差异是指不同样本组的某个指标的差异，例如男生和女生的智力差异；相关分析是两个变量之间的关系，和样本分组无关，例如智力和学习成绩是否相关。
（南心网SPSS心理学统计）
因子分析和相关性分析是统计学中常用的数据分析方法之一，用于研究变量之间的关系。
它们的区别在于：
1.目的不同：
因子分析旨在揭示一组变量背后的潜在结构或因素，即将多个变量归纳为较少的无关因素。
相关性分析旨在确定变量之间的线性关系强度和方向。
2.数据处理方式不同：
因子分析对原始数据进行变换和降维，通过计算变量间的共变性矩阵来提取潜在因子。
相关性分析直接计算变量之间的协方差或相关系数。
3.变量解释性不同：
因子分析试图解释观测变量的共同方差，将其解释为潜在因子的线性组合。
相关性分析仅考虑变量间的线性关系，不涉及变量的共同方差。
4.确定变量个数不同：
因子分析通过解释变量之间的共同方差来确定潜在因子的个数。
相关性分析不需要确定特定数量的潜在因子，而是根据相关系数矩阵来分析变量之间的关系。
综上所述，因子分析侧重于揭示变量背后的潜在结构，而相关性分析则关注变量间的线性关系。
根据具体研究目的和数据类型，选择合适的分析方法进行数据处理。
1、在spss的主界面上输入数据以后，通过分析那里点击非参数检验中的相关样本。
2、这个时候来到一个新的窗口，设置检验对并选择威尔科克森。
3、下一步如果没问题，就直接进行确定。
4、这样一来会生成详细的数据结果，即可用spss做相关性分析了。
1、相关分析相当于先检验一下众多的自变量和因变量之间是否存在相关性，当然通过相关分析求得相关系数没有回归分析的准确。
如果相关分析时各自变量跟因变量之间没有相关性，就没有必要再做回归分析；如果有一定的相关性了，然后再通过回归分析进一步验证他们之间的准确关系。
同时相关分析还有一个目的，可以查看一下自变量之间的共线性程度如何，如果自变量间的相关性非常大，可能表示存在共线性。
2、相关分析只是了解变量间的共变趋势，我们只能通过相关分析确定变量间的关联，这种关联是没有方向性的，可能是A影响B，也可能是B影响A，还有可能是A与B互相影响，相关分析没法确定变量间的关联究竟是哪一种。
而这就是我们需要使用回归分析解决的问题，我们通过回归分析对自变量与因变量进行假设，然后可以验证变量间的具体作用关系，这时的变量关系就是有具体方向性的了。
所以相关分析通常也会被作为一种描述性的分析，而回归分析得到的结果更为重要和精确。
