如同你在 MEASURE07的盒须图中看到的，与 MALE-COKE相比，FEMALE-COKE的取值的分布确实有所不同。
1.2.5组内相关分析
现在看一下各组内变量间的相关性。返回分群统计量-结果对话框，单击相关系数活页。请注意在此活页下有许多选项，可用来在显示相关系数矩阵(组内)的同时，显示各种的统计量和一些辅助信息。对于本例，将统计显著之 p-值变更为 0.001。然后单击组内相关系数与协方差按钮，并在选取分群对话框中选
择其中一组(或全部分群)，生成相关系数矩阵。
在例 1中生成的相关系数矩阵中，变量 MEASURE05和 MEASURE09间的相关 (r = -.47)高度显著(p<.001)。分割表格与单因子方差分析过程可以使你通过计算被特定分组变量所分
案例集第 16 页 Basic Statistical Analysis
割的各组之内的相关，进一步探究这一显著关系。现在，在选取分群对话框中选择全部分群并单击确定按钮，生成全部四个相关系数矩阵。
如你所看到的，结果显示不同组之间的相关性特征是不同的(FEMALE/COKE的相关性很高，而其它三组低了很多)。MEASURE05和 MEASURE09间的全部相关性都不在
1. 001的水平上显著；然后，如果将结果对话框中相关系数活页下的统计显著
之 p-值更改为
2. 05，然后再次单击组内相关系数与协方差按钮，你可以发现在 0.02的水平
上， FEMALE/COKE中 MEASURE05和 MEASURE09间的相关性是显著的。请注意，你可以使用基本统计与表格分析启动面板下的差异性检验：r，百分比，平均数选项，对相关系数的差异进行检验。
1.2.6分类散点图
通过使用分群统计量 -结果对话框中相关系数活页下的分类散点图按钮，组内相关性可以通过图形显示出来。单击此按钮时，你将被提示选择用于分析的变量。在第一列变量中选择 MEASURE05，在第二列变量中选择 MEASURE09，然后单击确定按钮，生成相应的图形。
上面的分类散点图清晰的显示出了对于 FEMALE/COKE一组，MEASURE05和 MEASURE09间强烈的负相关性。
1.3频率表
1.3.1概述
本范例的数据来自于一项意见调查(虚构的)的结果。假设在你所在城市中，你拥有几个 “健身俱乐部”，每个俱乐部中都有两到三个大屏幕电视，播放着各种各样的体育赛事。由于你不可能同时播放所有电视上正在转播的体育赛事，你需要知道哪些体育项目是你的客户最感兴趣的。
你进行了一次有 100名客户(他们是在不同时间、不同俱乐部中被随机选择的 )参与的调查，让他们说出在电视上播放的不同种类体育比赛中，对哪些最有兴趣。具体来说，发给每名参与者一个包含 14项体育运动的单子，然后让他们分别对收看每种体育赛事的兴趣进行评价(共 4个选项)。这四个选项分别代表：(1)总是感兴趣(Always)，(2)通常感兴趣(Usually)，
(3)有时感兴趣(Sometimes)，和(4)从不感兴趣(Never)。在下面变量规格编辑器中所显示的是此次调查中涉及的 14项体育运动(可以通过选择数据菜单下的全
部变量规格进入该编辑器)。
案例集第 18 页 Basic Statistical Analysis