如何选择相关性分析方法

关注“心仪脑”查看更多脑科学知识的分享。
我们说研究变量之间的关系主要有两种，一种是函数关系，一种是相关关系。

相关性分析主要用于：（1）判断两个或多个变量之间的统计学关联；（2）如果存在关联，进一步分析关联强度和方向。比如，是否学历越高生活幸福指数越高？高强度锻炼是否会降低血清c反应蛋白？

确定好两个变量之间可能存在某种相关性，如何选择合适的统计方法呢？这需要进一步了解判断变量的数据类型。

变量的数据类型主要分为连续变量、二分类变量、无序分类变量和有序分类变量4类。

01连续变量

连续变量是指在一定区间内可以任意取值的变量叫连续变量，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。比如

• 距离
• 温度
• 时间
• 体重

02有序分类变量

有序分类变量是指其取值的各类别之间存在着程度上的差别。举例来说，如：

• 学历（文盲、小学、初中、高中、大学、研究生等）；
• 患者的诊疗结果“痊愈”、“好转”、“无变化”或“恶化”等；
• 患者对医疗效果的满意程度，用5类测量：
  1-非常不满意、2-不满意、3-一般、4-满意、5-非常满意

03无序分类变量

和有序分类变量相对应，无序分类变量的类别之间没有内在顺序，比如：

• 手机品牌：
  苹果、三星、华为或其他
• 头皮的颜色：
  黑色、棕色、金色、红色
• 职业分类：