摘要
使用Spearman等级相关性测试两个等级变量或一个等级变量和一个测量变量之间的关联。 如果您担心非正态性，也可以对两个测量变量使用Spearman等级相关性而不是线性回归/相关性，但这通常不是必须的。

宏伟的军舰鸟（军舰鸟magnificens）的雄性有一个大红色的喉囊。 他们直观地展示这袋并用它寻找伴侣时，能发出击鼓声。 想知道雌性（可能是根据袋的大小选择伴侣）是否可以将击鼓声的音调作为袋大小的指标。 作者估计了18位雄性的小袋的体积和击鼓声的基本频率。

有两个测量变量，袋的大小和频率。 作者使用Spearman等级相关性分析了数据，该关联将测量变量转换为等级，并且变量之间的关系很显着（Spearman的rho = -0.76，16 d.f.，P = 0.0002）。 作者没有解释为什么他们使用Spearman等级相关性。 如果他们使用正相关，获得r = -0.82，P = 0.00003。

例

Spearman等级相关的例子

### --------------------------------------------------------------
### Spearman rank correlation, frigatebird exampleData = read.table(textConnection(Input),header=TRUE)cor.test( ~ Pitch + Volume, data=Data,method = "spearman",continuity = FALSE,conf.level = 0.95)Spearman's rank correlation rhoS = 1708.382, p-value = 0.0002302sample estimates:rho-0.7630357

数据简单图

  

plot(Pitch ~ Volume, data=Data, pch=16)

绘制结果图

有关此主题的信息，请参见手册。

怎么做测试

Spearman等级相关的例子

Spearman's rank correlation rhoS = 1111.908, p-value = 0.1526rho-0.3626323

数据简单图

  

---