偏相关分析

偏相关分析主要是二元变量在一些情况下无法真实的反映事物之间的相关关系，比如说稻谷的产量，他不仅受到降雨量的影响，也受到温度的影响，但是温度也会受到降雨量的影响，单纯的计算相关系数，就不能准确反映事物之间的联系，而需要提出其他相关因素影响的条件下计算相关系数。因此就用到了偏相关分析。偏相关分析指当两个变量同时和第三个变量相关时，将第三个变量的影响提出，只分析另外两个变量之间相关程度的过程。描述性统计量均值标准差N综合得分94.3443.446027授权渠道得分58.7081.674927直供渠道得分27.5822.320727相关性控制变量综合得分授权渠道得分直供渠道得分-无-a综合得分相关性1.000.550.610显著性（双侧）..003.001df02525授权渠道得分相关性.5501.000.013显著性（双侧）.003..948df25025直供渠道得分相关性.610.0131.000显著性（双侧）.001.948.df25250直供渠道得分综合得分相关性1.000.684显著性（双侧）..000df024授权渠道得分相关性.6841.000显著性（双侧）.000.df240a.单元格包含零阶(Pearson)相关。该数据表格为上下两部分，上半部分输出的是变量两两之间的PEARSON简单相关系数，如综合得分和授权渠道得分的相关系数为0.550，下半部分为排除直供渠道得分的结果，也就是偏相关的分析结果，可以看出综合得分和授权渠道得分的相关系数为0.684，显著性为0.000.因此两者相关性显著相关。