相关关系
所谓相关关系，是指2个或2个以上的变量取值之间在某种意义下所存在的规律，其目的在于探寻数据集里所隐藏的相关关系网。
相关性分析方法
相关分析包括简单相关分析，偏相关分析，典型相关。
简单相关分析
简单相关分析中SPSSAU一共提供三个相关系数，一个是pearson相关分析，一个是spearman相关分析，最后一个是kendall相关系数。
pearson相关系数
pearson 法则是一种经典的相关系数计算方法，主要用于表征线性相关性，假设2个变量服 从正态分布且标准差不为0，他的值介于-1到1之间，pearson相关系数的绝对值越接近于1，表明 2个变量的相关程度越高，即这2个变量越相似。其相关系数计算如下：
spearman相关系数
设自变量 X 和 Y 的 2 个随机样本为 ( x1 ,y1 ),⋯,( xn ,yn )，将 x1 ,⋯,xn和 y1 ,⋯,yn按升序方式进行排列，则X和Y的spearman秩相关系数为：
kendall相关系数
是一种滴两个有序变量或两个秩变量间的关系程度的测度，因此也属于一种非参测度。分析时考虑了节点（秩次相同）的影响。其计算公式为：
偏相关分析
偏相关分析就是研究两个变量之间的线性相关关系时控制可能对其产生影响的变量。比如研究工资和购买意愿之间的相关性，就要控制品牌效应在相关分析中的影响。SPSSAU中分析位置如下：
典型相关
典型相关分析是研究一组X和一组Y之间的相关关系。
相关分析操作与结果
上述所提及的方法中，pearson相关用的最多，所以接下来对pearson相关分析结果进行说明。
背景：研究薪资和购买意愿的相关关系（数据已满足pearson相关分析的数据要求）。
SPSS相关分析
操作路径【分析→相关→双变量】
将变量放置分析框内，勾选pearson以及双侧检验后点击确定。
结果：
上表可以看出二者的相关系数约为0.94，并且p值小于0.05，所以说明薪资与购买意愿具有相关关系。
还可以使用SPSSAU进行分析。
结果：
