秩相关(rank correlation)，也称等级相关，是用双变量等级数据做直线相关分析。Spearman相关性分析对原始变量的分布不作要求，属于非参数统计方法。
下面，我们来学习Spearman相关性分析的基本原理、适用条件及其在SPSS中的具体操作。
下方视频中有完整的理论讲解、spss中的操作步骤、分析结果的解读。看完就会了哦!
一、基本原理
Spearman秩相关用等级相关系数rs来说明变量间的直线相关关系的密切程度与相关方向。其基本思想是将n对观察值Xi、Yi(i=1,2，…，n)分别由小到大编秩，Pi表示Xi的秩，Qi表示Yi的秩，di=Pi-Qi表示X、Y两变量秩排列的一致性情况，
反映Pi与Qi的差值大小。
则Spearman等级相关系数
一般来说，rs值介于-1与1之间，rs值为正表示正相关，rs值为负表示负相关，rs的绝对值等于零表示零相关。rs的绝对值在0.8-1.0，表示变量间极强相关;在0.6-0.8表示强相关;在0.4-0.6表示中等程度相关;在0.2-0.4表示弱相关;在0.0-0.2表示极弱相关或无相关。
二、适用条件
Spearman秩相关性分析适用条件如下。
①不服从双变量正态分布;
②总体分布形态未知;
③原始数据是等级资料。
符合其中任何一条，即可采用spearman相关性分析。
三、案例解读
现有某调查机构为了探究人群工作强度与失眠症的程度的两者之间是否存在联系而收集的调查资料，其中，工作强度和失眠症程度均为等级变量，我们采用Spearman相关性分析进行研究。
(1)在SPSS中的具体操作
①依次点击“分析--相关--双变量”。
②出现“双变量相关性”窗口。
③将需要进行相关性分析的变量拖入到“变量”列表框中，勾选相关系数为“Spearman”，显著性检验“双尾检验”和“标记显著性相关”。
④点击“确定”，可得到相关性分析的结果。
(2)结果解读
由上图相关性结果表可知:
①首先，查看相关性表中的显著性值，P=0.000，说明调查者工作强度与失眠症状程度之间均存在显著的相关性;
②其次，查看相关系数值，相关性系数在0.2-0.4之间，说明工作强度与失眠症状程度之间存在正向的弱相关关系。
四、小结
本文对Spearman相关性分析的基本原理、适用条件及其具体案例进行了阐述。等级变量之间的相关性研究除了采用Spearman相关性分析外，也可以采用kendall’s tau-b秩相关性分析，我们会在后期的课程中详细说明，敬请关注!
参考文献:
1、孙振球,徐勇勇.《医学统计学 第4版》.人民卫生出版社.
2、邱皓政.《量化研究与统计分析》.重庆大学出版社.
版权说明:本文系杏花开医学统计原创文章
更多医学统计文章及视频案例教程请关注【杏花开医学统计】微信公众号:xhk345
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
