黄色字体为自己填写部分，红色字体为可缺省部分。
1.
Correlate计算pearson相关系数
pearson相关系数是最常用的相关分析依据，要求变量服从正态分布，代码为：
——————————————模板——————————————
correlate
——————————————模板——————————————
此代码用来计算变量1、变量2…之间的相关系数矩阵。
If用来筛选满足条件的数据，可缺省。
Means要求显示一半描述统计量（均值、标准差、最小最大值）。
Covariance要求显示协方差矩阵而不是相关系数矩阵。
2.pwcorr推断总体相关系数
只用correlate计算样本的相关系数，会受到抽样波动的影响，样本相关不能说明总体相关。Pwcorr不仅可以计算相关系数，还可对相关系数显著性进行检验，原假设是总体相关系数为0，即不相关。代码为：
————————————模板————————————
——————————————模板——————————————
correlate
——————————————模板——————————————
此代码用来计算变量1、变量2…之间的相关系数矩阵。
If用来筛选满足条件的数据，可缺省。
Means要求显示一半描述统计量（均值、标准差、最小最大值）。
Covariance要求显示协方差矩阵而不是相关系数矩阵。
只用correlate计算样本的相关系数，会受到抽样波动的影响，样本相关不能说明总体相关。Pwcorr不仅可以计算相关系数，还可对相关系数显著性进行检验，原假设是总体相关系数为0，即不相关。代码为：
————————————模板————————————
