今天要给大家分享的是【相关性分析散点图】，本期内容主要从以下几部分展开：

Pearson和Spearman相关性分析的定义和用途

相关性分析散点图怎么看（结合具体案例）

相关性分析相关疑问和解答

一、Pearson和Spearman相关性分析的定义和用途

1．Pearson定义&用途

Pearson相关性分析是一种用于街量两个变量之间线性关系强度和方向（正负）的一种统计分析方法，基于变量的数值本身来计算。

探索变量间的关系：帮助研究者了解两个变量之间的线性关联程。

预测和建模：为建立预测模型提供基础，通过已知交量预测来知交量。

数据筛选：在数据分析的预处理阶段，用于筛选出与研究目标高度相关的变量，排除无关或弱相关变量。

验证假设：在科学研究中，验证关于变量之间关系的假设。

比较不同组数据：比较不同组别中两个变量的相关性是否存在差异。

2．Spearman定义&用途

Spearman相关性分析是一种用于衡量两个变量之间的单调关系（单调递增or单调递减or无单调性）强度和方向（正负）的一种统计分析方法，但不限于线性关系，它基于数据的秩次，计算秩次之间的相关性。

处理不符合正态分布的数据：Spearnan相关性分析比Pearson相关性分析更稳。

分析有序数据：对于有序分类变量（如等圾、名次等），Spearman相关性分析脆有效评估其相关性。

应对异常值：对败据中的异常值不太敏感，能更准确地反映变量之间的总体关联。

探索非线性关系：可以发现变量之闸的单调但非线性的关系。

学科研究应用：在医学、心理学、社会学等领域，常常用于分析各种指标之闸的关联。

二、相关性分析散点图怎么看（结合具体案例）

1．【Pearson相关性分析】怎么看？

案例解读

本图说明平均TCR贡献与F1分数之间存在较强的正相关线性关系，即TCR贡献的变化可能会对模型的性能产生较大影响。

2．【Spearman相关性分析】怎么看？

案例解读

本图表示NanoString技术检测到的基因表达水平与IHC检测到的CD3阳性细胞百分比之间有较好的一致性。IHC的CD3阳性细胞百分比通常用于评估免疫细胞浸润情况，特别是T细胞的浸润程度。而NanoString技术可以同时检测多个基因的表达水平，提供更全面的基因表达谱信息。因此，两者的相关性提示NanoString技术在检测免疫相关基因表达方面具有一定的潜力，具有临床检测意义。

三、相关性分析相关疑问和解答

1．如何确定选用Pearson相关性分析还是Spearman相关性分析？

①连续变量、满足线性关系、正态分布，选择Pearson相关性分析最恰当；

②上述3条，有任意一条不满足，均必须使用Spearman相关性分析；

③当数据为定序数据（有序/等级）的时候，必须使用Spearman相关性分析。

2．线性关系和单调关系有何区别？

①线性关系是两个变量之间的关系，可以用一条直线表示，变化率恒定；

②单调关系是指一个变量增加时，另一个变量始终增加（或始终减少），但变化率可能不恒定，图形可能是直线或者曲线；

③所有的线性关系都是单调关系，但并非所有的单调关系都是线性的。

3．什么是正态分布？

正态分布指数据样本中大多数数据集中在均值附近，离均值越远数据出现的频率越低。

4．相关性分析中的p值代表了什么？

p＜0.05--具有显著统计学意义，即可以认为变量之间存在真实的相关关系，不是偶然发生的。

p＞0.05--不具有显著统计学意义，变量间的相关性很可能是由于随机因素造成的。