一、相关分析方法的选择及指标体系
(一)两个连续变量的相关分析
1、pearson 相关系数
最常用的相关系数，又称积差相关系数，取值-1 到 1，绝对值越大，说明相关性越强。该系数的计算和检验为参数方法，适用条件如下：
(1)两变量呈直线相关关系，如果是曲线相关可能不准确。
(2)极端值会对结果造成较大的影响
(3)两变量符合双变量联合正态分布。
2、spearman 秩相关系数
对原始变量的分布不做要求，适用范围较 pearson 相关系数广，即使是等级资料，也可适用。但其属于非参数方法，检验效能较 pearson 系数低。
(二)有序分类变量的相关分析
有序分类变量的相关性又称为一致性，即行变量等级高的列变量等级也高，如果行变量等级高而列变量等级低，则称为不一致。
常用的统计量有：gamma、kendall 的 tau-b、kendall 的 tau-c 等。
(三)无序分类变量的相关分析
最常用的为卡方检验，用于评价两个无序分类变量的相关性。根据卡方值衍生出来的指标还有列联系数、phi、cramer 的 v、lambda 系数、不确定系数等。
or、rr 也是衡量两变量之间的相关程度的指标。
二、 相关操作
的相关分析散布在交叉表和相关分析两个模块中。
(一)交叉表过程
以上的指标很全面，解释如下：
(1)「卡方」复选框：为常用的卡方检验，适用于两个无序分类变量的检验。
(2)「相关性」复选框：适用于两个连续性变量的相关分析，给出两变量的 pearson 相关系数和 spearman 相关系数。
(3)「有序」复选框组：包含了一组反映有序分类变量一致性的指标，只能用于两变量均为有序分类变量的情况。
(4)「名义」复选框组：包含一组分类变量相关性的指标，有序和无序分类时都可使用，但变量为有序时，检验效能没有「有序」复选框组中的统计量高。
(5)kappa：为内部一致性系数。
(6)风险：给出 or 或 rr 值。
(7)mcnemar：为配对卡方检验。
(二)「相关」过程
如下图：
可以计算pearson、kendall的tau-b、spearman三种相关系数。
上一篇：