區別： 1.分析範圍不同： Pearson用於計算連續資料的相關，而speraman相關是專門用於分析順序資料，二者分析範圍不同。 2.用途不同： Pearson相關是最常見的相關公式，用於計算連續資料的相關，比如計算班上學生數學成績和語文成績的相關可以用Pearson相關。而spearman相關是專門用於分析順序資料的，就是那種只有順序關係，但並非等距的資料，比如計算班上學生數學成績排名和語文成績排名的關係。 當然如果你也可以用pearson相關來計算順序資料，此時得到的結果和用spearman相關得到的一樣。 拓展材料： 相關表和相關圖可反映兩個變數之間的相互關係及其相關方向，但無法確切地表明兩個變數之間相關的程度。於是，著名統計學家卡爾·皮爾遜設計了統計指標--相關係數(Correlation coefficient)。相關係數是用以反映變數之間相關關係密切程度的統計指標。 相關係數是按積差方法計算，同樣以兩變數與各自平均值的離差為基礎，透過兩個離差相乘來反映兩變數之間相關程度;著重研究線性的單相關係數。

1、衡量內容

Pearson相關係數是用來衡量兩個資料集合是否在一條線上面，用來衡量定距變數間的線性關係。

spearman相關係數是衡量兩個變數的依賴性的非引數指標。

2、計算公式

Pearson相關係數：

spearman相關係數：

3、特點：

Pearson相關係數：相關係數的絕對值越大，相關性越強：相關係數越接近於1或-1，相關度越強，相關係數越接近於0，相關度越弱。

spearman相關係數：斯皮爾曼相關係數表明X(獨立變數)和Y(依賴變數)的相關方向。如果當X增加時，Y趨向於增加，斯皮爾曼相關係數則為正。如果當X增加時，Y趨向於減少，斯皮爾曼相關係數則為負。斯皮爾曼相關係數為零表明當X增加時Y沒有任何趨向性。

當X和Y越來越接近完全的單調相關時，斯皮爾曼相關係數會在絕對值上增加。當X和Y完全單調相關時，斯皮爾曼相關係數的絕對值為1。