转帖：两个相关系数的统计学比较
两个相关系数的统计学比较 ——临床流行病学和循证医学我们常需要考察某变量和其他很多变量之间的线性相关性，比如，考察A和B、A和C的相关性，然后，我们想知道A和B更相关，还是A和C更相关？这时候应该怎么处理呢？简单来说，我们可以对A和B、A和C分别做简单线性相关，如果，两个相关系数均没有统计学意义（即p均>0.05），那也没有必要比较A和B还是和C更相关了。所以，咱们的前提是：A和B、A和C之间的相关系数有统计学意义（即p均<0.05）。比如，图中蓝线代表的是A和B，橙线代表的是A和C。SPSS给出的结果如下表，两个相关系数均有统计学意义，其中r_AB=0.54(p<0.001)，r_AC=0.747(p<0.001)。表面看上去，r_AC>r_AB，是不是说明A和C之间更相关呢？我们知道单纯比较并不可靠，如果有适当的统计学检验能加以佐证结果，就比较有说服力了。首先，我们可以分别求出两个相关系数的置信区间，然后考察两个区间的关系，以比较两个相关系数。其实求相关系数的置信区间很简单，在简单相关的界面，选中自助抽样（英文为Bootstrap），选择执行自助抽样。
咱们看SPSS的结果，r_AB=0.54，区间为0.353至0.747；r_AC=0.747，区间为0.618~0.857。二者的置信区间有交叉，说明两个相关系数的差异是没有统计学意义的，也就是说，通过统计学检验，两个相关系数是一样的，并不是我们认为的A和C更相关。
当然，还有另外一种方法，只需要知道相关系数r和样本量n。刚刚的例子中，r_AB=0.54，r_AC=0.747，样本量均为54，可求出
u值服从标准正态分布，如果u>1.96或者u<-1.96，则说明p<0.05；如果-1.96<u<1.96，则说明p>0.05。例子中u= -1.828，在 -1.96和1.96之间，说明p>0.05，两个相关系数在统计学上没有差异。当然，有读者会提出如果相关系数是负的怎么办呢，因为我们考察的是相关程度，直接用相关系数的绝对值即可。
很简单实用的小方法~以前没意识到置信区间还有这实用性~小技能get，转给大家~ 不错不错，学习了，收藏一下，用着时方便，谢谢分享 很好的资料，学习了谢谢老师。 学习了{:1_1:}{:1_1:}{:1_1:}{:1_1:} 资料很好，学习了，谢谢老师！ 不错不错，学习了，收藏一下，用着时方便，谢谢分享
资料很好，学习了，谢谢老师！ 路过学习了，谢谢分享！ 感谢分享~实用 有一个小小的疑问，做相关分析的前提是：图像线性、两因素是相互独立的、均为正态分布，方差齐。
在这个研究当中，r_AB与r_AC之间不是互相独立的，应该不可以这样进行相关系数的比较吧
页:
[1]