在SPSS中，Pearson、Spearman和Kendall是三种相关分析方法。Pearson适用于连续变量间的线性相关，Spearman适用于非线性相关或分布未知的情况，而Kendall适用于有序分类变量的相关分析。Spearman和Kendall是非参数方法，适应性更广，但在特定情况下，统计效能可能低于Pearson。选择合适的相关系数取决于数据的性质和分布情况。
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's
tau-b
等级相关系数：用于反映分类变量相关性的指标，适用于两个分类变
量均为有序分类的情况。对相关的有序变量进行非参数相关检验；取值范围在
-1-1
之间，此
检验适合于正方形表格；
计算积距
pearson
相关系数，连续性变量才可采用
;
计算
Spearman
秩相关系数，适合
于定序变量或不满足正态分布假设的等间隔数据
;
计算
Kendall
秩相关系数，适合于定序变
量或不满足正态分布假设的等间隔数据。
计算相关系数：当资料不服从双变量正态分布或总体分布未知，或原始数据用等级表
示时，宜用
spearman
或
kendall
相关
Pearson
相关复选项
积差相关计算连续变量或是等间距测度的变量间的相关分析
Kendall
复选项
等级相关
计算分类变量间的秩相关，适用于合并等级资料
Spearman
复选项
等级相关计算斯皮尔曼相关，适用于连续等级资料
注：
1
若非等间距测度的连续变量
因为分布不明
-
可用等级相关
/
也可用
Pearson
相关，
对于完全
等级离散变量必用等级相关
2
当资料不服从双变量正态分布或总体分布型未知或原始数据是用等级表示时
,
宜用
Spearman
或
Kendall
相关。
3
若不恰当用了
Kendall
等级相关分析则可能得出相关系数偏小的结论。则若不恰当使用，
可能得相关系数偏小或偏大结论而考察不到不同变量间存在的密切关系。
对一般情况默认数
据服从正态分布的，故用
Pearson
分析方法。
在
SPSS
里进入
Correlate
－》
Bivariate
，在变量下面
Correlation
Coefficients
复选框组里有
3
个选项：
Pearson
Kendall's tau-b
Spearman
：
Spearman
spearman
(斯伯曼
/
斯皮尔曼)相关系数
斯皮尔曼等级相关是根据等级资料研究两个变量间相关关系的方法。
它是依据两列成
对等级的各对等级数之差来进行计算的，所以又称为“等级差数法”
斯皮尔曼等级相关对数据条件的要求没有积差相关系数严格，
只要两个变量的观测值
是成对的等级评定资料，
或者是由连续变量观测资料转化得到的等级资料，
不论两个变量的
总体分布形态、样本容量的大小如何，都可以用斯皮尔曼等级相关来进行研究。
Kendall's
相关系数
肯德尔
(Kendall)W
系数又称和谐系数，是表示多列等级变量相关程度的一种方法。适
用这种方法的数据资料一般是采用等级评定的方法收集的，即让
K
个评委(被试)评定
N
件事物，或
1
个评委(被试)先后
K
次评定
N
件事物。等级评定法每个评价者对
N
件事物
排出一个等级顺序，最小的等级序数为
1
，最大的为
N
，若并列等级时，则平分共同应该
占据的等级，如，平时所说的两个并列第一名，他们应该占据
1
，
2
名，所以它们的等级应
扫一扫
1486
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
