统计第九课：SPSS相关性分析（卡方检验）

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。

二、SPSS 相关操作

SPSS 的相关分析散布在交叉表和相关分析两个模块中。

（一）交叉表过程

以上的指标很全面，解释如下：

（1）「卡方」复选框：为常用的卡方检验，适用于两个无序分类变量的检验。

（2）「相关性」复选框：适用于两个连续性变量的相关分析，给出两变量的 Pearson 相关系数和 Spearman 相关系数。

（3）「有序」复选框组：包含了一组反映有序分类变量一致性的指标，只能用于两变量均为有序分类变量的情况。

（4）「名义」复选框组：包含一组分类变量相关性的指标，有序和无序分类时都可使用，但变量为有序时，检验效能没有「有序」复选框组中的统计量高。

（5）Kappa：为内部一致性系数。

（6）风险：给出 OR 或 RR 值。

（7）McNemar：为配对卡方检验。
 

（二）「相关」过程

如下图：

可以计算Pearson、Kendall的tau-b、Spearman三种相关系数。
 

想了解更多有用的、有意思的前沿资讯以及酷炫的实验方法的你，都可以成为师兄的好伙伴