提到要進行變項間的相關分析，第一直覺會聯想到皮爾森積差相關（Pearson product-moment correlation），但畢竟是有母數統計，偶爾遇到某些情況被要求改用無母數的相關分析，包含（1）變項不服從常態（2）樣本數小（3）其中一變項為順序尺度，此時將採用Spearman等級相關來探討變項之間的相關情形。
如果有研究過皮爾森相關的公式，會知道公式主要以變項的共變數來計算出相關的強度及方向性，而在Spearman等級相關，則是以每一筆資料在兩個變項的等級差值作衡量標準，若等級差值越小，兩個變項的相關程度則越高，詳細公式說明如下。這邊準備的示範資料為10位個案對於所有照護項目的滿意程度（欄B）及需求程度（欄C），接著以排序方式計算對應的滿意等級（欄E）與需求等級（欄F），因應公式的需要，所以先將滿意等級與需求等級進行相減得到等級差d值（欄H），最後再等級差d值進行平方（欄I）
上述資料準備好後，下方即為Spearman等級相關的公式，公式中，di平方即是等級差d值的平方，因此需要計算平方和後乘以6倍，n為樣本數量，以本例來說n=10，代入公式後，可以得到r = 0.369697，即是Spearman等級相關係數。接著透過t檢定統計量來檢驗顯著性結果，只需將相關係數r = 0.369697，以及樣本數n = 10代入，可以得到t值為1.125392，再透過Excel函數TDIST，求得顯著性p值為0.29305。
最後我們透過SPSS操作來驗證此結果，說明如下。
作法：
（1）點選「分析」à「相關」à「雙變數」。
（2）在相關係數中，選擇「Spearman相關係數」。
（3）從左邊的變項中，將要進行相關分析的變項放入右邊的「變數」，一次可以進行多個變項的相關分析。
（4）報表顯示， Spearman相關係數為.370，顯著性p值為.293，分析樣本數為10筆。
留言列表
{{ article.title }}