相关分析与偏相关分析的差异说明：
1. 实验变量直接相关性特别大，比如A ,B, C和 D四个变量，B与C，D之间的相关和A与C，D之间的相关特别大，在你控制了C，D的情况求A，B的偏相关时，由于C，D的贡献过大，而导致了A与B之间无相关。
2. 需要注意样本量的问题。是不是样本量不足造成的，因素、变量越多需要的样本量越大。
　　偏相关分析是指当两个变量同时与第三个变量相关时，将第三个变量的影响剔除，只分析另外两个变量之间相关程度的过程。
　　p值是针对原假设H0：假设两变量无线性相关而言的。一般假设检验的显著性水平为0.05，你只需要拿p值和0.05进行比较：如果p值小于0.05，就拒绝原假设H0，说明两变量有线性相关的关系，他们无线性相关的可能性小于0.05；如果大于0.05，则一般认为无线性相关关系，至于相关的程度则要看相关系数R值，R越大，说明越相关。越小，则相关程度越低。
　　偏相关分析也称净相关分析，它在控制其他变量的线性影响的条件下分析两变量间的线性相关性，所采用的工具是偏相关系数（净相关系数）。控制变量个数为一时，偏相关系数称为一阶偏相关系数；控制变量个数为二时，偏相关系数称为二阶相关系数；控制变量个数为为零时，偏相关系数称为零阶偏相关系数，也就是相关系数。