pearson相关系数和spearman相关系数的区别
pearson 法则是一种经典的相关系数计算方法，主要用于表征线性相关性，假设2个变量服 从正态分布且标准差不为0，他的值介于-1到1之间，pearson相关系数的绝对值越接近于1，表明 2个变量的相关程度越高，即这2个变量越相似。其相关系数计算如下：
spearman
设自变量 X 和 Y 的 2 个随机样本为 ( x1 ,y1 ),⋯,( xn ,yn )，将 x1 ,⋯,xn和 y1 ,⋯,yn按升序方式进行排列，则X和Y的spearman秩相关系数为：
可以使用SPSSAU进行相关分析：
温馨提示：答案为网友推荐，仅供参考
第1个回答 2022-12-13
1、衡量内容
Pearson相关系数是用来衡量两个数据集合是否在一条线上面，用来衡量定距变量间的线性关系。
spearman相关系数是衡量两个变量的依赖性的非参数指标。
2、计算公式
Pearson相关系数：
spearman相关系数：
3、特点：
Pearson相关系数：相关系数的绝对值越大，相关性越强：相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。
spearman相关系数：斯皮尔曼相关系数表明X(独立变量)和Y(依赖变量)的相关方向。如果当X增加时，Y趋向于增加，斯皮尔曼相关系数则为正。如果当X增加时，Y趋向于减少，斯皮尔曼相关系数则为负。斯皮尔曼相关系数为零表明当X增加时Y没有任何趋向性。
当X和Y越来越接近完全的单调相关时，斯皮尔曼相关系数会在绝对值上增加。当X和Y完全单调相关时，斯皮尔曼相关系数的绝对值为1。
参考资料来源：
参考资料来源：
相似回答