spearman相关性分析(spearman相关分析)
2022-11-21 22:16:42
0
以下内容转载自“医咖会”微信公众号（medieco-ykh），作者李侗桐。
遇到两个连续变量的相关性分析时，相信很多人会立刻想起Pearson相关分析。看过我们之前推文的小伙伴应该知道，Pearson相关分析有相应的适用条件，例如两个变量符合双变量正态分布。
但是，往往我们遇到的数据会比较复杂，比如说，实验室检测结果超过上限和胆固醇浓度（cholesterol）等变量信息，部分数据如下：
对问题的分析
研究者想判断两个连续变量之间的关系，即分析胆固醇浓度与看电视时间的关系。针对这种情况，我们可以使用Spearman相关分析，但需要先满足2项假设：
假设1：观测变量是连续变量或有序分类变量，如本研究中胆固醇浓度与看电视时间都是连续变量。
假设2：变量之间存在单调关系
经分析，本研究数据符合假设1，那么应该如何检验假设2，并进行Spearman相关分析呢？
流程图
SPSS操作
4.1 检验假设2
，并拖拽到主对话框中
和胆固醇浓度（cholesterol）变量分别拖拽到“X-Axis？”和“Y-Axis？”方框内
，说明看电视时间与胆固醇浓度之间的相关关系具有统计学意义。
撰写结论
本研究采用Spearman相关判断看电视时间与胆固醇浓度的关系。通过绘制散点图，直观判断两者之间存在单调关系。结果显示，看电视时间与胆固醇浓度之间存在相关关系，rs=0.729，P<0.001。