SPSS实操 | 如何利用SPSS软件进行偏相关分析-夜雨聆风

SPSS实操 | 如何利用SPSS软件进行偏相关分析

Pearson偏相关性分析(Pearson Partial Correlations Analysis)

1、偏相关系数（Partial Correlation Coefficient）是指在控制一个或多个混杂变量（控制变量）的影响后，两个变量之间净相关的统计指标，记为r₁₂.₃或 r₁₂|₃

2、适用条件：

（1）两个变量均为连续变量。

（2）样本独立性。

（3）两个变量及需要控制的变量应当是配对的，即来源于同一个体的特征或属性。

（4）两个变量服从正态(或近似正态)分布。

（5）两个连续变量之间存在线性关系。

（6）两个变量都不存在明显的异常值。

3、适用场景：

场景	医学实例	控制变量
混杂因素存在	研究血糖与血脂关系，但两者均BMI影响	BMI
共同原因	研究吸烟与肺癌，但两者都与年龄相关	年龄
链式中介	研究炎症与组织损伤，但炎症通过氧化应激导致损伤	氧化应激水平
多变量共存	研究血压与肾功能，需同时控制性别和糖尿病病程	性别、病程

核心思想：

“排除干扰，看见真相。当两个变量的相关可能是由第三方因素引起时，我们需要‘按住’这个第三方，看看两者是否仍然相关。”举例：发现身高与肺活量强相关（r=0.91）→ 但两者都随年龄增长而增长。控制年龄后发现，身高与肺活量的偏相关系数降到r=0.28，说明之前强相关很大程度上是年龄造成的。

4、SPSS软件操作

示例：50例糖尿病患者数据（使用之前提供的FBG-TG数据），怀疑年龄是混杂因素。

验证条件包括：条件1：两个变量均为连续变量。本研究中FBG与TG均为连续性变量。条件2：样本独立性。样本来自总体的随机样本，且被试者之间必须相互独立。条件3：两个变量及需要控制的变量应当是配对的，即来源于同一个体的特征或属性。本案例中同时检测了研究对象的年龄、FBG和TG，变量之间是对应关系。条件4：两个变量服从正态(或近似正态)分布。条件5：两个连续变量之间存在线性关系。条件6：两个变量都不存在明显的异常值。（一般着重需验证条件4、5、6，在SPSS软件上操作主要为进行正态性检验和绘制散点图）

（1）偏相关操作步骤

① 选择“分析”—“相关”—“偏相关” 。

②在“偏相关性”对话框中将变量“FBG”和“TG”选入右侧“变量”框，将变量“年龄”选入右侧“控制”框。

③点击“选项”，在子对话框的“统计”部分勾选“平均值和标准差”和“零阶相关性”，点击“继续”回到主对话框后点击“确定”。

（2）结果解读：

① 统计描述

②统计学推断：“相关性”分析结果显示，当不控制年龄时，“FBG”和“TG”之间的相关系数r =0.77，P<0.001。即FBG和TG相关性强，且有统计学意义。当控制年龄时，“FBG”和“TG”之间的偏相关系数r=0.763，P<0.001。即FBG和TG相关性水平稍有降低，但仍有统计学意义。

经验之谈

偏相关分析也称净相关分析，是指当两个变量同时与第三个变量相关时，将第三个变量的影响剔除，只分析要探索的两变量间的相关程度的过程。但需要注意偏相关结果为零不一定意味真，此外，还需注意非线性关系的变量，偏相关系数无法捕捉。