2.Zero- order correlations给出包括协变量在内所有变量的相关方阵 Missing values单选框组定义分析中对缺失值的处理方法,可以是具体 分析用到的两个变量有缺失值才去除该记录( Exclude cases pairwise), 或只要该记录中进行相关分析的变量有缺失值(无论具体分析的两个变量 是否缺失),则在所有分析中均将该记录去除 Excludes cases listwise)。 默认为前者,以充分利用数据。 9.2.2结果解释 偏相关分析的结果和普通相关分析几乎完全相同,非常容易看懂,比如说我们要 在排除变量 judge3的影响后计算变量 judge和 judge2的相关性(只是举个例 子而已,这样是没有实际依据的),则结果如下 Partial corr -- PARTIAL CORRELATION COEFFICIENTS Controlling for.. JUDGE3 JUDGE JUDGE JUDGE 1.0000 5632 (0)(297) JUDGE2 1.0000 (0) (Co is printed if a coefficient cannot be computed fficient/(D F)/2-tailed Significance 这些结果一目了然,不用再解释了吧,可见当控制了变量 judge3的影响后, judged和 judge2的相关系数值大大降低,但仍然具有统计学意义。 请注意,友好的统计软件界面是会骗人的:偏相关分析和协方差分析一样, 里面蕴涵的统计学知识要远比你用统计软件进行操作时感觉到的内容复杂的多 这些分析都具有严格的适用条件,在进行分析之前需要对数据是否满足条件进行 考察。因此进行这些分析前一定要参考有关书籍,并慎重行事。 9.3 Distances过程2. Zero-order correlations 给出包括协变量在内所有变量的相关方阵 • Missing Values 单选框组 定义分析中对缺失值的处理方法，可以是具体 分析用到的两个变量有缺失值才去除该记录（Exclude cases pairwise）， 或只要该记录中进行相关分析的变量有缺失值（无论具体分析的两个变量 是否缺失），则在所有分析中均将该记录去除(Excludes cases listwise)。 默认为前者，以充分利用数据。 9.2.2 结果解释 偏相关分析的结果和普通相关分析几乎完全相同，非常容易看懂，比如说我们要 在排除变量 judge3 的影响后计算变量 judge1 和 judge2 的相关性（只是举个例 子而已，这样是没有实际依据的），则结果如下： Partial Corr - - - P A R T I A L C O R R E L A T I O N C O E F F I C I E N T S - - - Controlling for.. JUDGE3 JUDGE1 JUDGE2 JUDGE1 1.0000 .5632 ( 0) ( 297) P= . P= .000 JUDGE2 .5632 1.0000 ( 297) ( 0) P= .000 P= . (Coefficient / (D.F.) / 2-tailed Significance) " . " is printed if a coefficient cannot be computed 这些结果一目了然，不用再解释了吧，可见当控制了变量 judge3 的影响后， judge1 和 judge2 的相关系数值大大降低，但仍然具有统计学意义。 请注意，友好的统计软件界面是会骗人的：偏相关分析和协方差分析一样， 里面蕴涵的统计学知识要远比你用统计软件进行操作时感觉到的内容复杂的多， 这些分析都具有严格的适用条件，在进行分析之前需要对数据是否满足条件进行 考察。因此进行这些分析前一定要参考有关书籍，并慎重行事。 9.3 Distances 过程