相关系数

相关系数r的范围：-1至+1。非参数Spearman相关系数（缩写为rs）具有相同的范围。后一个值有时用希腊字母表示ρ（rho）。

如果r或rs远离零，有四种可能的解释：

•X变量的变化导致Y变量的值发生变化。

•Y变量的变化导致Y变量的值发生变化。

•另一个变量的变化会影响X和Y。

•X和Y事实上无任何关联，只是刚好观察到如此强关联。P值量化该情况出现的可能性。

相关系数的注释：

•如果选择Spearman非参数相关，则Prism通过近似法来计算Spearman相关系数的置信区间。根据Zar（生物统计分析），仅在n＞10时，才需要使用该近似法。因此，对于较小的n值，Prism根本不报告Spearman相关系数的置信区间。

•如果让Prism计算相关矩阵（计算每对变量的相关系数），则会计算每对简单相关系数，而不考虑其他变量。其并不计算多元回归或部分回归系数。

•如果所有Y值均相同，就无法计算相关系数（参数或非参数），且Prism会报告“水平线”。相关性提出X与Y一起变化的程度如何。如果Y完全不变，该问题就没有意义，相关计算也无法完成（除以零）。

•如果所有的X值均相同，就无法计算出相关系数，Prism会报告“垂直线”。

r2

或许，解释r值的最佳方法是求平方，以计算r2。统计学家称该量为决定系数，但科学家称之为“r的平方”。这是一个从零至一的值，也是“共有”两个变量中的方差小数。例如，如果r2=0.59，则X中59%的方差可通过Y的变化来解读。类似地，Y中59%的方差也可通过X的变化来解读。更简单而言，X与Y之间共享59%方差。

Prism仅根据Pearson相关系数计算r2值。从非参数Spearman相关系数中计算r2并不合适。

P值

P值可以回答该问题：

如果X与Y之间确实无任何相关性，则随机抽样导致本实验观察到的相关系数远离零（或更远）的概率是多少？

如果P值很小，您就能拒绝相关性是随机抽样结果的概念。

如果P值很大，数据并不提供任何理由去判定相关性是否真实。这并非说根本没有相关性。您只是没有令人信服的证据表明该相关性的真实性而非偶然性。注意r的置信区间。其将从负相关扩展为正相关。如果整个区间由接近于零的值组成，而您认为这些值在生物学上并不重要，那么您就有充分证据表明在群体中没有任何相关性或存在弱关联（在生物学上并不重要）。另一方面，如果置信区间包含您认为在生物学上重要的相关系数，那么您就无法在该实验中得出任何有力的结论。如需得出一个有力的结论，则需要更大型实验中的数据。

如果在列表中输入数据并要求有相关矩阵，Prism将会报告每一列与其他各列相关的P值。这些P值不包括多重比较的任何修正。

Prism总是报告双尾（双侧）P值。

Prism计算Spearman非参数相关性的P值方法

对于17个或更少的数值对，Prism计算非参数（Spearman）相关性的精确P值，查看所有可能的数据排列。精确计算的处理没有问题。对于18个或更多对，Prism计算非参数相关性的近似P值）。这种近似是标准值。首先计算Rs中的t比率，再计算其中的P值。

如果Spearman相关系数的精确P值计算中断（例如，按“ESC”键取消），则Prism将会报告任何剩余相关系数的近似P值。在分析结果中，Prism将会报告每个计算P值对于Spearman相关系数是精确还是近似。

Prism 5在无关联的情况下使用＞13对截止值进行近似值计算，在有关联的情况下始终使用近似值，而现在Prism使用＞17对截止值。因此，对于14-17对之间数据集或少于17对但有关联的数据集，Prism 5将报告不同的（不太准确）结果。

Prism 7修正一项错误 Prism 6（6.05和6.0f之前的版本，但不属于早期版本）在Rs值为负值时，有时候产生错误的P值，存在联系值，并精确计算P值。