在SPSS软件相关分析中，pearson（皮尔逊），kendall （肯德尔）和spearman （斯伯曼/斯皮 尔曼）三种相关分析方法有什么异同两个连续变量间呈线性相关时，使用Pearson积差相关系数，不满足积差相关分析的 适用条件时，使用Spearman秩相关系数来描述.Spearman相关系数又称秩相关系数，是利用两变量的秩次大小作线性相关分析，对 原始变量的分布不作要求，属于非参数统计方法，适用范围要广些对于服从Pearson相关 系数的数据亦可计算Spearman相关系数，但统计效能要低一些Pearson相关系数的计算 公式可以完全套用Spearman相关系数计算公式，但公式中的x和y用相应的秩次代替即可Kendall's tau-b等级相关系数：用于反映分类变量相关性的指标，适用于两个分类 变量均为有序分类的情况对相关的有序变量进行非参数相关检验；取值范围在-1-1之间， 此检验适合于正方形表格；计算积距pearson相关系数，连续性变量才可采用;计算Spearman秩相关系数，适合 于定序变量或不满足正态分布假设的等间隔数据；计算Kendal l秩相关系数,适合于定序变 量或不满足正态分布假设的等间隔数据。
计算相关系数：当资料不服从双变量正态分布或总体分布未知，或原始数据用等级表 示时，宜用spearman或kendal l相关Pearson相关复选项积差相关计算连续变量或是等间距测度的变量间的相关分析Kendall 复选项等级相关计算分类变量间的秩相关，适用于合并等级资料Spearman 复选项等级相关计算斯皮尔曼相关，适用于连续等级资料注：1若非等间距测度的连续变量因为分布不明-可用等级相关/也可用Pearson相关，对于完 全等级离散变量必用等级相关2 当资料不服从双变量正态分布或总体分布型未知或原始数据是用等级表示时 ，宜用 Spearman 或 Kendall 相关3若不恰当用了Kendall等级相关分析则可能得出相关系数偏小的结论则若不恰当使用， 可能得相关系数偏小或偏大结论而考察不到不同变量间存在的密切关系对一般情况默认数 据服从正态分布的，故用Pearson分析方法在 SPSS 里进入 Correlate —》Bivariate,在变量下面 Correlation Coefficients 复选框 组里有3个选项：PearsonKendall's tau-bSpearman：Spearmanspearman （斯伯曼/斯皮尔曼）相关系数斯皮尔曼等级相关是根据等级资料研究两个变量间相关关系的方法。
它是依据两列成 对等级的各对等级数之差来进行计算的，所以又称为“等级差数法”斯皮尔曼等级相关对数据条件的要求没有积差相关系数严格，只要两个变量的观测值 是成对的等级评定资料，或者是由连续变量观测资料转化得到的等级资料，不论两个变量的 总体分布形态、样本容量的大小如何，都可以用斯皮尔曼等级相关来进行研究Kendall's相关系数肯德尔（Kendall）W系数又称和谐系数，是表示多列等级变量相关程度的一种方法 适用这种方法的数据资料一般是采用等级评定的方法收集的，即让K个评委（被试）评定N 件事物，或1个评委（被试）先后K次评定N件事物等级评定法每个评价者对N件事物排 出一个等级顺序，最小的等级序数为1 ,最大的为N,若并列等级时，则平分共同应该占据 的等级，如，平时所说的两个并列第一名，他们应该占据1，2名，所以它们的等级应是, 又如一个第一名，两个并列第二名，三个并列第三名，则它们对应的等级应该是1,,,5,5,5, 这里是2,3的平均，5是4,5,6的平均肯德尔（Kendall）U系数又称一致性系数，是表示多列等级变量相关程度的一种方法 该方法同样适用于让K个评委（被试）评定N件事物，或1个评委（被试）先后K次评定N 件事物所得的数据资料，只不过评定时采用对偶评定的方法，即每一次评定都要将N个事物 两两比较，评定结果如下表所示，表格中空白位（阴影部分可以不管）填入的数据为：若i 比j好记1,若i比j差记0,两者相同则记。
一共将得到K张这样的表格，将这K张表格 重叠起来，对应位置的数据累加起来作为最后进行计算的数据，这些数据记为Yij正态分布的相关检验对来自正态总体的两个样本进行均值比较常使用T检验的方法T检验要求两个被 比较的样本来自正态总体两个样本方差相等与不等时用的计算T值的公式不同进行方差齐次性检验使用F检验对应的零假设是：两组样本方差相等P值小于说 明在该水平上否定原假设,方差不齐；否则两组方差无显著性差异U检验时用服从正态分布的检验量去检验总体均值差异情况的方法在这种情况下总 体方差通常是已知的虽然T检验法与U检验法所解决的问题大体相同，但在小样本（样本数n） =30作为 大样本）且均方差未知的情况下就不能用U检验法了均值检验时不同的数据使用不同的统计量使用MEANS过程求若干组的描述统计量，目的在于比较因此必须分组求均值这是 与Descrip tives过程不同之处检验单个变量的均值是否与给定的常数之间存在差异，用One-Sample T Test单样 本T检验过程检验两个不相关的样本是否来自来具有相同均值的总体，用Independent-SamplesT test独立样本t检验过程如果分组样本不独立，用Paired Sample T t es t配对t检验。
如果分组不止两个，应使用One-Way ANOVO —元方差分析（用于检验几个独立的组, 是否来自均值相等的总体）过程进行单变量方差分析如果试图比较的变量明显不服从正态分布，则应该考虑使用—种非参数检验过程 Nonparametric test.如果用户相比较的变量是分类变量，应该使用Cross tabs功能当样本值不能为负值时用右侧单边检验。