如何在JMP中进行相关分析(Correlation Analysis) ？

相关分析，是常见的统计分析方法，它旨在研究两个或多个变量之间是否存在某种依存变化关系。你知道如何判断变量之间的相关性？如何在JMP中实现相关分析？今天的文章我们就来一起探索相关分析。

为了帮助更多的临床医师学习如何运用JMP高效地开展数据分析，提高日常工作和发表论文的效率，2020年8月起，JMP资深用户、JMP特约专栏作者、资深统计学家冯国双博士及其团队将在JMP数据分析平台为大家分享一系列统计及数据分析、JMP实战操作、JMP分析报表解读等干货内容，每期一个经典话题，帮助大家掌握一个新技能。值得注意的是，这些话题并非仅针对临床医师，对所有运用JMP软件开展数据分析的小伙伴都适用。本文为此系列文章的第17期。

相关分析通常关注两个维度：相关大小和相关方向。相关大小用相关系数r的大小表示，r越大说明相关性越强。相关方向通过r的正负值来反映，正值表示正相关，负值表示负相关。

关于相关系数的强弱并无统一的划分界限，但也有一些约定俗成的看法是，|r|大于0.7认为相关性强；0.5-0.7为中等强度相关；0.3-0.5为弱相关。也有其它划分方式，如大于0.8认为相关性强，等等不一而足。尽管有这些所谓标准，但不同领域的各有侧重，例如社会学现象能达到0.7的非常少，而医学实验室指标达到0.9以上的比比皆是。所以这些所谓的划分标准，大家稍微了解一下即可，不能太死板教条。

通常意义上说的相关系数是指Pearson相关系数（有时也包括Spearman相关系数），它是用来描述线性相关的。但实际中除了线性相关外，还存在大量的非线性相关关系，例如对数相关、抛物线相关等。

因此，在进行相关分析前，最好先绘制散点图，粗略探索数据的相关性&#x