你遇到的问题
你的变量是排名、等级或严重偏态的连续数据,散点图看起来是单调但非线性的关系,用 Pearson 相关被质疑不合适;改用 Spearman 后又不知道那个希腊字母 ρ 该怎么写、要不要报自由度。
适用场景
Spearman 等级相关(ρ, rho)适用于至少一个变量为顺序尺度、或连续变量不满足正态与线性假设的情形。它衡量的是两变量间的单调关系强度,通过对原始数据取秩后计算,对异常值比 Pearson 更稳健。
正确做法
报告 Spearman 相关系数(常写作 rs 或 ρ)、样本量或自由度以及 p 值,系数一般保留两位小数。可写成 rs(N-2) = 值, p = 值 的形式,或直接报 rs 与 N。解释时强调这是单调关系而非线性关系,正负号表示方向,绝对值大小表示强度。
报告示例:Spearman 等级相关分析表明,学业压力等级与睡眠质量评分呈显著负相关,rs(98) = -.42, p < .001,即压力等级越高,睡眠质量越差。作为对比,同一数据的 Pearson 相关为 r = -.29,因变量存在偏态,Spearman 的估计更为稳健可信。
常见错误
错误一:把 Spearman 系数当作线性相关来解读,声称「呈线性关系」,其实它只反映单调趋势。错误二:在明显偏态或有序数据上仍首选 Pearson,或反过来对满足正态、线性的连续数据滥用 Spearman,损失统计效能,未根据数据性质选对方法。
需要更进一步?
已有输出但不确定怎样解释,可先查看人工复核服务的范围与交付样例。免费解读器目前仅支持单行带标签结果,不能判断完整表格、复杂模型或研究设计;复杂需求需另行评估。