严格来讲,Pearson linear correlation需要两个变量都服从正态分布。但通常人们都忽略这个问题,特别是量表的总分的范围不是很小的情况下。人们忽略这个问题,其中一个原因,可能是尽管某一个小样本研究(比如你的研究)中某个变量不符合正态分布,但总体来说是符合的。不管怎样,如果非常不符合正态分布,的确不应该直接进行线性相关分析。除了采用一些方法进行转换,另外一个方法是删除极端值。
但如果量表的总分只有少数几个,则不适合Pearson linear correlation,这种情况下,采用Spearman可能比较合适。但许多软件不支持Spearman。
Submitted by ZangYF on Mon, 11/16/2015 - 05:55 Permalink
Re: rest相关性分析的问题
严格来讲,Pearson linear correlation需要两个变量都服从正态分布。但通常人们都忽略这个问题,特别是量表的总分的范围不是很小的情况下。人们忽略这个问题,其中一个原因,可能是尽管某一个小样本研究(比如你的研究)中某个变量不符合正态分布,但总体来说是符合的。不管怎样,如果非常不符合正态分布,的确不应该直接进行线性相关分析。除了采用一些方法进行转换,另外一个方法是删除极端值。
但如果量表的总分只有少数几个,则不适合Pearson linear correlation,这种情况下,采用Spearman可能比较合适。但许多软件不支持Spearman。