对于不服从双变量正态分布的资料适合做( )相关 A、PearsonB、SpearmanC、KendalD、Fisher

考查要点：本题主要考查对相关分析方法适用条件的理解，特别是不同相关系数的使用场景。

解题核心思路：

• Pearson相关要求数据服从双变量正态分布，适用于线性关系且数据为等距或比率变量。
• 非参数相关方法（如Spearman、Kendall）则无需正态性假设，适用于有序数据或非正态数据。
• 关键区分点：题目明确指出“不服从双变量正态分布”，因此需选择非参数相关方法，而Spearman是其中最常用的一种。

选项分析

1. A、Pearson

   • 适用条件：要求两个变量均服从正态分布，且关系为线性。
   • 排除理由：题目明确数据不服从双变量正态分布，因此不适用。

2. B、Spearman

   • 适用条件：基于变量的秩，适用于非正态数据或有序数据，无需假设分布形式。
   • 选择理由：题目中数据不满足正态性，Spearman是经典非参数相关方法，适合直接使用。

3. C、Kendall

   • 适用条件：与Spearman类似，但更适用于存在较多相同秩值或小样本的情况。
   • 排除理由：题目未提及特殊条件（如并列排名），因此Spearman更通用。

4. D、Fisher

   • 本质区别：Fisher是统计推断方法（如假设检验、置信区间），而非相关系数。
   • 排除理由：与相关分析无关。