双变量相关性分析在 spss 里面核心就是判断两个连续或者有序变量之间有没有伴随变化的关系，同时计算相关系数并且做显著性检验，最常用的两种方法是皮尔逊相关和斯皮尔曼相关，皮尔逊适合满足正态线性关系的连续变量，斯皮尔曼适合有序等级数据或者不满足正态线性假设的数据，分析完成之后重点看相关系数大小和 p 值，相关系数代表关联强弱方向，p 值代表这个相关关系是不是统计学显著，要注意相关不等于因果，只能说明两个变量一起变动，不能证明一个变量变化导致另一个变量变化，很多新手容易在这里混淆，把相关结果直接解读成因果关系，这是双变量相关分析最常见的误区。选择正确的相关系数是整个分析的前提，选错方法会让结果失真，比如偏态严重的数据硬做皮尔逊相关，很容易出现假显著或者相关系数被极端值拉偏，所以正式跑分析之前，一定要先做数据检查，确认变量类型和分布特征，再确定使用哪一种相关模型。

前期准备与前提检验

做双变量相关之前需要完成几项基础检查，这一步不能省略，直接决定后续结果是否可信。

第一 确认变量类型，皮尔逊相关要求两个变量都是定距或者定比的连续数值变量，比如身高体重考试分数收入这类。斯皮尔曼相关属于秩相关，变量可以是连续偏态数据，也可以是有序等级变量，比如满意度等级评分。

第二 正态性检验，皮尔逊相关的推断检验依赖近似正态假设，可以通过分析菜单里面的描述统计探索，把两个变量放入因变量列表，勾选正态性检验，查看 Shapiro Wilk 结果，样本量小的时候优先看这个检验，样本量大的时候可以结合直方图 QQ 图判断。

第三 线性与异常值检查，绘制散点图，在图形旧对话框散点图，选择简单散点图，把两个变量分别放入 X 轴 Y 轴，观察散点是否呈现直线趋势，如果是明显曲线关系，皮尔逊相关就不再适用，同时观察有没有远离主体的极端离群点，极端值会严重扭曲相关系数，需要判断是录入错误还是真实个案，决定是否剔除。

皮尔逊双变量相关分析操作步骤

第一步 打开 spss 软件，导入已经整理好的数据，每一行代表一个个案，两列分别存放两个待分析变量。

第二步 顶部菜单栏点击分析，选择相关，再选择双变量，这个就是双变量相关的主对话框。

第三步 在弹出窗口左侧变量列表，选中需要分析的两个变量，点击箭头移动到右侧变量框里面。

第四步 相关系数选项，默认勾选皮尔逊，同时显著性检验保持双侧检验，绝大多数研究都使用双侧检验，如果有明确理论预期相关方向才改用单侧检验。

第五步 勾选标记显著相关性，这个选项会在输出表格里面给显著结果加上星号，方便快速识别。

第六步 点击右侧选项按钮，这里可以选择均值标准差还有叉积离差和协方差，一般研究可以勾选均值和标准差，点击继续回到主窗口。

第七步 点击确定，spss 就会运行分析并且输出相关矩阵表格。

斯皮尔曼双变量相关分析操作步骤

斯皮尔曼的操作入口和皮尔逊是同一个窗口，只是更换相关系数选项。

第一步 同样点击分析，相关，双变量，把两个变量放入变量框。

第二步 在相关系数区域，取消皮尔逊，勾选斯皮尔曼。

第三步 显著性检验依旧选择双侧，保留标记显著相关性。

第四步 选项里面按需选择描述统计，点击继续，再点击确定运行分析。

斯皮尔曼是基于变量排名秩次计算相关，不受原始数值偏态影响，对异常值容忍度更高，但是会损失一部分原始数值信息。

结果表格解读

解读的时候要分层判断，先看 p 值，p 显著之后再解读相关系数大小和方向，如果 p 不显著，哪怕相关系数数值看着不小，也不能认为两个变量存在稳定相关。同时区分统计学显著和实际意义，大样本下很小的相关系数也会出现 p 小于 0.05，这个时候相关虽然显著，但是关联强度很弱，实际价值有限。

补充注意事项

双变量相关只考察两个变量之间的净关联，没有控制其他混杂变量，如果怀疑有第三个变量干扰两个变量的相关关系，后续可以进一步做偏相关分析，这已经超出基础双变量相关的范畴。另外重复测量同一个受试者的数据，不适合直接做普通双变量相关，会违反独立性假设。

总结来说，spss 双变量相关性分析的完整流程就是先确认变量类型，完成正态线性和异常值检查，在双变量相关对话框里面选择皮尔逊或者斯皮尔曼，运行之后重点读取相关系数和双侧显著性 p 值，牢记相关只代表共变关系，不能推导因果，同时区分统计显著和相关强度，避免大样本下过度解读微弱相关。

【常见问题】

问题 1 spss 双变量相关性分析里面皮尔逊和斯皮尔曼能不能同时勾选一起输出？

回答 1 可以，在双变量相关主窗口里面可以同时勾选皮尔逊和斯皮尔曼，spss 会在同一张输出表格里面同时给出两种双变量相关性结果，方便对比，但是正式论文一般根据数据假设只保留一种，不建议两种结果都放进正文。

问题 2 spss 双变量相关性分析输出 p 值大于 0.05，但是相关系数是 0.4，应该怎么解读？

回答 2 这个情况说明双变量相关性没有达到统计学显著，虽然相关系数数值是中等大小，但是抽样波动很大，没有足够证据认为总体里面两个变量真的存在相关，不能直接判定两个变量存在中等相关关系。

问题 3 spss 双变量相关性分析可以用于分类名义变量吗？

回答 3 普通皮尔逊和斯皮尔曼双变量相关性不适合纯名义分类变量，如果是两个名义分类变量，应该改用卡方检验，如果是一个连续变量一个二分类名义变量，可以改用独立样本 t 检验，不要强行做双变量相关。

问题 4 spss 双变量相关性分析出现相关系数等于 1 代表什么？

回答 4 双变量相关性分析相关系数等于 1 代表完全正线性相关，两个变量变动完全同步，现实研究里面极少出现，一般是数据录入错误，或者两个变量本身是换算关系，比如厘米和米，这种相关没有实际研究意义。

【免责申明】

本文内容仅作为 spss 双变量相关性分析的学习参考，不替代专业统计人员指导，不同研究设计样本情况和期刊要求存在差异，正式科研论文使用前建议结合研究领域规范核对，因直接套用本文操作解读产生的分析误差，由使用者自行承担。