说到相关分析，大家都知道它是用来看两个变量之间相关性的一种分析方法。而资料有符合正态分布的资料、不符合正态分布的资料，还有等级资料。不少医生在做相关性分析时，忽略了各种资料的特点。今天，我们来看看对于不同资料，如何分析它们之间的相关性。

一、当两个变量均为正态分布的连续变量时，用线性相关。

比如分析尿白蛋白和尿总蛋白的相关性，如果这两个变量都符合正态分布，那么就可以用线性相关来实现。SPSS操作：

1、  在进行线性相关分析时，先画出一个散点图，用来直观展示两个变量的相关趋势。

“基本”，选择拟分析的两个变量，选择右侧栏的散点图；

“详细”，设置散点图的X/Y轴，一般默认即可。

得到散点图。如

这一步，是在相关分析之前必须进行的。使用散点图，可以初步判断二者是否有相关趋势，趋势是否为线性，并且能够发现数据中是否存在异常点。如果忽略散点图，得到的相关分析结果可能是不可靠的。

2、  相关分析：

正态分布的两个变量，用Pearson相关，得到二者的相关性。

二、当资料不服从双变量正态分布，或者为等级资料时，用秩相关。

其中Spearman秩相关最为常用。例如尿蛋白半定量表达可以是+，++等，这个资料就是等级资料，如果分析这一资料与白蛋白水平的相关性，就需要用秩相关。这里需要指出的是，对于等级资料，要进行变量赋值，将+、++转换为1、2这样的数值变量，然后再纳入分析。SPSS操作与Pearson相关类似：

选择Spearman相关：

相关分析的结果解释，包括两方面内容：

一是相关系数：绝对值是0-1之间的数，值越大，表示相关性越强；相关系数的正负体现相关的方向，负值代表两变量呈负相关，正值代表正相关。

二是P值，P＜0.05说明得到的相关系数具有统计学意义。

简单的介绍之后，大家是不是对相关性分析的方法有了一个初步的印象？