当Spearman相关性比Pearson小一定数量时，它表示什么？

我有一堆相关的数据集。它们之间成对的皮尔逊相关性通常肯定比斯皮尔曼相关性大。这表明任何相关都是线性的，但是即使皮尔逊和斯皮尔曼是相同的，也可能期望这样。当皮尔逊和斯皮尔曼相关性之间存在一定的差距并且皮尔逊更大时，这意味着什么？这似乎是我所有数据集的一致特征。

Spearman相关只是使用等级（顺序统计）而不是实际数值的Pearson相关。您问题的答案是他们没有衡量同一件事。皮尔逊：线性趋势，斯皮尔曼：单调趋势。皮尔逊相关性较高意味着线性相关性大于秩相关性。这可能是由于分布尾部的影响性观察相对于其排名值具有很大的影响。当数据中保持线性时，使用Pearson相关性进行的关联测试具有更高的功效。

皮尔森相关性为准确起见假设了几个假设：1）每个变量都是正态分布的；2）同方性，每个变量的方差保持恒定；3）线性，这意味着描述关系的散点图显示数据点围绕回归线对称聚集。

Spearman相关性是基于观测等级的Pearson非参数替代方法。Spearman相关性使您可以放宽关于数据集的所有三个假设，并得出仍相当准确的相关性。

您的数据所暗示的是，它可能会实质性地破坏一个或多个上述假设，从而使两个相关性显着不同。

鉴于您在两个相关性之间有很大的差距，您应该研究数据集的变量在散点图中是否呈正态分布，同线性和线性。

上述调查将帮助您确定Spearman或Pearson相关系数是否更具代表性。