（1） Correlate计算pearson相关系数

pearson相关系数是最常用的相关分析依据，要求变量服从正态分布，代码为：

——————————————模板——————————————

——————————————模板——————————————

此代码用来计算变量1、变量2…之间的相关系数矩阵。

If用来筛选满足条件的数据，可缺剩

Means要求显示一半描述统计量（均值、标准差、最小最大值）。

Covariance要求显示协方差矩阵而不是相关系数矩阵。

（2） pwcorr推断总体相关系数

只用correlate计算样本的相关系数，会受到抽样波动的影响，样本相关不能说明总体相关。Pwcorr不仅可以计算相关系数，还可对相关系数显著性进行检验，原假设是总体相关系数为0，即不相关。代码为：

————————————模板————————————

————————————模板————————————

Sig显示相关系数显著性的p值。

Star(#)是当相关系数显著性检验的p值小于设定的#%，则在相关系数旁标记星号。

比如，计算语文成绩与数学成绩的相关性，显著性水平为5%：

Pwcorr Chinese maths,sig star(5)

（3） pcorr计算偏相关系数

偏相关分析的任务就是在研究两变量之间的相关关系时控制可能对其影响的其他变量。

————————————模板——————————————

————————————模板——————————————

上面代码是考察其他变量与变量1的偏相关系数。

（4） 等级相关

当变量联合正态分布不能满足，或者变量为定序与定类变量时，不宜使用pearson，而应使用spearman等级相关或kendal等级相关。

————————————模板————————————

————————————模板————————————

语句开头用spearman或kendal都可以，分别代表两种相关系数的检验。

Star(#)是当相关系数显著性检验的p值小于设定的#%，则在相关系数旁标记星号。