在分析指标与指标、指标与研究对象的影响程度时，很多时候会用到相关系数法，下面介绍一下斯皮尔曼相关系数法。

        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，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。如果两个变量之间的相关系数完全相同，斯皮尔曼相关系数就是+1或者-1，换句话说，相关系数距离+1或者-1越近表明两个变量之间的相关性就越强。

        斯皮尔曼相关系数可由下式得出：

                                           

其中n为样本容量，p为相关系数，x,y为两个变量 中对应的元素。 

在实际应用或是具体题目中，变量间的连结是无关紧要的，将观测的两个变量的对应元素相减得到一个差值d，则还可以将上述公式转化为：

                                  

适用范围：只需两个变量的观测值是成对的等级评定数据，或者是由连续变量观测数据转化得到的等级数据，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系数来进行研究。

下面我们利用matlab中的corr函数来求解，具体代码如下：

①当X与Y是构成一个矩阵时，关于两者相关系数程序格式为

corr(X,Y,'type','Spearman')

②当X是由多个指标数据构成的矩阵时，关于指标间相关系数程序格式为

corr(X,'type','Spearman')

clc;clear
x=[2 4 6 23 7 8 22 44 47 12]';
y=[3 36 97 22 46 11 9 54 32 21]';
z=corr(x,y,'type','Spearman')

 运行结果为z=0.1030，注意其中的x，y必须为列向量。

A=[1 2 3 4 0 6 7 8 93 5 7 8 9 11 13 15 166 5 4 8 9 12 13 15 17]';
B=corr(A,'type','Spearman')

运行结果：B =    1.0000    0.8333    0.7667    0.8333    1.0000    0.9333    0.7667    0.9333    1.0000

        其中，A也必须为列向量，结果分析：B中第一行第一列是第一个指标和A中第一行数据进行相关系数的运算得出，也就是说A中第一行和第一行进行运算，所以结果为1，相关性完全一致。第二行第一列表示第二个指标和A中第一行数据进行相关系数运算，结果为0.8333