布，或接近正态的单峰分布。③两个变量的观测值是成对的，每对观测值之间相互独立。
（2）jpdsy等级相关系数（秩相关系数）用来估计两个变量间的相关性，其中变量间的相关性可以使用单调函数来描述。jpdsy等级相关系数对数据条件的要求没有皮尔逊相关系数严格，只要两个变量的观测值是成对的等级评定资料，或者是由连续变量观测资料转化得到的等级资料，不论两个变量的总体分布形态、样本容量的大小如何，都可以用jpdsy等级相关系数来进行研究。
（3）偏相关分析剔除其他相关因素影响的条件下来计算变量间的相关性，运用时最好与相关分析结合起来一起研究。