斯皮尔曼相关系数和皮尔森相关系数都是衡量变量间相关关系的统计指标，但皮尔森相关系数衡量的是线性相关关系，要求数据服从正态分布且变量间呈线性关系；斯皮尔曼相关系数衡量的是单调相关（等级相关），对数据分布没有要求，基于排序计算，适用于非线性单调关系或顺序数据。
皮尔森相关系数（Pearson correlation coefficient）通过计算两个变量的协方差除以各自标准差的乘积得到，数值范围在-1到1之间，绝对值越接近1表示线性相关越强。它适用于连续变量，且对异常值敏感。斯皮尔曼相关系数（Spearman's rank correlation coefficient）则先对原始数据进行排序，再计算排序后的皮尔森相关系数，因此它反映的是变量间的单调趋势，包括线性与非线性单调关系（如指数增长或对数衰减），对异常值不敏感，适用于有序分类变量或非正态分布数据。
在实际应用中，选择哪种系数取决于数据特征和分析目的。如果数据满足正态分布且变量间关系明显线性，优先使用皮尔森；如果数据不满足正态分布、存在异常值，或变量间关系可能非线性但单调，则使用斯皮尔曼。此外，斯皮尔曼也常用于分析等级变量（如满意度排名）与连续变量间的关联。
【常见问题】
问题1：斯皮尔曼和皮尔森区别的核心是什么？
回答1：核心区别在于衡量关系类型不同。皮尔森衡量线性相关，要求数据正态分布；斯皮尔曼衡量单调相关（包括非线性），基于等级排序，不要求正态分布，对异常值更稳健。
问题2：什么时候应该使用斯皮尔曼而不是皮尔森？
回答2：当数据不服从正态分布、存在明显异常值，或变量间关系可能是非线性但单调（如指数增长）时，应使用斯皮尔曼相关系数。此外，分析顺序变量或排名数据时也首选斯皮尔曼。
问题3：斯皮尔曼和皮尔森相关系数在数值上可能相同吗？
回答3：可能相同。如果两个变量完全线性相关且单调递增，那么它们的排序与原始数据线性关系一致，此时斯皮尔曼和皮尔森数值相等。但若存在非线性单调关系，两者数值通常不同，皮尔森可能低估相关强度。
问题4：如何快速判断数据适合用皮尔森还是斯皮尔曼？
回答4：先绘制散点图观察关系形状。若散点大致呈直线且无离群点，可用皮尔森；若呈曲线但单调（如上升后变缓），或存在明显异常值，或数据为等级，则用斯皮尔曼。也可通过正态性检验辅助判断。
问题5：斯皮尔曼和皮尔森区别在计算方式上有什么不同？
回答5：皮尔森直接对原始数据计算协方差与标准差；斯皮尔曼先将每个变量的原始值转换为排名（等级），再对排名计算皮尔森相关系数。因此斯皮尔曼本质上是基于排名的线性相关，而皮尔森基于原始数值的线性相关。