使用命令语法语言还可以：
在设计中指定嵌套效应（使用 DESIGN 子命令）。
指定效应对比效应的线性组合或一个值的检验（使用 TEST 子命令）。
指定多个对比（使用CONTRAST 子命令）。
包括用户缺失值（使用 MISSING子命令）。
指定 EPS 标准（使用 CRITERIA子命令）。
构造定制的 L 矩阵、M 矩阵或 K 矩阵（使用LMATRIX、MMATRIX和KMATRIX子命令）。
为偏移对比或简单对比指定中间参考类别（使用 CONTRAST子命令）。
为多项式对比指定矩阵（使用CONTRAST 子命令）。
为两两比较指定误差项（使用 POSTHOC子命令）。
为因子列表中的任何因子或因子之间的因子交互计算估计边际均值（使用EMMEANS子 命令）。
为临时变量指定名称（使用 SAVE子命令）。
构造相关矩阵数据文件（使用 OUTFILE子命令）。
构造包含主体间 ANOVA 表中的统计量的矩阵数据文件（使用OUTFILE子命令）。
将设计矩阵保存到新的数据文件（使用OUTFILE 子命令）。
请参见命令语法参考以获取完整的语法信息。
双变量相关 12
双变量相关过程计算 Pearson 相关系数、Spearman 的 rho 和 Kendall 的 tau-b 及其 显著性水平。相关性测量变量或秩次的相关方式。在计算相关系数之前，先筛选数据 以找出离群值（离群值可能会导致误导性的结果）和线性关系的证据。Pearson 相关 系数是一种线性关联度量。两个变量可能良好相关，但是如果其关系不是线性的，则 Pearson 相关系数就不是适合度量其相关性的统计量。
示例。一个篮球队所赢得的比赛次数与其每场比赛所得的平均分数相关吗？散点图表 明，两者间存在线性关系。对 1994–1995 NBA 赛季数据的分析结果是，Pearson 相关系 数 (0.581) 的显著性水平为 0.01。您可能会猜想，每个赛季所赢得的比赛越多，对手所 得的分数就越少。这些变量是负相关的（–0.401），并且相关的显著性水平为 0.05。
统计量。对于每个变量：具有非缺失值的个案数、均值和标准差。对于每对变量：
Pearson 相关系数、Spearman 的 rho、Kendall 的 tau-b、偏差的叉积和协方差。
数据。对 Pearson 相关系数使用对称的定量变量，对 Spearman 的 rho 和 Kendall 的 tau-b 使用定量变量或具有已排序类别的变量。
假设。Pearson 相关系数假定每对变量是二元正态分布。
获取双变量相关 从菜单中选择：
分析 > 相关 > 双变量...
©Copyright SPSS Inc. 1989, 2010 60
图片 12-1
“双变量相关”对话框
E 选择两个或更多数值型变量。
还可以使用以下选项：
相关系数。对于正态分布的定量变量，请选择 Pearson 相关系数。如果您的数据不 是正态分布的，或具有已排序的类别，请选择 Kendall 的 tau-b 或Spearman，后两 者度量秩次之间的相关性。相关系数的值范围为 –1（完全负相关）到 +1（完全 正相关）。0 值表示没有线性关系。在解释结果时请小心谨慎，不要因显著的 相关性而得出任何因果结论。
显著性检验。您可以选择双尾概率或单尾概率。如果预先已知关联的方向，请选
择单尾。否则，请选择双尾。
标记显著性相关。用一个星号来标识显著性水平为 0.05 的相关系数，用两个星号来 标识显著性水平为 0.01 的相关系数。