分类变量资料能不能进行相关分析？
可以。
变量类型不是一成不变的，根据研究目的的需要，各类变量之间可以进行转化。例如血红蛋白量（g/L）原属数值变量，若按血红蛋白正常与偏低分为两类时，可按二项分类资料分析。
若按重度贫血、中度贫血、轻度贫血、正常、血红蛋白增高分为五个等级时，可按等级资料分析（资料是根据临床数据得出）。有时亦可将分类资料数量化，如可将病人的恶心反应以0、1、2、3表示，则可按数值变量资料（定量资料）分析。
扩展资料
分类变量，根据取值特征而分类的一种定性变量。分类变量，其取值的各类别之间存在着程度上的差别，给人以“半定量”的感觉，为等级变量，如学历（文盲、小学、初中、高中、大学、研究生等）。
对于分类变量，应先按等级顺序分组，清点各组的观察单位个数，编制有序变量（各等级）的频数表，所得资料为等级资料。有序多分类变量为很常见的变量形式，通常在变量中有多个可能会出现的取值，各取值之间还存在等级关系。
参考资料来源：百度百科-有序分类变量
参考资料来源：百度百科-分类变量
光点科技
2023-08-15 广告
可以的，以下是两种方法。
1，用spss进行多元回归以后，系统会自动给出x1、x2和x3（从大到小）的r的平方和，相减就是解释率。
2，设置哑变量。通常在回归分析时，如果是二分类变量可以直接当作连续性变量进行回归，而多分类时，则需要设置哑变量，即将每个类别转换成0，1的编码来表示，因此这里求相关系数时。
也可以采用类似的设置哑变量，只不过是有几个类别就设置几个哑变量，这也相当于将多分类变量变成了多个0、1编码的二分类变量，然后再直接使用相关分析，选择所有的哑变量和连续性因变量进行普通的pearson相关，就可以得出每个分类与因变量的相关系数了。
扩展资料：
分类变量的分类
1，无序分类变量：
无序分类变量（unordered categorical variable）是指所分类别或属性之间无程度和顺序的差别。，它又可分为：二项分类，如性别（男、女），药物反应（阴性和阳性）等；多项分类，如血型（O、A、B、AB），职业（工、农、商、学、兵）等。
对于无序分类变量的分析，应先按类别分组，清点各组的观察单位数，编制分类变量的频数表，所得资料为无序分类资料，亦称计数资料。
2，有序分类变量
有序分类变量（ordinal categorical variable）各类别之间有程度的差别。如尿糖化验结果按－、±、+、++、+++分类；疗效按治愈、显效、好转、无效分类。对于有序分类变量，应先按等级顺序分组，清点各组的观察单位个数，编制有序变量（各等级）的频数表，所得资料称为等级资料。
变量类型不是一成不变的，根据研究目的的需要，各类变量之间可以进行转化。例如血红蛋白量（g/L）原属数值变量，若按血红蛋白正常与偏低分为两类时，可按二项分类资料分析；若按重度贫血、中度贫血、轻度贫血、正常、血红蛋白增高分为五个等级时，可按等级资料分析。
有时亦可将分类资料数量化，如可将病人的恶心反应以0、1、2、3表示，则可按数值变量资料（定量资料）分析。
通常在回归分析时，如果是二分类变量可以直接当做连续性变量进行回归，而多分类时，则需要设置哑变量，即将每个类别转换成0,1的编码来表示，因此这里我们求相关系数时，也可以采用类似的设置哑变量，只不过是有几个类别就设置几个哑变量，这也相当于将多分类变量变成了多个0、1编码的二分类变量，然后再直接使用相关分析，选择所有的哑变量和连续性因变量进行普通的pearson相关，就可以得出每个分类与因变量的相关系数了。
