能告诉你什么
Crosstabs 在你的设备上运行与 SPSS PARTIAL CORR 对应的过程，并可同时列出零阶相关，让你看到混杂变量解释了多少关联。
- 在控制变量保持不变的情况下，每对分析变量之间的相关。
- 该偏相关是否显著不为零，自由度为 N − 2 −（控制变量个数）。
- 勾选“零阶相关性”后，会在同一批个案上给出所有分析变量与控制变量之间的普通 Pearson 相关，便于前后对比。
适用场景
适合使用
- 检验在控制明显的共同原因（年龄、收入、气温、公司规模）后，关联是否依然存在。
- 把两个问卷量表之间的关联与第三个量表所测的一般作答倾向区分开。
- 关心关联而非预测时，作为回归的一种快速、对称的替代方法。
改用其他方法
- 有序或严重偏态的变量：偏相关基于 Pearson，请先对变量排秩或做变换。
- 控制变量是超过两个水平的分类变量：应改为在线性回归中以虚拟变量形式纳入。
- 想知道某个预测变量对结果模型的增量贡献：使用分层线性回归的 R² 变化量。
在 Crosstabs 中如何操作
- 01
选择“偏相关”
在“统计”模式中打开“相关”→“偏相关”（PARTIAL CORR）。至少需要三个数值变量。
- 02
勾选分析变量
在“变量”中勾选两个或更多要考察其关系的变量。
- 03
设置控制变量
在“控制”中勾选一个或多个“控制变量”。同一变量不能既是分析变量又是控制变量。
- 04
选择选项并运行
在“选项”中选择“双尾”或“单尾”，按需勾选“标记显著性相关”和“零阶相关性”，然后点击“运行相关分析”。
计算示例
以下结果由 Crosstabs 引擎在构建本页时根据模拟数据实际计算得出，并非手工填写。
数据
36 个模拟夏日，变量为冰淇淋销量、公共泳池客流和当日最高气温。销量和客流都由气温加独立噪声生成，二者之间本身没有直接联系。
| 项目 | ice_cream | pool_visits | temperature |
|---|---|---|---|
| ice_cream — 相关性 | 1.000 | 0.803 | 0.881 |
| ice_cream — 显著性（双尾） | <.001 | <.001 | |
| ice_cream — df | 0 | 34 | 34 |
| pool_visits — 相关性 | 0.803 | 1.000 | 0.907 |
| pool_visits — 显著性（双尾） | <.001 | <.001 | |
| pool_visits — df | 34 | 0 | 34 |
| temperature — 相关性 | 0.881 | 0.907 | 1.000 |
| temperature — 显著性（双尾） | <.001 | <.001 | |
| temperature — df | 34 | 34 | 0 |
单元格包含零阶（Pearson）相关性。
| 项目 | ice_cream | pool_visits |
|---|---|---|
| ice_cream — 相关性 | 1.000 | 0.018 |
| ice_cream — 显著性（双尾） | .919 | |
| ice_cream — df | 0 | 33 |
成列排除缺失值：使用 36 个个案。
结果解读
未控制时，冰淇淋销量与泳池客流看似高度相关（r = 0.80，p < .001）。控制气温后，偏相关降至 0.02，自由度 33（p = .919）：原始相关主要来自共同的驱动因素，而非二者之间的直接联系。
输出表格说明
- 相关性 — 控制变量：-无-
- 勾选“零阶相关性”时显示：所有分析变量与控制变量之间的 Pearson 相关、显著性与自由度，所用个案与偏相关表相同（成列删除）。
- 相关性 — 控制变量
- 控制所列变量后各分析变量之间的偏相关，附显著性与自由度 df = N − 2 − q（q 为控制变量个数）。
前提假设与注意事项
- 各变量与控制变量之间为线性关系；控制变量的曲线影响无法被剔除。
- 个案相互独立，且变量近似正态，显著性检验才成立。
- 在任一分析变量或控制变量上有缺失值的个案会被成列排除；脚注会报告所用个案数。
- 使用抽样权重时只显示加权的偏相关系数，不报告显著性检验。
结果如何验证
偏相关以参考值由独立的参考实现使用 SciPy 1.18.1、statsmodels 0.15.0、pingouin 0.7.0 与 scikit-posthocs 0.17.1 生成：控制两个变量时的系数与 p 值对照 pingouin.partial_corr，误差在 1e-9 以内（相对于 1 与参考值中较大者）；频数加权结果与 pingouin 在复制个案上的结果一致。 验证证据（英文）
常见问题
偏相关与回归系数有什么区别？
偏相关是对称且无量纲的：它等于两个变量分别对控制变量回归后所得残差之间的相关。回归斜率则有方向，并以结果变量的单位表示。
为什么自由度比零阶相关的小？
每个控制变量会消耗一个自由度，所以 df = N − 2 − q。控制变量多而个案少时，检验效能会迅速下降。
能得到 Spearman 偏相关吗？
不能直接得到：与 SPSS 一样，本过程基于 Pearson。可先用“个案排秩”对变量排秩，再对秩做偏相关。
原始相关很大而偏相关接近零，说明什么？
说明原始关联主要通过控制变量产生，例如气温同时推动冰淇淋销量和泳池客流。但这并不证明控制变量就是原因，只说明它解释了二者的共同变异。
相关过程
用你自己的数据运行偏相关
打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成，文件不会离开你的设备。
SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联，也未获得 IBM 认可。