2021年年底，医咖会“临床研究100问”正式启动。目前已经进行了五期直播，前五期的内容可以直接点击查看：《正态分布及正态检验中被问爆了的典型问题》《独立样本t检验的那些经典问题与常见错误》和《配对资料，统计方法怎么选？》《分类变量的统计分析，都能用卡方检验吗？》《分类变量不满足卡方检验使用条件时，该怎么办？》。

第六期直播，龚志忠老师带来了《两个连续变量的相关性分析：解析4大常见问题！》，例如怎么评价变量之间的相关程度？如何根据相关系数区分相关程度的大小？相关系数没有显著性是否就意味着没有关联？Pearson相关和Spearman相关有什么区别？

相关性分析

相关分析属于数据分析流程前期的探索性分析，探究变量间关系及性质，能够简单有效说明两变量间存在什么关系，不能把毫无本质联系的两种现象做相关分析。

另外，需要注意的是，因果关系≠相关关系，因果关系指的是因为某个变量发生变化而导致了另外一个变量随之发生改变, 其强调的是二者之间存在某种理论逻辑上的关联，有相关关系不一定有因果关系, 但有因果关系就必定存在相关关系。

相关关系分析流程

相关系数

相关系数取值范围在[-1，+1]，负数代表负相关，正数代表正相关。相关系数越接近0，线性相关关系越弱，相关系数越接近-1或+1，线性相关关系越强，相关系数=0，为零相关，只能说明线性关系很差，但不能说明没有关系。