介紹
在多元回歸分析中，在消除其他變數影響的條件下，所計算的某兩變數之間的相關係數。在多元相關分析中，簡單相關係數可能不能夠真實的反映出變數X和Y之間的相關性，因為變數之間的關係很複雜，它們可能受到不止一個變數的影響。這個時候偏相關係數是一個更好的選擇 。
假設我們需要計算X和Y之間的相關性，Z代表其他所有的變數，X和Y的偏相關係數可以認為是X和Z線性回歸得到的殘差Rx與Y和Z線性回歸得到的殘差Ry之間的簡單相關係數，即pearson相關係數。
計算方法
偏相關係數的計算可以有下面的三種方法（詳細的計算方法見參考文章）
1 根據上面的說法，從線性回歸的角度計算變數間的偏相關係數，但是這樣做很麻煩。
2 疊代法，可以認為簡單相關係數為0階偏相關係數，任何n階偏相關都可以通過3個(n-1)階偏相關係數計算出來。
3 相關矩陣求逆法，即首先計算出所有變數的相關性矩陣，然後求它的逆矩陣。這樣可以求出任何兩兩變數之間的偏相關係數。
偏相關係數的檢驗可以有兩種方法。一種是t-test，另外一種fisher 轉化法。
利用偏相關係數進行變數間淨相關分析通常完成兩大步：
第一：計算樣本的偏相關係數。
利用樣本數據計算偏相關係數，反應了兩個變數間淨相關的強弱程度。在分析變數x1和x2之間的淨相關時，當控制了變數x3的線性作用後，x1和x2之間的一階偏相關係數定義為 ：
一階偏相關係數第二：對樣本來自的兩個總體是否存在顯著的淨相關進行推斷：
1）提出原假設，即兩總體的偏相關係數與零無顯著差異。
2）選擇檢驗統計量。偏相關分析的檢驗統計量為t統計量，它的數學定義為：
t統計量式中，r為偏相關係數，n為樣本數，q為階數。統計量服從n-q-2個自由度的t分布。
3)計算檢驗統計量的觀測值和對應的機率p-值。
4）決策。如果檢驗統計量的機率p-值小於給定的顯著性水平α，則應拒絕原假設，反之，則不能拒絕原假設。
關係
在多元回歸中，應注意簡單相關係數只是兩變數局部的相關性質，而並非整體的性質。在多元回歸中並不看重簡單相關係數，而是看重偏相關係數。根據偏相關係數，可以判斷自變數對因變數的影響程度；對那些對因變數影響較小的自變數，則可以捨去不顧。
