Minitab17
年级.MTW
在电脑桌面上找到如下图所示红色框处的图标，用鼠标左键双击，打开它。
打开软件之后，我们把鼠标移动到文件菜单上，左键单击文件件菜单，然后找到“打开工作表”菜单，左键单击打开它。
在寻找范围栏上点击向下按扭，找到Minitab安装目录下的样本数据目录，然后在文件名称栏内输入'年级.MTW',左键单击打开按扭。
鼠标左键单击选择统计 菜单栏，接下来用左键单击 基本统计菜单 ，最后左键单击选择 相关菜单。
鼠标左键单击变量标签下方对话框，然后双击左侧“语文”和“数学”，我们便把两个变量输入到右侧变量标签下方的对话框内，具体结果如下图所示。最后左键单击确定按扭。
我们得到的结果如下图。
解释结果：当存在两个以上变量时，Minitab 会显示相关矩阵的下三角相关。数学与语文之间的 Pearson 相关为 0.275，GPA 与语文之间的 Pearson 相关为 0.322，GPA 与数学之间的 Pearson 相关为 0.194。Minitab 将在这些相关系数下显示相关系数为零的各个 假设检验 的 p 值。由于所有 p 值都小于 0.01，因此当 a = 0.01 时，有足够证据表明相关系数不为零，这部分反映了 200 的大样本数量。
下面再介绍一个偏相关作业示例：这里假设你对威斯康星州 19 个县的餐馆进行了一次调查。测度的变量包括：销售额（毛销售额）、新资本（新投入的资本）和价值（该企业的估计市值）。所有变量都以千美元计。我们要检查销售额与用于消除企业市值影响的新投资本之间的关系。首先，我们计算用于比较的正则 Pearson 相关系数。然后，我们演示销售额与新资本之间偏相关系数的计算过程。
在电脑桌面上找到如下图所示红色框处的图标，用鼠标左键双击，打开它。
打开软件之后，我们把鼠标移动到文件菜单上，左键单击文件件菜单，然后找到“打开工作表”菜单，左键单击打开它。
在寻找范围栏上点击向下按扭，找到Minitab安装目录下的样本数据目录，然后在文件名称栏内输入'餐馆.MTW',左键单击打开按扭。
鼠标左键单击选择统计 菜单栏，接下来用左键单击 基本统计菜单 ，最后左键单击选择 相关菜单。
选择统计 > 基本统计 > 相关； 在变量中，输入销售人员 新资本 值。单击确定。
得出相关分析结果如下：
在“价值”基础上对“销售人员”进行回归并存储残差（残差 1）1 选择统计 > 回归 > 回归 > 拟合回归模型。2 在响应中，输入销售人员。在连续预测变量中，输入值。3 单击存储，然后选中残差。在每个对话框中单击确定。
“价值”基础上对“销售人员”进行回归并存储残差（残差 2）1 选择统计 > 回归 > 回归 > 拟合回归模型。2 在响应中，输入新资本。在连续预测变量中，输入值。3 单击确定。
计算残差列的相关1 选择统计 > 基本统计 > 相关。2 在变量中，输入残差 1 残差 2。单击确定。
我们得出分析结果如下：
解释结果：残差 列之间的相关为 0.078。换句话说，在调整“价值”的线性效应后，“销售额”与“新资本”之间的相关为 0.078 - 与未校正的 0.615 值相差非常大。此外，p 值 0.261 表明，没有证据表明“销售额”与“新资本”之间的相关 - 在考虑“价值”效应后- 不同于零。您可以重复此示例来获得其他变量之间的偏相关系数。“销售额”与“价值”之间的偏相关为 0.654；“新资本”与“价值”之间的偏相关为 0.502。