研究背景
某高中教务处希望了解高一学生各科成绩之间的关联性，以便优化课程设置和教学资源配置。
研究问题
数学、物理、化学、英语四科成绩之间是否存在显著相关？哪些科目之间的关联最强？
数据说明
随机抽取 15 名高一学生的期末考试成绩，包含数学、物理、化学、英语四科分数。
分析步骤
步骤 1：选择相关分析方法
四科成绩均为连续变量，先检查正态性。如果满足正态性假设，使用 Pearson 相关；如果不满足，使用 Spearman 秩相关。
提示：成绩数据通常近似正态，但如果有极端值或明显偏态，建议用 Spearman。
步骤 2：计算相关矩阵
计算 4×4 相关矩阵，得到每对科目之间的相关系数 r 和 p 值。
步骤 3：解读热力图
热力图中，红色表示正相关，蓝色表示负相关，颜色越深相关性越强。对角线始终为 1（自己与自己完全相关）。
步骤 4：识别强相关对
查看相关系数表，找出 |r| > 0.7 的科目对。本案例中，数学-物理、数学-化学、物理-化学 之间呈强相关（理科内部关联），而英语与理科科目之间呈弱到中等相关。
结果解读
结论
理科科目（数学、物理、化学）之间呈强正相关（r > 0.8, p < 0.001），说明理科能力具有较强的内在一致性。英语与理科科目之间呈弱到中等相关（r ≈ 0.3-0.5），说明语言能力与理科能力相对独立。
为什么这样解读？
了解科目间的关联结构有助于：(1) 识别学生的综合能力强项；(2) 优化课程安排（强相关科目可整合教学）；(3) 为个性化辅导提供依据。
如何在论文中报告
对 15 名高一学生四科成绩进行 Pearson 相关分析。结果显示：数学与物理呈强正相关（r=0.XX, p<0.001），数学与化学呈强正相关（r=0.XX, p<0.001），物理与化学呈强正相关（r=0.XX, p<0.001）。英语与数学（r=0.XX）、物理（r=0.XX）、化学（r=0.XX）呈弱到中等相关。
常见错误
将相关当作因果
相关不等于因果。数学好与物理好相关，不代表"数学好导致物理好"。可能有第三变量（如逻辑思维能力）同时影响两科。
忽略样本量
小样本（n<30）的相关系数不稳定。本案例 n=15，结果仅供参考，需要更大样本验证。
只看系数不看 p 值
即使 r 较大，如果 p > 0.05，说明相关性不显著（可能由随机波动导致）。必须同时报告 r 和 p。