本节STATA 命令摘要

·       线性关系的相关分析

若计量资料变量1，…，变量m服从正态分布，对于它们之间是否存在线性相关关系可以通过相关分析方法，相应的STATA命令为：

pwcorr变量名1变量名2…变量名m,sig

例：上海医科大学儿科医院研究某种代乳粉的营养价值时，用大白鼠作试验，得大白鼠进食量(克)和增加体重(克)之间的关系的原始数据如下表， 用x表示大白鼠进食量和用y表示大白鼠增加体重，试作相关分析(资料摘自医学统计分析，金丕焕主编，p101)。

 作关于x和y相关分析

pwcorr  xy,sig

①为x和y的相关系数r。②为相关系数显著性检验(Ho:r=0)所对应的p值。因此根据本例资料和上述结果可以认为大白鼠进食量与大白鼠体重增加呈线性正相关(若数据x和y服从正态分布)。

·       秩和相关分析

由于以上的相关分析中，要求数据x和y均服从正态分布，但是对于那些不能满足正态分布的数据之间的相关分析应采用非参数相关分析，通常采用秩和相关分析，即：Spearman相关分析方法。STATA命令为：

spearman 变量1 变量2

 以上例资料为例，作秩和相关分析：

 spearmanxy

①为Spearman 相关系数；②为无效假设Ho:x 与y独立；③无效假设的Spearman 相关显著性检验所对应的p值。

由上述结果表明：Spearman 相关系数为0.8994，相应的p值为0.0004，因此由本例资料和检验结果可以认为大白鼠进食量与大白鼠体重增加呈正相关。