当我们要研究某指标与某结果之间是否存在一定的相关性，就需要进行相关性分析，现如今比较常用的相关性分析有斯皮尔曼相关性分析、皮尔逊相关性分析，两者所适用的范围不同。

今天我们就使用IBM SPSS Statistic软件，来讲讲斯皮尔曼相关性分析法的假设检验和使用方式。

一、单调性检测

上面我们提到了斯皮尔曼相关性分析和皮尔逊相关性分析使用的范围是不同的，其中，斯皮尔曼相关性分析适用于对存在单调性关系的变量进行检测；而皮尔逊相关性分析适用于对正态分布的变量进行检测。所以下面我们首先需要检测数据变量之间是否存在一定的单调性。

下图1是准备好要演示的数据，第一列表示人员久坐的时间，第二列表示人员的胆固醇含量，今天我们要研究的就是久坐是否与胆固醇含量之间有一点的关系。

图1：相关性分析数据

点击【图形】菜单，选择【图形构建器】，然后点击下方的“散点图/点图”选项，双击第一个散点图，然后将左侧列表的“久坐时间”拖动到X轴上，将“胆固醇”拖动到Y轴上，具体步骤见图2。

图2：图形构建器

点击“确定”后，会生成下图3所示的散点图，我们从图3可以看出，久坐时间与胆固醇含量存在着一定的单调关系，且它们之间的关系是正向的，久坐时间越长，胆固醇含量越高。

图3：绘制的散点图

二、斯皮尔曼相关性分析

完成单调性的假设检验以后，我们接下来就可以使用斯皮尔曼来分析这两个指标之间的相关性了。第一步：点击【分析】--【相关】--【双变量】。

图4：双变量分析

在变量中选择我们的两个指标变量，然后在相关系数中勾选“斯皮尔曼”，显著性检验勾选“双尾”，同时勾选“标记显著性相关性”，最后点击“确定”。

图5：双变量相关性

三、结果分析

最终的相关性分析结果如图6，我们看第一行的相关系数指标，可以看到，它们之间的相关系数为0.793，这说明它们之间是存在一定的正向相关性。

对于相关系数来说，0表示两者之间没有相关性，-1表示负相关性，1表示正相关性，越接近于-1或者1，则相关性越强。

图6：相关性结果

这就是在IBM SPSS Statistics软件中使用斯皮尔曼相关性分析法，进行假设检验和双变量相关性分析的全部教程，从散点图我们也可以直观地论证出最终结果的准确性，希望本教程能给大家在相关性分析的工作中带来帮助。

作者署名：包纸