以斯帖統計顧問公司

在生物醫學的研究中，常需對感興趣的兩個變數來檢驗是否具有相關性，以及如具有相關性，其相關的方向爲正向或是反向相關？例如：體脂肪與血壓，體重與血糖值高低之間的關聯性。而最常被應用來呈現相關性的指標即爲pearson 相關或spearman相關，然而這兩個指標在應用的情形上有所不同。

一般而言，Pearson 相關常用來呈現連續型(continous)變數之間的關聯性，尤其在變數符合常態分配的假設下，最爲精確；而spearman相關則不需符合常態，僅要求變數的資料型態至少爲有序的(ordinal)。另一個選擇上的重點爲在資料具有離群值時(outliers)，以spearman相關來呈現會是較佳的選擇，因爲其不受離群值的影響(這是因爲spearman相關是以排序值(rank)來計算相關係數！)

更深入的來看，pearson相關所衡量的是”線性”相關(linear)，也就是說，主要偵測的是兩變數之間是否有線性相關。所以，當兩變數之間具有相關，但爲非線性時pearson就不是最佳的方法。在這種情形下，spearman更爲合適，例如以下以學生的國文和數學成績之間的相關資料：

其資料的散佈狀態見下圖，

經分別計算相關係數後，可得pearson correlation=0.8829, 而spearman=1。事實上由上圖可看出，資料點間之相關並非線性，所以兩種相關係數值計算結果有很大的不同！所以，spearman相關除了不須常態假設外，在具離群值，或是兩變數間之相關爲非線性時都是適合的使用時機。

Reference
Lehman, Ann (2005). Jmp For Basic Univariate And Multivariate Statistics: A Step-by-step Guide. Cary, NC: SAS Press. p. 123.