本期编辑 | 小谦
本期校对 | 听雨
文章来源 |医咖会
鸣谢作者
遇到两个连续变量的相关性分析时,相信很多人会立刻想起Pearson相关分析。看过医咖会之前推文的小伙伴应该知道,Pearson相关分析有相应的适用条件,例如两个变量符合双变量正态分布。
但是,往往我们遇到的数据会比较复杂,比如说,实验室检测结果超过上限(例如,结果为>500),数据严重不符合正态分布,疗效评价指标为有序等级变量等等,这时候就可以考虑另一种检验方法——Spearman相关,本期带着大家系统全面地认识这种相关分析方法。
1、问题与数据
研究者拟在45-65岁健康男性人群中分析胆固醇浓度与看电视时间的关系。他们猜测可能存在正向相关,即看电视时间越长,胆固醇浓度越高。现在该研究者收集了受试者每天看电视时间(time_tv)和胆固醇浓度(cholesterol)等变量信息,部分数据如下:
2、对问题的分析
研究者想判断两个连续变量之间的关系,即分析胆固醇浓度与看电视时间的关系。针对这种情况,我们可以使用Spearman相关分析,但需要先满足2项假设:
假设1:观测变量是连续变量或有序分类变量,如本研究中胆固醇浓度与看电视时间都是连续变量。
假设2:变量之间存在单调关系
经分析,本研究数据符合假设1,那么应该如何检验假设2,并进行Spearman相关分析呢?
3、流程图
4、SPSS操作
4.1 检验假设2
(1) 在主页面点击 Graphs → Chart Builder