pearson相關和spearman的區別

區別：

1、分析範圍不同：

Pearson用於計算連續數據的相關，而speraman相關是專門用於分析順序數據，二者分析範圍不同。

2、用途不同：

Pearson相關是最常見的相關公式，用於計算連續數據的相關，比如計算班上學生數學成績和語文成績的相關可以用Pearson相關。而spearman相關是專門用於分析順序數據的，就是那種只有順序關係，但並非等距的數據，比如計算班上學生數學成績排名和語文成績排名的關係。

當然如果你也可以用pearson相關來計算順序數據，此時得到的結果和用spearman相關得到的一樣。

拓展材料：

相關表和相關圖可反映兩個變量之間的相互關係及其相關方向，但無法確切地表明兩個變量之間相關的程度。於是，著名統計學家卡爾·皮爾遜設計了統計指標--相關係數(Correlation coefficient)。相關係數是用以反映變量之間相關關係密切程度的統計指標。

相關係數是按積差方法計算，同樣以兩變量與各自平均值的離差為基礎，通過兩個離差相乘來反映兩變量之間相關程度着重研究線性的單相關係數。

1、衡量內容

Pearson相關係數是用來衡量兩個數據集合是否在一條線上面，用來衡量定距變量間的線性關係。

spearman相關係數是衡量兩個變量的依賴性的非參數指標。

2、計算公式

Pearson相關係數：

spearman相關係數：

3、特點：

Pearson相關係數：相關係數的絕對值越大，相關性越強：相關係數越接近於1或-1，相關度越強，相關係數越接近於0，相關度越弱。

spearman相關係數：斯皮爾曼相關係數表明X(獨立變量)和Y(依賴變量)的相關方向。如果當X增加時，Y趨向於增加，斯皮爾曼相關係數則為正。如果當X增加時，Y趨向於減少，斯皮爾曼相關係數則為負。斯皮爾曼相關係數為零表明當X增加時Y沒有任何趨向性。

當X和Y越來越接近完全的單調相關時，斯皮爾曼相關係數會在絕對值上增加。當X和Y完全單調相關時，斯皮爾曼相關係數的絕對值為1。

參考資料來源：

參考資料來源：