统计百科 ·
相关分析 APA 报告怎么写？r、p、CI、显著性标记完整指南
统计百科：专攻"相关分析结果怎么规范写进论文"——Pearson r 与 Spearman rho 的 APA 7th 格式、相关矩阵三线表、95% 置信区间报告、显著性星号标注规则，给出可直接套用的 APA 完整模板，盘点审稿人最常挑的相关分析格式错误。
相关分析是论文里最常见的统计方法之一，但格式错误同样高发：r 值该保留几位小数、p 值怎么写才不被审稿人打回、相关矩阵三线表该放哪些内容、Pearson 和 Spearman 报告格式有什么区别……这篇文章专攻"相关分析结果怎么规范写进论文"这一具体格式点，给出 APA 7th 所有相关分析场景的完整模板，并逐一盘点审稿人最常挑的格式错误。
你的相关分析报告有这些问题吗？
审稿人或导师关于相关分析报告最常见的反馈：
- "r 值要保留两位小数，不是三位"
- "p = .000 不规范，请改为 p < .001"
- "相关系数缺少置信区间，APA 7th 推荐报告 95% CI"
- "Pearson r 和 Spearman rho 是不同符号，不能混写"
- "相关矩阵表格缺少对角线、没有说明显著性标注规则"
- "只写了'显著相关'，没有给出具体方向和大小解释"
- "Spearman 相关用于非正态数据，需要说明选择理由"
这些错误集中在 APA Publication Manual 第七版关于推断统计报告的多个细节，但专门针对相关分析汇总的实操指南并不多。本文只讲一件事：相关分析结果到底怎么规范写进论文的每一种场景。
如果你还没看过姊妹篇 t 值的 APA 7th 报告写法 和 F 值的 APA 7th 报告写法，建议先读那两篇，本文默认你已了解 p 值不加前导零（.032 而非 0.032）等基础格式规则。
一、Pearson r 还是 Spearman rho：先选对方法
选择标准
| 条件 | 推荐方法 |
|---|---|
| 两变量均连续、近似正态 | Pearson r |
| 含有序变量（李克特量表等） | Spearman rho (rho) |
| 数据有明显偏态 / 含极端值 | Spearman rho |
| 样本量极小（N < 20） | Spearman rho 更稳健 |
| 线性关系检验 | Pearson r |
| 单调关系检验（不要求线性） | Spearman rho |
报告符号区别
- Pearson 积差相关系数：r（斜体小写字母 r）
- Spearman 等级相关系数：r_s 或希腊字母 rho（APA 7th 两种写法均可接受，建议统一用 r_s 以便在纯文本/Word 中显示）
- Kendall 一致性系数：tau（tau_b 或 tau_c）
在方法章节要明确说明使用了哪种相关方法及选择理由。
二、APA 7th 格式规范：相关分析报告必须包含的要素
必报要素清单
| 要素 | 格式 | 示例 |
|---|---|---|
| 相关系数（含符号） | r = .XX 或 r_s = .XX | r = .52 |
| 自由度 | r([N-2]) | r(48) = .52 |
| p 值（精确三位小数） | p = .XXX 或 p < .001 | p < .001 |
| 置信区间（推荐） | 95% CI [LL, UL] | 95% CI [.29, .70] |
| 描述性统计 | M、SD（在结果表或正文中） | M = 4.21, SD = 0.87 |
| 效应大小解读 | 参照 Cohen（1988）标准 | 为中等效应 |
r 值与 p 值的精度要求
- r 值精确到两位小数（不加前导零）：r = .52（不写 r = 0.52，不写 r = .523）
- p 值精确到三位小数，不加前导零：p = .032
- p = .000 → 改写为 p < .001
- 自由度写在括号内：r(df) = .XX，其中 df = N - 2
- 置信区间两端点保留两位小数，写在方括号内：95% CI [.29, .70]
三、效应大小：相关系数的解读标准
Cohen（1988）提供了 Pearson r 的效应大小参考标准，Spearman r_s 可参照同一标准：
| r 的绝对值 | 效应大小 | 通俗描述 |
|---|---|---|
| .10 - .29 | 小效应 | 两变量存在弱相关 |
| .30 - .49 | 中效应 | 两变量存在中等强度相关 |
| .50 及以上 | 大效应 | 两变量存在强相关 |
注意：
- 相关系数的正负号表示方向（正相关/负相关），效应大小看绝对值
- r 的平方（r²，即决定系数）表示共同解释的方差比例，可作为补充解读：r = .52 意味着两变量共享约 27% 的方差（.52² = .27）
- APA 7th 不强制报告 r²，但部分期刊要求，建议核查投稿期刊要求
四、单对相关的完整 APA 报告模板
模板格式（文本嵌入式）
[变量A]与[变量B]之间存在显著[正/负]相关，r([N-2]) = .XX,
p [= .XXX / < .001], 95% CI [LL, UL]，为[小/中/大]效应（Cohen，1988）。
Pearson r 示例（正相关，显著）
自我效能感与学业成绩之间存在显著正相关，r(98) = .52，p < .001，95% CI [.36，.65]，为大效应（Cohen，1988），共享约 27% 的方差（r² = .27）。
Pearson r 示例（负相关，显著）
学习焦虑与学业成绩之间存在显著负相关，r(98) = -.41，p < .001，95% CI [-.57，-.23]，为中等效应（Cohen，1988）。
Pearson r 示例（不显著）
性别刻板印象得分与数学成绩之间相关不显著，r(98) = .12，p = .234，95% CI [-.08，.31]，效应量为小效应（Cohen，1988）。相关系数接近零，但 95% CI 较宽，在当前样本量下不能排除存在弱相关的可能性。
Spearman r_s 示例
工作满意度（有序量表）与组织承诺之间存在显著正相关，r_s(68) = .48，p < .001，95% CI [.27，.65]，为中等效应（Cohen，1988）。采用 Spearman 等级相关，因工作满意度为 5 点有序量表，未满足 Pearson 相关的连续变量假设。
五、相关矩阵三线表：格式规范与模板
相关矩阵是多变量相关分析最常见的呈现形式。APA 7th 对相关矩阵表格有明确格式要求。
三线表格式规范
- 表格结构：三线表（顶线、标题行底线、底线），无竖线，无内部横线
- 对角线：填写"1"或"—"（表示变量与自身的完全相关）
- 只呈现下三角或上三角：相关矩阵上下三角对称，通常只列出下三角（左下方）
- 每行/列标注变量编号：变量名用编号（1、2、3…）列在表格左侧
- 显著性标注：在 r 值右上角添加星号（* p < .05；** p < .01；*** p < .001），并在表注中说明
- M 和 SD：通常在相关矩阵表的最后两列（或单独一行）报告均值和标准差
相关矩阵三线表模板（四变量示例）
表 X
各主要变量的描述统计与相关矩阵（N = 200）
| 变量 | M | SD | 1 | 2 | 3 | 4 |
|---|---|---|---|---|---|---|
| 1. 自我效能感 | 4.21 | 0.87 | 1 | |||
| 2. 学习动机 | 3.98 | 0.92 | .54*** | 1 | ||
| 3. 学习焦虑 | 2.67 | 1.03 | -.41*** | -.38*** | 1 | |
| 4. 学业成绩 | 78.4 | 11.2 | .52*** | .48*** | -.36*** | 1 |
注： p < .05；** p < .01；*** p < .001。相关系数均为 Pearson r。
表注说明规范
表注要说明以下内容（APA 7th 表格规范）：
- 显著性水平的星号说明（* p < .05；** p < .01；*** p < .001）
- 使用的相关方法（Pearson r / Spearman r_s）
- 如有缺失值处理方式，在表注说明（如"采用成对删除法处理缺失数据"）
- 如有变量经过编码转换，在表注说明
六、在 ChatSRS 一句话获得规范相关分析报告
打开 chatsrs.com，上传数据后输入：
"对自我效能感、学习动机、学习焦虑和学业成绩四个变量做 Pearson 相关分析，输出相关矩阵（含 M、SD、显著性星号 */.01/.001 三级标注），并给出符合 APA 7th 格式的完整结果段落，包含每对显著相关的 r 值（含自由度）、p 值和 95% 置信区间，以及效应大小的 Cohen（1988）解读。"
ChatSRS 的输出即为上文示例格式，相关矩阵三线表和文字段落自动生成，可直接复制进论文。
如需 Spearman 等级相关，在指令中说明"数据含有序量表变量"或"使用 Spearman 相关"，ChatSRS 自动切换方法并在报告中说明选择理由。
七、方法章节怎么说明相关分析
标准方法章节描述（Pearson）
采用 Pearson 积差相关分析检验各变量之间的线性相关关系。
分析前以 Shapiro-Wilk 检验（N < 50）或 Kolmogorov-Smirnov 检验（N >= 50）
评估各变量的正态性；若违反正态假设，改用 Spearman 等级相关。
相关系数的效应大小参照 Cohen（1988）标准（|r| = .10：小效应；
.30：中效应；.50：大效应）。报告 95% 置信区间，采用 Fisher's z 转换法。
统计分析使用 ChatSRS（R 引擎），显著性水平设为 alpha = .05。
标准方法章节描述（Spearman）
由于[变量名]为有序量表数据 / 数据呈明显偏态分布，
采用 Spearman 等级相关分析检验各变量之间的单调关系。
相关系数（r_s）的效应大小参照 Cohen（1988）标准进行解读。
八、相关分析 APA 报告常见错误对照表
| 常见错误 | 正确写法 | 违反的规则 |
|---|---|---|
| r = 0.52（有前导零） | r = .52 | APA 不加前导零（r 范围-1到+1，不超过1） |
| r = .523（三位小数） | r = .52 | r 值精确两位小数 |
| p = .000 | p < .001 | .000 是舍入假值 |
| r(100) = .52（N = 100） | r(98) = .52 | df = N - 2，不是 N |
| Pearson r 写成 rho | r（Pearson）vs. r_s 或 rho（Spearman） | 符号混淆 |
| 缺少置信区间 | 95% CI [.29, .70] | APA 7th 推荐报告 CI |
| 相关矩阵有竖线 | 三线表，无竖线 | APA 表格格式规范 |
| 星号不说明 p 阈值 | 表注：* p < .05 ** p < .01 *** p < .001 | 表注必须说明显著性星号含义 |
| 只报告 r 不报告效应大小解读 | 补充"为中等效应（Cohen，1988）" | APA 7th 要求效应量 |
| Spearman 不说明选择理由 | 方法章节说明选择 Spearman 的依据 | 方法透明度要求 |
九、置信区间的计算原理与报告
为什么要报告 95% CI
APA 7th 第 6.36 节明确指出：置信区间是统计报告的首选格式。单个 p 值无法反映效应量的精确程度，而 CI 同时传递了效应的方向、大小和估计精度，是更完整的信息载体。
Fisher's z 转换法
由于 r 的分布在绝对值较大时不对称，直接对 r 计算 CI 会产生偏差。标准做法是：
- 将 r 转换为 Fisher's z：z = 0.5 × ln((1+r)/(1-r))
- 计算 z 的 95% CI：z ± 1.96 / sqrt(N-3)
- 将上下限反变换回 r 值
实际操作中，这一步骤由统计软件自动完成。在 ChatSRS 指令中只需说明"报告 95% 置信区间"，输出中即包含经 Fisher's z 变换后的准确 CI。
CI 的解读
- CI 不包含 0：表示相关显著（与 p < .05 等价）
- CI 较窄（如 [.44, .60]）：估计精确，样本量充足
- CI 较宽（如 [.08, .72]）：估计不精确，样本量可能不足，需谨慎解读
常见 FAQ
Q：r 值前面要不要加 0？比如 r = 0.52 还是 r = .52？
A：APA 7th 规定，对于绝对值不可能超过 1.0 的统计量（包括相关系数 r、效应量 eta^2、partial eta^2 等），不加前导零，写作 r = .52。这与 p 值的规则一致（p = .032 而非 p = 0.032）。如果你投稿的期刊采用其他格式规范（如 AMA 或 Vancouver），请以该规范为准，但在 APA 体系论文中统一不加前导零。
Q：相关矩阵里的星号 * 是必须的吗？有没有更好的做法？
A：传统做法是在 r 值旁边加显著性星号（* p < .05；** p < .01；*** p < .001），并在表注说明。APA 7th 本身不强制要求星号，也接受在正文中逐一报告 p 值，但相关矩阵涉及多对变量，逐一报告不现实。更先进的做法是额外列一列或用括号报告 95% CI，让读者无需依赖 p 值阈值判断显著性。部分顶刊（如 Psychological Science）推荐同时报告 CI 和 p 值，不单独用星号。可根据目标期刊选择，两者都报告一般不会被审稿人拒绝。
Q：Pearson r 和 Spearman r_s 哪个更常用，导师说用哪个就用哪个吗？
A：两者有明确的适用条件，不是"导师说用哪个就用哪个"。Pearson r 适用于两变量均为连续变量且近似正态分布，这是计算 r 的数学前提。如果数据是李克特量表（有序离散）、含极端值、或明显偏态，应优先考虑 Spearman r_s。实际中有些导师习惯用 Pearson 处理所有数据，这在轻度偏态的较大样本（N > 50）中通常影响不大，但在小样本或严重偏态时会产生误导性结果。学术诚信要求选择符合数据特征的方法，并在方法章节说明理由。
Q：相关分析显著了，能不能说明因果关系？
A：不能。相关分析只能说明两变量之间存在统计上的线性/单调共变关系，不能推断因果方向。即使 r = .80，也可能是 A 导致 B、B 导致 A、或两者共同受第三个变量 C 影响（混淆变量）。在结果讨论中，应避免"A 显著影响 B"或"A 对 B 有显著效果"这类因果语言，正确表述是"A 与 B 显著相关（r = .80）"或"A 与 B 呈强正相关"。若要探讨因果，需要实验设计（随机分配）或结构方程模型等因果推断框架。
Q：控制了第三变量之后的相关怎么报告？
A：控制一个或多个变量后的相关称为偏相关（partial correlation），符号为 r_partial 或直接说明是偏相关系数。报告格式与 Pearson r 相同，但需在括号内加控制变量：partial r(df) = .XX，controlling for [变量名]，p = .XXX，95% CI [LL, UL]。在方法章节要说明控制了哪些变量及原因。详见 偏相关分析完整教程。
快速参考：相关分析报告格式速查卡
[单对相关——文本嵌入]
r([N-2]) = .XX, p [= .XXX / < .001], 95% CI [LL, UL]
效应大小: |r| .10=小 / .30=中 / .50=大 (Cohen, 1988)
[Spearman]
r_s([N-2]) = .XX, p [值], 95% CI [LL, UL]
方法章节须说明选用 Spearman 的理由
[相关矩阵三线表]
- 三线表，无竖线
- 下三角（或上三角）呈现
- 对角线填 1
- 含 M 和 SD 列
- 显著性星号：* p<.05 ** p<.01 *** p<.001（在表注说明）
[精度]
r 值: 两位小数，无前导零 → r = .52
p 值: 三位小数，无前导零 → p = .032
p = .000 → 改写 p < .001
df = N - 2（在括号内）
[CI]
95% CI [下限, 上限]，两位小数
经 Fisher's z 变换法计算
相关阅读
- t 值的 APA 7th 报告写法 — 自由度、效应量、独立/配对模板全解
- F 值的 APA 7th 报告写法 — F(df1,df2)格式、效应量 eta 平方、报告模板全解
- 效应量 APA 报告写法 — d、eta^2、r、omega^2 全场景模板
- 相关系数完全指南 — Pearson r 的计算、解读与显著性检验
- 偏相关分析：控制第三变量后的相关怎么算
- 统计显著性与 P 值完全指南
本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。