淨相關用於分析排除第三變項影響後，兩變數之間的關聯性，以下將說明其原理及SPSS操作。
一、使用狀況:
當兩個變項之間的關係，可能由第三個變項所造成的，因此欲將排除第三個變項的影響後，再觀察兩個變項之間的關係，此方式稱為: 淨相關 [partial correlation]。
在行為及社會科學研究中，以及在SPSS軟體裡，都稱為偏相關。此方法與一般的皮爾森相關分析之差異在於有排除第三變項的影響，在研究中經常用於排除干擾變數的影響。
淨相關公式:
＊【小常識】
積差相關及淨相關適用於連續變項之變數。
二、假說檢定(Hypothesis Testing)：
淨相關用於探討兩變數之間是否有顯著的淨相關。
虛無假說(Null hypothesis)→ H0 : r = 0 兩變項之間無淨相關
對立假說(alternative hypothesis)→ H1 : r≠ 0 兩變項之間有淨相關
三、SPSS 操作範例：
【例題】探討數學成績與未來工作收入之關係，控制變項為智力
(一) 在SPSS中輸入欲分析之資料。
Math 為數學成績，Income為收入，IQ為智力
(二) 進行淨相關分析：分析->相關->偏相關
變數：Math (r1)、Income (r2)、IQ (r3)
將欲分析的變數放入變數中，控制變數放入下方欄位。
選項中勾選零階相關，以在結果報表中呈現未排除控制變數影響之相關係數結果。
(三)分析結果
1. 在紅色框框中，可以發現IQ分別與Math (p = .004) 以及Income (p < .001) 皆達顯著性關係；此外，Math 與 Income之間的淨相關為 .890並達顯著關係 (p = .001)，表示數學與未來收入有相關性。
2. 在綠色框框中，當控制IQ之後，Math與Income之間的淨相關為 .629，未達顯著水準(p = .070)，表示控制智力後，數學與未來收入沒有關係。
由上可知，有無控制變數的加入，對結果可能會有不同的影響，因此在分析時研究者需要對於控制變數多加考量。
＊【小常識】
在沒有控制任何變項，看單純兩個變項之間的關係時，稱為零階相關 (zero-order correlations)。
當控制第三個變項後，再看兩個變項之間的關係，稱為一階淨相關 (first-order correlation)。
本次操作之SPSS資料可透過以下網址取得，僅供同學練習使用：
