相关性分析方法(相关性分析方法的适用条件)

　　相关性分析，顾名思义即变量相互间的关联或联系。医学研究中，探讨某疾病的发生与哪些因素有关、疾病与疾病之间的关系等，都需要用到相关性分析，它常用于判断两个数值变量之间有无线性关系、相关性的方向和相关性的强弱。

　　下面，我们来学习Pearson相关性分析的基本原理、适用条件及其在SPSS中的具体操作。

　　下方视频中有完整的理论讲解、spss中的操作步骤、分析结果的解读。看完就会了哦！

　　一、基本原理

　　相关系数又称为Pearson积差相关系数，以符号r表示样本相关系数，符号表示其总体相关系数，r是的估计值。

　　其中，-1≤r≤1，相关系数没有单位。r值为正表示正相关，r值为负表示负相关，r=1表示完全相关，r=0表示零相关。医学统计中，变量的影响因素众多，一般很少有完全相关的情况。

　　一般来说，r的绝对值在0.8-1.0，表示变量间极强相关；在0.6-0.8表示强相关；在0.4-0.6表示中等程度相关；在0.2-0.4表示弱相关；在0.0-0.2表示极弱相关或无相关。

　　适用条件：Pearson相关性分析适用于两个变量均应为连续数值型的变量。

　　二、案例解读

　　现有某医院收集的病人的年龄、体重指数、收缩压和舒张压的数据资料，欲探讨病人年龄、体重指数、收缩压和舒张压之间的相关关系，采用Pearson相关性分析进行研究。

　　（1）在SPSS中的具体操作

　　①依次点击“分析——相关——双变量”。

　　②出现“双变量相关性”窗口。

　　③将需要进行相关性分析的变量拖入到“变量”列表框中，勾选相关系数为“Pearson”，显著性检验“双尾检验”和“标记显著性相关”。

　　④点击“确定”，可得到相关性分析的结果。

　　 （2）结果解读

　　由相关性结果表可知：

　　①年龄与体重指数、收缩压之间均存在显著的相关性；相关性系数均在0.2-0.3之间，说明年龄与体重指数、收缩压之间存在正向的弱相关关系。

　　②体重指数与收缩压、舒张压之间均存在显著的相关性；相关性系数均在0.6-0.7之间，说明体重指数与收缩压、舒张压之间存在正向的强相关关系。

　　③收缩压与舒张压之间存在显著的相关性；相关性系数为0.854，说明收缩压与舒张压之间存在正向、极强的相关关系。

　　三、小 结

　　本文对Pearson相关性分析的基本原理、适用条件及其具体案例进行了阐述。探究变量之间的关系除了Pearson相关性分析外，还有诸如Spearman相关性分析等，后期我们将陆续进行更新，敬请关注。

　　参考文献：

　　1、孙振球,徐勇勇.《医学统计学 第4版》.人民卫生出版社.

　　版权说明：本文系杏花开医学统计原创文章

　　更多医学统计文章及视频案例教程请关注【杏花开医学统计】微信公众号：xhk345