Spearman相关系数又叫做秩相关系数

1.研究目的

研究两个含有异常值或非正态分布的两个连续性变量之间的相关关系

2.数据形式要求

数据的形式要求与Pearson相关系数一致

3.假设条件

1. 观测变量是非正态分布或者有不能剔除的异常值的连续变量

2. 变量之间存在线性关系（需要检验）

   4.对假设条件的检验方式

   与Pearson相关系数检验方式一致，变量之间的线性关系使用散点图

   5.操作方法

   分析-相关-双变量

   

   6.结果及解释

   6.1 相关系数的计算与检验

   

3. Spearman相关系数取值范围在[-1，+1]，负数代表负相关，正数代表正相关，0则代表不存在相关关系两连续变量间相关的强弱没有规定数值，相关系数越接近0，相关关系越弱；越接近-1或+1，相关关系越强； :::info

4. Spearman相关系数假设检验H0：两个变量值之间的相关系数r有意义 :::

5. 本研究中，久坐时间与胆固醇浓度的Spearman相关系数rs=0.793，P<0.001，说明久坐时间（time）和胆固醇浓度（cholesterol）存在正相关关系，即久坐时间延长与高胆固醇浓度有关。

   6.2 结论

   久坐时间与胆固醇浓度之间存在相关关系，rs=0.793，P<0.001