晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

表格：

（8）最常見的相關係數表，直接根據輸入的報表，只留下相關係數的部分製表，左邊列輸入變數名稱，上方欄則用代號表示，顯著性的部分直接以星號表示就好，這樣的呈現一目了然。然而也是有缺點的，當放入的變項太多時，在兩兩變項的相關組合下會產生非常的相關係數，將容易造成表格的數字不好閱讀。從表4-4-1可知研究變項有3個，分別是日常生活功能、憂鬱、生活品質，因此主要的相關分析有「日常生活功能與憂鬱」、「日常生活功能與生活品質」、「憂鬱與生活品質」，剩下未標顏色的區域為生活品質各構面的自我相關。

（9）除了表4-1-1的呈現方式，另一種則是將要進行相關的兩個變項，明確地分別放入列與欄，以表4-1-2為例，如果重點在身心變項與生活品質的相關，就可以把一個放在列（如身心變項），另一個放在欄（如生活品質），因此不會出現表4-1-1生活品質各層面的自我相關。

（10）不過製作表4-1-2的相關係數表，建議先看一下兩邊的變項數量，在直向A4的規格下，欄變項放的數量會受到限制，因此通常我會將變項比較多的放在列（如身心變項，共5個），變項比較少在欄（如身心變項，共2個），如表4-1-3所示。

類別變項跑皮爾森相關：

在看客戶提供的範本時，偶爾會遇到類別變項與連續變項一起放入跑皮爾森相關，如果類別變項屬於二分類變項，那做出來的結果稱之為點二系列相關（Point biserial correlation），但如果類別變項超過二分類，那麼相關分析的結果則不能使用，說明如下。

（11）這裡舉一個四分類的類別變項（婚姻狀態），原始編碼為，1=未婚、2=已婚、3=離婚、4=喪偶；新編碼為，1=未婚、2=已婚、3=離婚、4=喪偶。

（12）首先讓這兩個變項進行皮爾森相關分析，相關係數為.827，由此可知，這兩個變項在統計中已經不是完全一樣的變數了。

（13）接著我們將這兩個變項分別與生活品質跑皮爾森相關，從結果可知兩邊得到的相關係數完全不同，在結果不一致的情況下，我們知道使用皮爾森積差相關是不合適的。

（14）當研究二分類變項與連續變項的關係時，通常會直接想到採用獨立樣本t檢定（Independent），不過也可以使用這篇所教的皮爾森積差相關分析，得出來的結果為點二系列相關係數（Point biserial correlation coefficient），其結果的顯著性會和獨立樣本t檢定的相同，不過相關分析畢竟是強調兩個變項變動的方向性，因此在解釋上會比較不好說明，譬如說性別與整體生活品質的相關係數為-.291，達顯著負相關，但就t檢定來說，指的是男女生在整體生活品質有明顯差異，可再從平均數檢定哪一群體的生活品質得分較高。