使用labor_qs.txt中的数据，去掉所有标称属性后进行相关系数分析，列出相关系数矩阵，并说明哪些属性相关，相关系数是多少。

首先，为了完成这个任务，我们需要加载`labor_qs.txt`文件中的数据，然后删除其中的标称属性（通常是分类变量），接下来计算剩余数值属性之间的皮尔逊相关系数。这是一种衡量两个连续变量间线性关系强度和方向的方法。

假设数据已经按照CSV或其他结构化格式存储，我们可以按照以下步骤操作：

1. **数据加载**：
- 使用Python的pandas库读取数据：```python
import pandas as pd
df = pd.read_csv('labor_qs.txt', delimiter=';', header=0) # 分隔符可能是';'

2. **处理标称属性**：
   - 检查列的数据类型，如果发现有类别型（categorical）的列，则需要移除它们：

numerical_cols = df.select_dtypes(include='number').columns
df = df[numerical_cols]

3. **计算相关系数矩阵**：

correlation_matrix = df.corr()

4. **显示结果**：

print(correlation_matrix)

5. **解释相关系数**：
   相关系数的值范围在-1到1之间，接近1表示正强相关，接近-1表示负强相关，接近0则表示弱相关或无明显相关性。正值表示两个变量增加时通常一起增加，负值表示一个增加时另一个减少。