本文介绍了在生物医药统计中如何进行相关性分析，重点讲解了Spearman相关系数和Pearson相关系数的选择与应用。在不满足Pearson相关系数条件时，Spearman系数作为替代方案。通过SPSS进行操作实例，展示从界面设置到结果分析的完整过程，帮助理解相关系数的含义和使用。
相关性分析介绍
生物和医学统计中，相关分析属于流程前端的探索性分析，研究变量间关系及性质，其结果在为下一步采取何种方法做出指引，为数据挖掘之前的基础工作。
相关系数的选择
相关分析之前，需要先确认变量的类型，根据具体类型选择合适的相关系数。Pearson相关系数适用于两变量的度量水平都是连续数值型，且两变量的总体是正态分布或者近似正态分布的情况，还有说法认为其样本量应大于30，可供参考，如果不满足上述条件，则考虑选择spearman系数或者kendall系数。
相关分析和回归分析的联系及区别
相关分析是回归分析的前提，回归分析是相关分析的进一步拓展。
分析步骤
相关图分析
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
