本文探讨了SPSS软件中进行相关分析时，Pearson、Kendall和Spearman三种相关系数的异同。当两个连续变量间存在线性相关性时，通常采用Pearson积差相关系数；如果不符合积差相关的适用条件，可以选择Spearman秩相关系数来衡量变量间的关系。
在SPSS软件相关分析中,pearson(皮尔逊),kendall（肯德尔）和spearman（斯伯曼/斯皮尔曼）三种相关分析方法有什么异同
两个连续变量间呈线性相关时，使用Pearson积差相关系数，不满足积差相关分析的适用条件时，使用Spearman秩相关系数来描述.
Spearman相关系数又称秩相关系数，是利用两变量的秩次大小作线性相关分析，对原始变量的分布不作要求，属于非参数统计方法，适用范围要广些。对于服从
Pearson相关系数的数据亦可计算
Spearman相关系数，但统计效能要低一些。
Pearson相关系数的计算公式可以完全套用Spearman相关系数计算公式，但公式中的x和y用相应的秩次代替即可。
Kendall'stau-b等级相关系数：用于反映分类变量相关性的
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
