SPSS相关分析（Pearson、Spearman、卡方检验）

关键词：卡方检验和相关性分析、卡方检验 相关性分析

一、相关分析方法的选择及指标体系

（一）两个连续变量的相关分析

1、Pearson相关系数

最常用的相关系数，又称积差相关系数，取值-1到1，绝对值越大，说明相关性越强。该系数的计算和检验为参数方法，适用条件如下：

（1）两变量呈直线相关关系，如果是曲线相关可能不准确。

（2）极端值会对结果造成较大的影响

（3）两变量符合双变量联合正态分布。

2、Spearman秩相关系数

对原始变量的分布不做要求，适用范围较Pearson相关系数广，即使是等级资料，也可适用。但其属于非参数方法，检验效能较Pearson系数低。

（二）有序分类变量的相关分析

有序分类变量的相关性又称为一致性，即行变量等级高的列变量等级也高，如果行变量等级高而列变量等级低，则称为不一致。

常用的统计量有：Gamma、Kendall的tau-b、Kendall的tau-c等。

（三）无序分类变量的相关分析

最常用的为卡方检验，用于评价两个无序分类变量的相关性。根据卡方值衍生出来的指标还有列联系数、Phi、Cramer的V、Lambda系数、不确定系数等。

OR、RR也是衡量两变量之间的相关程度的指标。

分类变量可分为无序变量和有序变量两类。

A、无序分类变量是指所分类别或属性之间无程度和顺序的差别。

无序分类又可分为：

1、二项分类，如性别（男、女），药物反应（阴性