Pearson相关性分析与Spearman相关性分析是两种常用的统计方法，分别用于衡量变量间的线性关系和等级相关性。
Pearson相关系数（记作$r$）用于量化两个连续变量间的线性相关程度，取值范围为$[-1, 1]$。
$r=1$：完全正相关，变量变化方向一致；
$r=-1$：完全负相关，变量变化方向相反；
$r=0$：无线性关系。
仅适用于线性关系，非线性关系可能被低估；
要求数据为连续型变量（如身高、体重），不适用于分类或秩次数据；
理想情况下变量应服从正态分布，且对异常值敏感，异常值可能显著影响结果。
Spearman相关系数用于衡量两个变量的等级相关性，适用于非线性或单调关系，取值范围同样为$[-1, 1]$。
系数符号表示方向（正/负相关），绝对值越接近1，相关性越强；
绝对值接近0时，相关性越弱。
不要求数据服从正态分布，适用于有序分类数据或存在非线性关系的情况；
对异常值不敏感，因基于等级而非原始值。
实际应用中，若数据满足正态分布且为连续变量，优先选择Pearson；若数据为等级或存在非线性趋势，则选择Spearman。
