相关系数-中国医药大学生物统计研究所.PDFVIP

中國醫藥大學 生物統計中心                                                                2009/11  第五章 相關係數  廖麗娜 統計分析師    在一般研究中，研究者通常有興趣的是探討變項間的關係 ，首先遇到的問題是如何把關 係量化，進而說明變項間之相關強弱。描述變項間的關係所使用的統計方法種類很多，在不 同的資料類型下，應慎選合適的統計方法。  第四章提及兩類別變項間相關強度的描述可透過「勝算比」的統計量得知，而本章將介 紹皮爾森相關係數(Pearson’s correlation coefficient)與斯皮爾曼等級相關係數(Spearman’s rank  correlation coefficient) ，來描述兩連續變項間線性關係之強弱，並檢定其線性相關是否存在。    1‐0. 資料型態與適用統計方法  研究問題：探討洗腎病人的存活時間與不同生化值（白蛋白、鉀、鈣、磷）間之線性關係強 弱，並檢定線性相關是否存在。  表01‐1 為本章將使用的變項及數據值，表01‐2 為資料型態與適用統計方法，參考表01‐2 ， 有兩種方法可以用來描述兩連續變項間的關係：(1)皮爾森相關係數(Pearson’s  correlation  coefficient) ；(2)斯皮爾曼等級相關係數(Spearman’s rank correlation coefficient)    表01‐1 、使用的變項及部分數據值  ID  Albumin  K  Ca  P  sur_time_month    (白蛋白)  (鉀) (鈣) (磷) (存活時間)  1  3.4 7 8.8 5.2 41.101  2  3.3 4.9 7.6 8.3 10.743  3  1.7 5.7 7.9 6.5 46.029  4  2.8 3 12.1 6.1 10.940  5  3.1 5.1 7.1 7.8 10.480  …  … … … … …  98  2.5 4.3 8.3 3.2 6.637  99  3.3 9.7 8.8 7.2 10.908  100  1.9 3.3 8.8 2.9 3.877  註：資料來自本校附設醫院腎臟科，樣本數共有100 人且皆為死亡  的個案，故可得知其存活時間。      5‐1  SAS教戰手冊   中國醫藥大學 生物統計中心