【原】JASP相关分析：有序分类变量的kendall系数

相关分析中，考察两个连续数据间相关关系最为常见，比如广告费用与产品销售。但是实际中也不可避免要遇到两个分类变量相关关系的考察，比如有研究者想考察某个行业中不同学历与收入水平间的相关性。

这两个数据不一般，不是普通的无序分类变量，而是有序分类变量，所以不能随意用皮尔逊相关系数来探查，合适的选择是kendall’s tau-b相关系数。

原始数据记录

假设我们拿到的是原始数据记录，一行一个个案，两列分别是收入inc和学历edu。部分数据展示如下：

JASP的菜单操作其实非常简单，在【Regression】中选择【Correlation Matrix】。首先我们把需要分析的数据扔进目标变量框内，这就算是告诉软件，我们要分析他们两。

然后直截了当告诉软件，我要求你马上给我计算kendall’s tau-b系数，勾选参数选项就好。

那右侧的结果中会马上奉上结果，来看一看：

三线表很好，不过格式有点丑，有多余的单元格。

勾选上【Display pairwise table】，换个表格形式，再勾选上【Report sig】标记上显著性水平更有统计感。结果如下：

相关系数范围是[-1,1]，负号表示负相关，正数表示正相关，系数绝对值越大相关程度越强。

在本例中Kendall’s tau-b=0.719，显著性检验P＜0.001，说明学历和收入存在正相关关系，即学历越高，收入越高，有统计学意义。

万一你做相关系数其显著性检验P＞0.05，这说明统计学上认为两个变量间没有相关性。

交叉表频数数据

假设我们拿到的不是原始数据，而是统计汇总后的频数表资料，在JASP中也是可以轻松完成相关分析。此时应该使用列联表分析了。

行变量学历edu，列变量inc，再加一个频数数据，这就是交叉表频数数据资料。

在顶部的【Frequencies】菜单中选择【Contingency Tables】，可以将学历edu作为行变量（用来分组），收入inc作为列变量（关注的目标），然后用频数数据加权。加权和交叉表合在同一个菜单中，这一点比SPSS方便太多了。

然后我们需要告诉软件，我要什么。交叉表卡方检验不是万能的，它适合于无序分类变量，对于有序分类变量，我们可以不输出卡方检验结果。

既然分析目标很明确，就是要考察学历和收入间的相关性，那么就干脆利索的命令软件技术【Kendall’s tau-b】。其他参数不用管了。

来看结果吧。

统计了交叉表表格，看看就行了。有价值的是同步输出“理论频数”，这是卡方检验原理性的东西，我们这里不讨论。

直接看相关性。Kendall’s tau-b=0.719，显著性检验P＜0.001，说明学历和收入存在正相关关系，即学历越高，收入越高，有统计学意义。结果和前面原始数据记录完全一致，这是毫无疑问的。

JASP，一个全新的统计软件，完全免费，菜单式操作不写代码，欢迎更多人加入本公众号，一起来使用JASP（或jamovi，另外一款完全免费不写代码的统计软件）完成统计分析工作。