到这一次，医学统计学的回顾就差不多快结束了，大家可以从本教程的第一讲数一下，重要的章节基本上都提到了，当然，要算上这一次的相关和回归。再次吐槽一下人卫六方积乾主编的卫生统计学教材，眉毛胡子一把抓，内容庞杂繁芜，什么东西都往里面塞；这本教材我的感觉是看起来非常费劲，不推荐大家用，我一直推荐的统计教材是高教出版社李晓松主编的那本。

闲话不说，首先来看相关，为了与研究生阶段要学习的偏相关、多元相关区分，我把本科阶段需要掌握的这种相关称作简单相关分析；通俗的说，就是两个变量，分析其协同变化趋势，是否随着A变量的增大，B变量也随着增大；或者是否随着A变量的增大，B变量却随之减小；在这种两个变量协同变化的过程中，协同变化的趋势强弱或者程度高低一般会用相关系数来表示。

简单相关分析教材中一般会提到两种，即pearson积矩相关分析和秩相关分析，两种方法针对不同分布的数据资料，这个大家必须要明白；因为两种分析方法在操作上大同小异，我们就以pearson积矩相关分析为例来重点讲解。

pearson积矩相关分析，对数据的要求是，A、B两组变量均满足正态分布，即我们经常说的双变量正态分布或者二元正态分布，如果不满足该条件，就需要使用秩相关分析。pearson积矩相关分析步骤很简单，先做散点图，看有无相关趋势，若有相关趋势就用spss计算其相关系数，同时对相关系数进行假设检验。相关系数的解释看一下，r的绝对值越大说明两变量关联越密切，等等。

秩相关分析，两变量不满足正态分布，或者分布未知或者数据资料采用等级表示，这时候就该秩相关分析上场了，其实操作步骤就比上面的多了一步，相对两个变量进行编秩，通俗的讲就是按照大小排队，以在队伍中的序号作为相关分析的变量。

分类变量的相关分析，其实我们在上一次卡方检验已经提到过一句，就是使用列联系数的概念进行相关分析。

我不知道大家有没有相关，做相关分析有什么意义，即使知道了两个变量具有密切的相关性又有什么用处？教材中明确提到，相关并不代表因果，即我们不能认为是A变量的变化引起了B变量的变化，反之也不能；相关也不能向回归那样进行预测。大家有没有与我同样的感受？闲唠几句，但有一句希望大家记住，相关关系不能解释因果关系，这个很重要，也是经常迈入的误区。

over。