一、问题与数据

某研究者猜测，45岁至65岁健康男性中，久坐时间较长者，血液中的胆固醇浓度要高一些。因此开展一项研究，拟探讨胆固醇浓度（mmol/L）与久坐时间（(mins/day)）是否有关。研究者收集了研究对象每天久坐时间（变量time）和胆固醇浓度（变量cholesterol）。部分数据如图1。

图1 部分数据

二、对问题分析

研究者想观察两个连续变量之间的相关性，可以使用Pearson相关分析。使用Pearson相关分析时，需要考虑5个假设。

假设1：两个变量都是连续变量。

假设2：两个连续变量应当是配对的，即来源于同一个个体。

假设3：两个连续变量之间存在线性关系，通常做散点图检验该假设。

假设4：两个变量均没有明显的异常值。Pearson相关系数易受异常值影响。

假设5：两个变量符合双变量正态分布。

假设1和假设2与研究设计有关。经分析，本研究数据符合假设1和2。如何考虑和处理假设3-5呢？

三、SPSS操作

请先登录

这么重要的内容，赶快登录查看吧！

登录

四、结果解释

请先登录

这么重要的内容，赶快登录查看吧！

登录

五、撰写结论

本研究采用Pearson相关分析评价45-65岁男性中胆固醇浓度和每天久坐时间的关系。这两个变量间存在线性关系，根据Shapiro-Wilk检验符合正态分布（P>0.05），并且不存在异常值。每天久坐时间与胆固醇浓度间存在中度正相关关系，r=0.791，P<0.001。

六、更多阅读

• 【SPSS教程】Spearman相关分析

  研究者想观察两个连续变量之间的相关性，可以使用Spearman相关（或Pearson相关）分析。Spearman相关适用于判断两个非正态分布（或者有不能剔除的异常值）的连续变量之间的相关关系。当两个连续变量均符合正态分布时，建议优先选用Pearson相关分析。

• 【SPSS教程】Kendall's tau-b相关系数

  要判断两个有序分类变量之间是否存在相关，建议使用Kendall’s tau-b相关分析，但需要先满足3项假设。