相关分析是研究变量间线性或非线性关系的统计方法，主要分为以下五种常用方法：

一、积差相关（Pearson相关）

1. 适用条件 ：适用于两个连续型变量之间的线性相关分析，要求数据满足正态分布且变量间无显著异常值。

2. 计算公式 ：通过计算相关系数r，其值范围为-1到1，r=1表示完全正相关，r=-1表示完全负相关，r=0表示无相关。

二、斯皮尔曼相关（Spearman相关）

1. 适用条件 ：适用于两个顺序变量（如排名数据）或非正态连续型变量的相关性分析。

2. 计算方法 ：基于变量的秩次（排序后的位置）计算相关系数，值域为-1到1，可判断变量间的单调关系方向。

三、肯德尔相关（Kendall相关）

1. 适用条件 ：主要用于多组顺序变量之间的相关性分析，尤其适合判断多个变量间的一致趋势。

2. 核心思想 ：通过比较观测值与秩次的一致性，计算相关系数，值域为-1到1，值越大表示一致性越高。

四、斯皮尔曼-布朗相关（Spearman-Brown相关）

1. 适用条件 ：扩展了斯皮尔曼相关，适用于多组有序分类变量，可分析多组变量间的协同变化趋势。

2. 特点 ：通过构建多个二分变量，逐步分析变量间的交互关系，结果以相关系数表示。

五、其他补充方法

• 卡方检验 ：用于分类变量间的关联性分析（如频数分布的拟合优度检验）；

• 因子分析 ：通过降维技术提取变量间的潜在因子（如主成分分析）。

注意事项 ：相关分析仅能揭示变量间的关联程度，不能直接推断因果关系。实际应用中需结合领域知识和进一步验证。