概述：
自变量是连续变量，因变量是连续变量，怎么做相关性分析？
自变量是分类变量，因变量是连续变量，怎么做相关性分析？
自变量是连续变量，因变量是分类变量，怎么做相关性分析？
注：还有其他可替代的分析方法，但效果基本一致。

1、线性回归（自变量连续变量，因变量连续变量）
（1）步骤：分析-回归-线性
（2）数据处理：
i对变量取lg：对连续变量取lg再做回归，用于检验非线性相关关系。

ii均值中心化：
先求均值：数据-分类汇总-把变量放到“汇总变量-变量摘要”里。

再进行均值中心化：转换-变量计算-“变量-均值”-得出中心化的新变量。

2、比较均值“独立样本T检验”（自变量分类变量，因变量连续变量）
步骤：分析-比较均值-独立样本T检验-因变量放“检验变量”，自变量放“分组变量”，然后定义组-确定
结果解读：
关注点：看“Sig.(双侧)”是否小于0.05。

3、logistic回归（自变量连续变量，因变量分类变量）
步骤：分析-回归-二元logistic-自变量放“协变量”-“选项”点Hosmer-Lemeshow 拟合度（类似于R方）
结果解读：
（1）模型拟合
= Hosmer 和 Lemeshow 检验 =
步骤卡方df Sig.
1 24.641 8 .002
关注点：卡方越小，Sig.越高，说明模型拟合度越高。

关注点：看变量的显著性水平是否小于0.05。

4、列联表分析（自变量分类变量，因变量分类变量）
步骤：分析-描述统计-交叉表-自变量放“列”，因变量放“行”-“统计量”点“卡方”
-“单元格”点“百分比-行”
结果解读：
卡方检验
值df 渐进 Sig. (双
侧)
精确 Sig.(双
侧)
精确 Sig.(单
侧)
Pearson 卡方 3.245a 1 .072
连续校正b 2.900 1 .089
似然比 3.313 1 .069
Fisher 的精确检验.077 .043 有效案例中的 N 1084
a. 0 单元格(.0%) 的期望计数少于 5。

最小期望计数为 49.15。

b. 仅对 2x2 表计算
关注点：看Pearson卡方的显著性水平是否小于0.05。

5、描述性统计：分析-表-设定表。