pearson相关性分析,spearman相关性分析

pearsoncorrelation分析用于分析两个连续变量相关性。肯德尔和斯皮尔曼三种相关法的区别分析: pearson:皮尔逊，线性相关性；斯皮尔曼:斯皮尔曼，单调相关性；肯德尔:单调相关性；和spearman的区别是需要对某个对比数据进行排序，在排序上计算速度比spearman快。
1、皮尔森相关性分析结果怎么看? Pearson相关系数是一个传统的统计分析工具，应用非常广泛。但它有明显的理论局限性，即只能测量线性相关性，并隐含高斯假设，无法应用于非线性和非高斯情况。CE对变量不做任何假设，可以适用于相关性分析的所有情况。是相关性分析的理想工具，可以完美替代皮尔逊相关系数等传统工具。分析工具推荐:现实研究中经常用到皮尔逊相关系数。
2、spss里面的皮尔逊相关系数分析,急急急【pearson相关性分析,spearman相关性分析】spss的相关表，每个单元格有三行数据，一行是pearson相关系数值，代表相关系数的大?。?另一行是样本量，代表你在这组数据中有多少被试，最后是显著性检验结果，即sig(双侧) ，可以用来解释你得到的相关性- 。