3．定距变量——定距变量  测量两个定距变量相关系数的最常用指标是皮尔森（Pearson）相关系数（r）。（要求N≥50而且两个变量的分布应近似于正态分布。）

   （常见，所以略）

    需要注意极端值。极端值是非典型、不常出现的观察值。由于回归线不是由最小距离和，而是由最小距离平方和决定的，极值对回归线的斜率和相关系数的值的大小都会有很大的影响。只要有一个极值就能够改变回归线的斜率和相关系数。不言而喻，不能仅仅根据相关系数值而妄下结论。（所以在进行相关分析前先考察其散点图）

    偏相关分析

    在诸多相关的变量中，剔除了（控制了）其中的一个或若干个变量的影响后，两变量之间的相关关系。偏相关的概念，在管理科学、经济科学等社会科学中有着广泛的应用；而且，正确地使用它，对正确地得出相应的结论至关重要。

    剔除了一个变量Z的影响后，两个变量X、Y之间的偏相关系数是

式中， 是普通样本相关系数。

4．定类变量——定距变量

    两个变量中，自变量为定类变量，因变量为定距变量时，采用相关比率来测量两者间相关程度。（又称eta²系数E²）

式中，n是样本观察值总数；ni是自变量X的每组观察值数目， ；yi是因变量的数值；是第i组因变量均值；为因变量均值。

5．定类变量——定序变量  对一个定类变量例如性别，与一个定序变量例如收入水平关系的分析：

（1）用theta系数（θ），专门测量定类变量与定序变量间关系有无和强度，非对称关系，并且不具有消减误差比例的含义

（2）采用λ系数和Tau-y系数，即将定序变量作为定类变量处理。

6．定序变量——定距变量  处理一个定序变量例如教育水平，与一个定距变量如年均收入之间的关系，采用二种办法：

（1）将定序变量看作定类变量，采用相关比例测量法。

（2）将定序变量看作定距变量，采用γ相关系数。

小结：在分析两个变量关系时，选择哪种相关系数，主要考虑两个方面：

1、  变量的测量层次；

2、  变量关系的类别，即是对等的还是非对称的。

注意：

    由于是通过抽样的方法来研究变量之间的关系，所以，当求出各类样本相关系数不为0时，并不能真正表明变量之间是相关的，还需要通过显著性检验来判别是否显著异于0.

    拖了那么长的时间总算有个阶段性的结束，今后还会对其进行补充。也欢迎各位圈友补充修正。