单调关联的 Spearman 相关性检验（同时增加和减少的趋势）；它不受单调递增变换的影响（如取对数、平方根或平方正值）。

对于 Spearman 相关，这些都是完全相关的：

...因为每个变量都像另一个变量一样增加（尽管数量不同）。

如果您希望在转换其中一个或另一个时相关性会发生变化，那么您可能会想到更像 Pearson 相关性的东西，它测量线性关联并受单调变换的影响。

（顺便说一句，如果您确实想转换 Pearson 相关性，我建议您考虑通过取日志来转换这两个变量。）

您没有看到任何差异的原因是因为您正在计算 Spearman 的相关性，而不是 Pearson 的相关性。后者是线性关联的度量，但 Spearman 的相关性度量任何单调关系的强度，这应该对单调变换是不变的。

我们计算 Spearman 相关性的方法是首先将观察结果转换为它们的等级，然后应用 Pearson 相关性。由于任何单调递增变换（例如对数）都不会改变观察的顺序，因此您将获得与应用变换之前完全相同的等级，因此您将获得相同的 Spearman 相关值。

Spearman 的相关系数使用排名，而不是实际数据值。因此，使用 Spearman 的相关性实际上已经是一种转换，因为您正在将数据值转换为等级。

对数转换将更改变量的值，但不会更改值相对于彼此的排名。因此，Spearman 相关系数将保持不变。