为了分析父亲与儿子身高之间的相关性，现抽取了12对父子的身高样本，数据如表6.3，请对其进行相关性分析（显著性水平取α＝0.05）。

第一步，业务理解与数据理解：身高是连续变量，可以采用Pearson相关系数来衡量。

第二步，数据的组织与结构定义：在“数据编辑窗口”的“数据视图”中，将数据分成两列，一列是父亲的身高，对应的变量名为father，另一列是儿子的身高，对应的变量名为son，输入具体数据，并在“变量视图”中定义变量father和son，如图6.20所示。

表6.3　父亲与儿子身高调查数据

图6.20　SPSS变量定义

第三步，选择菜单“分析→相关→双变量”，打开如图6.21所示的对话框，将“father”和“son”两个变量移入“变量”框中；“相关系数”选择Pearson；在“显著性检验”中选择“双侧检验”。

点击按钮“选项”，将弹出的对话框的标签“统计量”下的两个选项均改为选中状态，目的是在输出结果中显示均差、标准差、叉积偏差和协方差，如图6.22所示。(www.daowen.com)

第四步，结果查阅与理解。点击确定后系统将显示计算结果，如图6.23所示。

从图6.23中可以看出，相关系数为0.703，大于0，说明呈正相关，而相伴概率值Sig.＝0.005＜0.05，因此应拒绝零假设（H0：两个变量之间不具相关性），即说明儿子身高是受父亲身高显著性正影响。

图6.21　SPSS双变量相关参数设置

图6.22　SPSS双变量相关性选项

图6.23　SPSS分析结果