spearman相关分析 【科研加油站】SPSS操作之Spearman相关分析

以下内容转载自李东同撰写的《医用咖啡俱乐部》微信官方账号(medieco-ykh)。

遇到两个连续变量的相关分析，相信很多人会马上想到皮尔森相关分析。看过我们之前推文的人应该知道，皮尔森相关分析有对应的适用条件，比如两个变量符合二元正态分布。

但是我们经常会遇到复杂的数据，比如实验室检测结果超过上限(比如结果> 500)，数据严重不符合正态分布，疗效评价指标是有序的等级变量等。这时可以考虑另一种测试方法——斯皮尔曼相关。本期《科研加油站》，我们将系统全面地了解这种相关性分析方法。

问题和数据

研究人员打算分析45-65岁健康男性的胆固醇浓度和看电视时间之间的关系。他们推测可能存在正相关，即看电视时间越长，胆固醇浓度越高。现在，研究人员已经收集了时间_电视和胆固醇浓度等可变信息，一些数据如下:

你可能已经注意到了，这个表中的数据是按照矩阵分布的，对角线上的值是一样的。我们只需要注意右上角或左下角的数据，如下所示:

本研究中Spearman相关系数rs= 0.729(在“相关系数”一行注明)表明，看电视时间与胆固醇浓度呈正相关，即随着看电视时间的增加，胆固醇浓度逐渐增加。

斯皮尔曼相关系数反映的相关强度没有确定的说法。我们只认为相关系数越大，两个变量的相关性越强。在这项研究中，rs=0.729表明相关性很高。

在这项研究中，斯皮尔曼相关p值小于0.001(“SIG。(2尾)“线”，说明看电视时间与胆固醇浓度的相关性有统计学意义。

写结论

本研究采用斯皮尔曼相关法判断看电视时间与胆固醇浓度的关系。通过绘制散点图，我们可以直观的判断出两者之间存在着单调的关系。结果表明，看电视时间与胆固醇浓度呈正相关，rs=0.729，P