Spearman相关性分析(Spearman Correlation Analysis) |
您所在的位置:网站首页 › r语言spearman相关性分析结果解读 › Spearman相关性分析(Spearman Correlation Analysis) |
在前面文章中介绍了Spearman相关性分析(Spearman Correlation Analysis)的假设检验理论,本篇文章将实例演示在Stata软件中实现Spearman相关性分析的操作步骤。 关键词:Stata; 相关分析; Spearman相关分析; 连续变量相关分析; Spearman相关系数; 等级相关分析; 秩相关 一、案例介绍某医师收集了224例肺癌患者的生存时间(time)和患者自评的卡氏评分(patkarno)。问患者自评的卡氏评分与其生存时间是否相关。部分数据见图1。本文案例可从“附件下载”处下载。 本案例的分析目的是检验患者自评的卡氏评分与其生存时间是否相关,即探究自评卡氏评分与生存时间的相关性,两个变量均为定量变量,可以采用Pearson相关性分析或Spearman相关性分析。若使用Spearman相关性分析需要满足两个条件: 条件1:两个定量变量中至少有一个为非正态分布或总体分布未知或为等级资料。 条件2:两变量之间为单调关系。 三、软件操作及结果解读 (一) 适用条件判断 1. 条件1判断(正态性检验) (1) 软件操作①*使用Shapiro-Wilk检验考察两个变量的正态性* swilk time patkarno ②*分别绘制两个变量的正态分位图* qnorm time qnorm patkarno 图2、图3和图4给出了正态检验统计学推断的结果和Q-Q图。图2显示两个变量正态性检验的P值均 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |