发布时间：
结果变量为有序分类资料的列联表可采用秩和检验、ridit分析或有序logistic回归分析处理。ridit分析使用spss须辅助手工计算。秩和检验可轻易解决整体上组间是否有差异，若有差别须进一步两两比较，方法较为复杂：正规方法通过spss编程进行检验；也可按卡方分割方式或直接进行秩和检验两两比较（一般须调整检验水准）；进行秩变换使用方差分析。该组数据部分证型样本太少，采用秩和检验和直接两两比较（例数太少可以不用调整检验水准）（请参考马斌荣主编的《spss for windows ver 在医学统计中的应用》一书相应章节）。建议增加样本含量或适当合并证型或合并疗效标准再进行检验。若样本量足够大可拟合spss中ordinal过程。
可以将影响因素作为自变量，环保意识作为因变量做回归分析，比较标准化回归系数，回归系数越大代表哪个因素的影响更大。具体可查看在线spss软件spssau的方法说明 里面全部有自动化文字分析和分析建议。
录入完数据后，你可以先进行基础的数据统计--描述性统计。然后根据你的数据结果再看是否需要相关回归或者其他分析。spss里面的描述统计主要在analyze——descriptive里面，其中有描述统计、频数统计、交叉分析。 描述性统计分析是统计分析的第一步，先选择analyze，你就能看到descriptive，然后鼠标再选Descriptive 菜单中，最常用的是列在最前面的四个过程：Frequencies过程的特色是产生频数表；Descriptives过程则进行一般性的统计描述；Explore过程用于对数据概况不清时的探索性分析；Crosstabs过程则完成计数资料和等级资料的统计描述和一般的统计检验。先选择analyze，---再选descriptive打开任意的分析窗口后，你把想分析的数据选入，可以一起按鼠标左键选中按中间按钮加入，然后选择单击后弹出Statistics对话框，用于定义需要计算的其他描述统计量。你可以分析均数(Mean)、中位数(Median)、众数(Mode)、总和(Sum)等等。 然后还可以点Charts对话框，选择直方图、饼图等来绘图。都确定好后，选择单击Continue钮 ，然后选择OK。就可以了。直接就会有输出结果。你可以先看看描述性统计的结果，有没有什么缺失值或者不符合实际的数据出现。要是有，你需要纠正数据，再用描述统计进行分析。我觉得说的挺详细的了。呵呵~~~~
用spss分析数据的具体操作如下：
1、首先，在spss中画散点图，点击【图形】---【旧对话框】---【散点/点状】：
2、然后，选择【简单分布】，并在出现的对话框中点击【定义】：
3、之后，在接下来的弹出框中设置x轴和y轴，然后点击确定：
4、接着，点击【分析】---【回归】---【线性】：
5、最后、spss就已经完成了数据的汇总分析：
软件本身是收费的，不过有盗版的， 到处都有
这要看你的数据量，如果巨大，可能是要用SPSS。如果数据量不是很大，EXCEL也是可以的，只是要自己运用函数额处理。
我也在用spss，开始在百度上搜索下载，但是很多广告不好用，后来我自己整理了spss软件安装包，是中文破解版含安装流程，需要的朋友可以点击链接下载，希望我的回答能够帮到你！
含教程安装比较简单，可以永久使用的
《SPSS永久版安装包》高清资源下载地址：
链接：
提取码：jry2
复制这段内容后打开百度网盘手机App，操作更方便哦
链接：
提取码：jry2
复制这段内容后打开百度网盘手机App，操作更方便哦
链接：
提取码：jry2
复制这段内容后打开百度网盘手机App，操作更方便哦
spss是“统计产品与服务解决方案”软件，为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称。
作品相关介绍：
SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和Mac OS X等版本。包含各版本SPSS软件及相关基础和进阶视频教程及资料，涉及统计，医学，机器学习等方向。
excel只能做简单的数据处理，稍微难度些的建模分析，则需要用spss或者r等，一般毕业设计中都是不承认excel的吧
1、线性模型
点击分析，一般线性模型，单变量，设置因变量和固定因子，点击确定，在结果窗口中查看线性模型的具体构建情况。
2、图表分析
点击菜单栏图形打开旧对话框，选择一种图表类型，选择简单散点图，点击定义，设置XY轴的数据列，点击确定，在输出窗口中查看图表结果。
3、回归分析
点击分析，打开回归，设置自变量和因变量数据，点击确定，在输出窗口中查看回归分析的结果。
4、直方图分析
点击图形，打开旧对话框，点击直方图，选择某一列变量，点击确定，在结果窗口中查看数据的分布趋势。
5、统计分析
点击分析，打开描述统计，进入描述，选择要分析的数据列，点击确定即可在输出窗口中查看数据的整体情况。
方差分析(Analysis of Variance，简称ANOVA)，又称“变异数分析”，是发明的，用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。 下面我们主要从下面四个方面来解说： 实际应用 理论思想 操作过程 分析结果 一、实际应用 在科学实验中常常要探讨不同实验条件或处理方法对实验结果的影响。通常是比较不同实验条件下样本均值间的差异。 例如医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响；不同化学药剂对作物害虫的杀虫效果等，都可以使用方差分析方法去解决。 方差分析主要用途： 均数差别的显著性检验 分离各有关因素并估计其对总变异的作用 分析因素间的交互作用 方差齐性检验 二、理论思想 方差分析是一种处理K(K≥3)个总体间计量变量比较方法，两个总体比较一般用T检验。用变异的思想，将总的变异 分为组间变异和组内变异，组内变异往往是个体变异导致，一般不会太大；而组间变异除了个体变异外，还有组间干预措施导致的变异，因此，认为， 如果组间的变异除以组内的变异，结果远远大于1，就有理由认为，组内的干预措施在发挥着作用 ，为了纪念Fisher，这种方法简称F检验。 根据不同的分组方法，即干预措施的添加方法不同，方差分析有着不同的类型： 单因素方差分析 用于分析 单个控制因素 取 不同水平时 因变量的均值是否存在显著差异 多因素方差分析 用于分析 两个或两个以上控制因素 是否对 不同水平下样本 的均值产生显著的影响 协方差分析 协方差分析的基本思想是将难以人为控制的因素作为协变量， 首先通过线性回归方法消除干扰因素的影响，然后进行方差分析。 协方差分析中认为因变量的变化受4个因素的影响，即控制变量的独立与交互作用、协变量的作用和随机因素的作用，协方差分析在消除了协变量的影响后再分析控制变量对观测变量的作用 多因变量方差分析 多因变量方差分析用于研究控制变量对 多个因变量 的影响 三、操作过程 方差分析前的数据条件： 可比性。 数据中各组均数本身必须具有可比性 正态性。 方差分析要求样本来源于正态分布总体，偏态分布数据不适用方差分析。 方差齐性。 方差分析要求各组间具有相同的方差，即满足方差齐性。 多因素方差分析案例： 题目：将20只大鼠随机等分为4组，每组5只，进行肌肉损伤后的缝合试验。处理由两个因素组合而成，A因素为缝合方法，分别为外膜缝合和内膜缝合，记做a1、a2；B因素为缝合后的时间，分别为缝合后1月和2月，记做b1、b2。试验结果为大鼠肌肉缝合后肌肉力度的恢复度（%）。考察缝合方法和缝合后时间对肌肉力度的恢复度是否有显著影响。 一、数据输入 二、操作步骤 进入SPSS，打开相关数据文件，选择“分析”|“一般线性模型”|“单变量”命令 选择“肌肉力度的恢复度”进入“因变量”列表框；选择“缝合方法”和“缝合后时间”进入“固定因子”列表框 设置以图形方式展现多因素之间是否存在交互作用。单击“单变量”对话框右侧的“图”按钮，弹出“单变量：轮廓图”对话框的左侧列表框中，选择“缝合后时间”进入“水平轴”编辑框，选择“缝合方法”进入“单独的线条”编辑框。然后单击“添加”按钮，设置进入“图”列表框。设置完毕后，单击“继续”按钮返回“单变量”对话框。 设置均值多重比较类型。单击“单变量”对话框右侧的”事后比较”按钮，在对话框左侧的“因子”列表框中，选择“缝合后时间”进入“下列各项的事后检验”列表框，选择“LSD”法进行比较。 设置输出到结果窗口的选项。单击“单变量”对话框右侧的“EM平均值”按钮，在“因子与因子交互”列表框中，选择“OVERALL”进入“显示下列各项的平均值”列表框；单击“单变量”对话框右侧的“选项”按钮，选中“齐性检验”复选框。设置完毕后，单击“继续”按钮返回“单变量”对话框。 其余设置采用系统默认值即可 单击“确定”按钮，等待输出结果。 四、结果分析 误差方差等同性的莱文检验表 显著性大于，因此认为各组样本来自的总体的方差相等。 方差分析表 因素缝合方法和缝合后时间的显著性分别为和，分别大于和小于显著性水平，所以缝合方法对于肌肉力度的恢复度影响不显著，而缝合后时间对于肌肉力度的恢复度影响显著；两因素交互作用的显著性为，大于显著性水平，即对肌肉力度的恢复度影响不显著。 两因素交互影响折线图 两条线近似于平行，说明两因素交互作用不显著。 分析结论： 通过多因素方差分析，可以得到如下结论。 由结果（1）可知：在本案例中各组样本来自的总体的方差相等。 由结果（2）可知：缝合方法对于肌肉力度的恢复度影响不显著，缝合后时间对于肌肉力度的恢复度影响显著，两因素的交互作用影响不显著。 结果（3）同样说明加入交互作用项后，交互作用并不显著。 综上所述，缝合方法对于肌肉力度的恢复度影响不显著，缝合后时间对于肌肉力度的恢复度影响显著，两因素的交互作用影响不显著。
你要先有论文的目的和分析思路，然后根据目的的论文和分析思路，确定需要收集的数据和类型，最后才考虑 应该用spss什么方法来实现。下面是我自己写的一个 带数据分析的论文写作指导首先，我要说明这里的指导并非常规意义的指导，我这里说的指导是到底应该如何写论文（应该还是很抽象，不过看完就知道了）。迄今为止，我大约也帮忙做了能有上千份的学生论文数据分析部分，包括一部分的整篇论文写作,其中涉及到有医学类、护理类、人文社科类、教育类、经济学类、心理学类等，单凡需要用到数据分析的论文。因为我是做市场研究与数据分析的，擅长的主要工具是spss，不敢说百分百精通spss，但是应付个八九十应该是足够了，很自然的平时就利用下班和业余时间帮学生做一些论文数据分析以及论文写作指导。很多论文的核心部分都包括数据分析，而统计学也应该是所有学科应该学习的一门重要课程，但是恰恰相反，很多学科只是把统计学和数据分析作为一项选修甚至不重要的课程对待，这样导致学生在最后做论文时完全不懂。而在这种情况下，很多学生因为对数据分析的一窍不通，导致论文从开始的设计到后续的数据收集、整理等都会出现问题，最终导致分析出问题。因此，在对数据分析一窍不通的情况下，应该如何从头构建论文及写作呢？很多论文虽然数据分析部分是核心，但是不管哪种论文的写作，都脱离不了论文的框架。因此，具体的过程应该如下：首先是选题，当然很多时候是导师直接给选题，这个没有太多讨论。其次是选题确定后，马上要做的不是想我应该怎么去写作，或者在哪抱怨“哎~~郁闷，完全不知道怎么写嘛”。而是先通过文献查找，看前人在这个选题方面已经做了哪些研究，都是如何做的。通过查找文献找到跟选题有关的资料，然后对这些资料进行整理，整理不需要计较参考文献的结论和数据细节等，而是要把每篇文献的研究目的、采用的研究方法、采用的分析方法整理出来。当然参考文献中的分析方法你可能还完全不懂，但是没关系，你先把这些参考文献中使用的分析方法全部罗列出来，如线性回归、方差分析、均值t检验、logistic回归等，把这些文献中常用的统计方法罗列出来，你需要弄清楚对应关系，即每种分析方法是用来支持和实现什么样的研究目的，以及能够得出什么样的结论，认真阅读文献就能实现这一步。第三．通过上一步，你应该朦胧的知道你选题相关的参考文献中常用的统计方法名称，以及这些统计方法能够帮助实现哪些目的，或者得出什么结论，同时也不会对自己的选题那么恐惧和迷茫了，因为可能你的选题已经有前人做过了，你的论文只是“复制”一遍而已了，我说的复制是重复一遍前人的研究。在这种情况下，可以构思下自己的选题，这一步属于纯理论层面的，你需要将自己的思路具体化，比如要实现什么目的，很自然的需要什么数据分析方法也就能确定了。当然很多论文会预先设计一系列待验证的假设，也是在这一步完成，因为你找到的文献中可能会存在矛盾的结论，可能会存在一些你认为的研究缺陷（文献看多了，自然自己就会有想法出来了），提出自己的一系列假设，能够很清楚的指导后面的数据收集和分析。第四．选题、假设还有研究方法这些经过前面几步都能确定了，接下来就是要考虑具体研究和收集数据的环节了。这个环节最重要的也是首要的是弄清楚你的数据应该是什么类型的，通过哪种方法来获取。其实也容易了，因为前面你已经确定了统计分析方法，而每种方法有它特定的数据类型要求，比如是分类数据（如性别、民族、年级等）、比如连续性数据（如年龄、身高、体重、温度、长度、距离等）。分类数据简单通俗点的理解就是这些数字本身是没有意义的，是人为赋予它一定的含义，这些数据之间不存在连续性，且加减乘除没有意义，而连续性数据是数据本身有意义，且能够进行一些加减乘除运算。确定了所需要的数据类型，就大致能够知道在数据收集时，应该注意的问题。比如一份问卷调查，其中应该如何设计问题也就大致清楚了，通常问卷设计时就要考虑两种数据类型的问题，因为不同的选项设计会导致不同的数据类型。如你设计一个问题的答案选项是“有/没有”、“是/否”这种是属于分类数据，如果你的答案选项是李克特量表式“非常满意----非常不满意”这种，在处理时可以按照分类数据，只能统计出一些百分比，也可能将其按照连续数据如12345打分形式，这样可以求均值，可以做很多其他多元统计分析。因此这一步确定数据类型很关键，如果数据类型弄错的话，则收集的数据完全无用。第五．具体收集数据过程，不细说了，收集回来之后就是数据的录入。记住一定要录入原始的数据，而不是经过加减整理汇总后的数据。数据录入格式也是有要求的，一般大致同样的情况下，都是一行代表一个个案或者一份问卷的数据，而一列对应表示的是问卷中的一个问题，即变量。因此数据录入完成后，应该是有多少样本数据，就有多少行，数据中包含多少个指标，那就有多少列。第六．这一步才是你应该开始头疼的数据分析不会了怎么办。因为到这里才开始是数据的具体分析过程了。不会怎么办，前面已经知道了分析方法，这种情况，只有找本教材，然后找对应的方法介绍学习即可，或者实在不行找人指导，找人帮忙等等。最后。分析完成后，开始整篇论文的写作。其实完成前面的每一步，到最后写文献综述以及讨论时，自然就会得心应手了，很少会需要绞尽脑汁甚至东拼西凑。
选择什么分析方法，主要依据研究数据的数据类型以及研究目标选择。
可以分为几个步骤：1）确定分析目标、2）判断数据类型、3）选择分析方法。
一、 确定分析目标
确定研究目标，即确定研究的思路，也就是你想研究什么，从哪些题中得到什么结果？
一般在开始分析前都需要先对自己的问卷确定一个大致的研究思路，这也是最重要的部分。
缺少思路，或者不知道从哪里开始入手，可以查看spssau关于问卷思路框架的总结。
参考资料：分析思路总结-SPSSAU
二、 判断数据类型
有了基本框架后，就进入到具体的分析方法选择。
所有数据大致可以分为两种：定量数据和定类数据。
定量数据是年龄、身高这类数字大小有具体意义的。定类数据如性别、职业数字大小没有实际意义。
三、选择分析方法
变量的关系最常见有：相关关系、影响关系、差异关系，及其他关系。
结合数据类型和所要研究的目的，即可选出分析方法，spssau中就有详细的方法选择说明。
参考资料：分析方法选择-SPSSAU
最后就是分析数据，spssau提供标准三线表格式结果和智能文字分析，方便快速解读结果撰写分析报告。
SPSS是一种统计分析软件，主要用于数据分析和研究。除了可以用于量刑因素的分析，SPSS还可以用于很多其他类型的论文和研究。例如，它可以用于社会科学、心理学、医学、教育等领域的研究，以及商业和市场研究。它可以用于分析数据的分布、相关性、回归、聚类和分类等方面，从而帮助研究者发现数据中的模式、趋势和关系。此外，SPSS还可以用于数据可视化和报告生成，使研究者能够更好地呈现和传达研究结果。总之，SPSS是一种功能强大的工具，可以用于各种类型的研究，从而帮助研究者更好地理解数据并得出有意义的结论。
具体要做什么分析，可以
你要先有论文的目的和分析思路，然后根据目的的论文和分析思路，确定需要收集的数据和类型，最后才考虑 应该用spss什么方法来实现。下面是我自己写的一个 带数据分析的论文写作指导首先，我要说明这里的指导并非常规意义的指导，我这里说的指导是到底应该如何写论文（应该还是很抽象，不过看完就知道了）。迄今为止，我大约也帮忙做了能有上千份的学生论文数据分析部分，包括一部分的整篇论文写作,其中涉及到有医学类、护理类、人文社科类、教育类、经济学类、心理学类等，单凡需要用到数据分析的论文。因为我是做市场研究与数据分析的，擅长的主要工具是spss，不敢说百分百精通spss，但是应付个八九十应该是足够了，很自然的平时就利用下班和业余时间帮学生做一些论文数据分析以及论文写作指导。很多论文的核心部分都包括数据分析，而统计学也应该是所有学科应该学习的一门重要课程，但是恰恰相反，很多学科只是把统计学和数据分析作为一项选修甚至不重要的课程对待，这样导致学生在最后做论文时完全不懂。而在这种情况下，很多学生因为对数据分析的一窍不通，导致论文从开始的设计到后续的数据收集、整理等都会出现问题，最终导致分析出问题。因此，在对数据分析一窍不通的情况下，应该如何从头构建论文及写作呢？很多论文虽然数据分析部分是核心，但是不管哪种论文的写作，都脱离不了论文的框架。因此，具体的过程应该如下：首先是选题，当然很多时候是导师直接给选题，这个没有太多讨论。其次是选题确定后，马上要做的不是想我应该怎么去写作，或者在哪抱怨“哎~~郁闷，完全不知道怎么写嘛”。而是先通过文献查找，看前人在这个选题方面已经做了哪些研究，都是如何做的。通过查找文献找到跟选题有关的资料，然后对这些资料进行整理，整理不需要计较参考文献的结论和数据细节等，而是要把每篇文献的研究目的、采用的研究方法、采用的分析方法整理出来。当然参考文献中的分析方法你可能还完全不懂，但是没关系，你先把这些参考文献中使用的分析方法全部罗列出来，如线性回归、方差分析、均值t检验、logistic回归等，把这些文献中常用的统计方法罗列出来，你需要弄清楚对应关系，即每种分析方法是用来支持和实现什么样的研究目的，以及能够得出什么样的结论，认真阅读文献就能实现这一步。第三．通过上一步，你应该朦胧的知道你选题相关的参考文献中常用的统计方法名称，以及这些统计方法能够帮助实现哪些目的，或者得出什么结论，同时也不会对自己的选题那么恐惧和迷茫了，因为可能你的选题已经有前人做过了，你的论文只是“复制”一遍而已了，我说的复制是重复一遍前人的研究。在这种情况下，可以构思下自己的选题，这一步属于纯理论层面的，你需要将自己的思路具体化，比如要实现什么目的，很自然的需要什么数据分析方法也就能确定了。当然很多论文会预先设计一系列待验证的假设，也是在这一步完成，因为你找到的文献中可能会存在矛盾的结论，可能会存在一些你认为的研究缺陷（文献看多了，自然自己就会有想法出来了），提出自己的一系列假设，能够很清楚的指导后面的数据收集和分析。第四．选题、假设还有研究方法这些经过前面几步都能确定了，接下来就是要考虑具体研究和收集数据的环节了。这个环节最重要的也是首要的是弄清楚你的数据应该是什么类型的，通过哪种方法来获取。其实也容易了，因为前面你已经确定了统计分析方法，而每种方法有它特定的数据类型要求，比如是分类数据（如性别、民族、年级等）、比如连续性数据（如年龄、身高、体重、温度、长度、距离等）。分类数据简单通俗点的理解就是这些数字本身是没有意义的，是人为赋予它一定的含义，这些数据之间不存在连续性，且加减乘除没有意义，而连续性数据是数据本身有意义，且能够进行一些加减乘除运算。确定了所需要的数据类型，就大致能够知道在数据收集时，应该注意的问题。比如一份问卷调查，其中应该如何设计问题也就大致清楚了，通常问卷设计时就要考虑两种数据类型的问题，因为不同的选项设计会导致不同的数据类型。如你设计一个问题的答案选项是“有/没有”、“是/否”这种是属于分类数据，如果你的答案选项是李克特量表式“非常满意----非常不满意”这种，在处理时可以按照分类数据，只能统计出一些百分比，也可能将其按照连续数据如12345打分形式，这样可以求均值，可以做很多其他多元统计分析。因此这一步确定数据类型很关键，如果数据类型弄错的话，则收集的数据完全无用。第五．具体收集数据过程，不细说了，收集回来之后就是数据的录入。记住一定要录入原始的数据，而不是经过加减整理汇总后的数据。数据录入格式也是有要求的，一般大致同样的情况下，都是一行代表一个个案或者一份问卷的数据，而一列对应表示的是问卷中的一个问题，即变量。因此数据录入完成后，应该是有多少样本数据，就有多少行，数据中包含多少个指标，那就有多少列。第六．这一步才是你应该开始头疼的数据分析不会了怎么办。因为到这里才开始是数据的具体分析过程了。不会怎么办，前面已经知道了分析方法，这种情况，只有找本教材，然后找对应的方法介绍学习即可，或者实在不行找人指导，找人帮忙等等。最后。分析完成后，开始整篇论文的写作。其实完成前面的每一步，到最后写文献综述以及讨论时，自然就会得心应手了，很少会需要绞尽脑汁甚至东拼西凑。
选择什么分析方法，主要依据研究数据的数据类型以及研究目标选择。
可以分为几个步骤：1）确定分析目标、2）判断数据类型、3）选择分析方法。
一、 确定分析目标
确定研究目标，即确定研究的思路，也就是你想研究什么，从哪些题中得到什么结果？
一般在开始分析前都需要先对自己的问卷确定一个大致的研究思路，这也是最重要的部分。
缺少思路，或者不知道从哪里开始入手，可以查看spssau关于问卷思路框架的总结。
参考资料：分析思路总结-SPSSAU
二、 判断数据类型
有了基本框架后，就进入到具体的分析方法选择。
所有数据大致可以分为两种：定量数据和定类数据。
定量数据是年龄、身高这类数字大小有具体意义的。定类数据如性别、职业数字大小没有实际意义。
三、选择分析方法
变量的关系最常见有：相关关系、影响关系、差异关系，及其他关系。
结合数据类型和所要研究的目的，即可选出分析方法，spssau中就有详细的方法选择说明。
参考资料：分析方法选择-SPSSAU
最后就是分析数据，spssau提供标准三线表格式结果和智能文字分析，方便快速解读结果撰写分析报告。
SPSS是一种统计分析软件，主要用于数据分析和研究。除了可以用于量刑因素的分析，SPSS还可以用于很多其他类型的论文和研究。例如，它可以用于社会科学、心理学、医学、教育等领域的研究，以及商业和市场研究。它可以用于分析数据的分布、相关性、回归、聚类和分类等方面，从而帮助研究者发现数据中的模式、趋势和关系。此外，SPSS还可以用于数据可视化和报告生成，使研究者能够更好地呈现和传达研究结果。总之，SPSS是一种功能强大的工具，可以用于各种类型的研究，从而帮助研究者更好地理解数据并得出有意义的结论。
用logistics回归分析吧，但是你的这个数据有点看不太懂。。。你可以用SPSS做一个数据库，添加各种变量，如关系、经济状况、文化程度、照顾时间等，50个人也不算多，重新输入一遍。再用logistics回归分析去做一下单因素分析，看看焦虑程度与单因素有无相关性，有相关性再放到多因素分析。如果P<，再看OR是>1，还是<1。