我正在研究一种药物对癫痫患者脑电图和认知的影响。我们在药物治疗之前和之后做了两次脑电图和神经心理学 (NP) 测试。EEG 和 NP 测试中的一些参数在药物治疗后显着改变（通过 Wilcoxon 秩和检验完成，因为分布不正常）。
现在，我想计算 EEG 参数变化与 NP 测试变化之间的相关性。EEG 参数中有 7 个参数，NP 测试中有 27 个参数。我想对每一对进行相关性分析，看看是否有任何一对显着相关。
我的问题是：
我应该使用非参数相关，比如 Spearman，来计算吗？（因为 EEG 和 NP 参数值不正常）
由于EEG有7个参数，NP测试有27个参数，所以测试次数应该是7*27，需要修正p值进行多重比较。我应该使用哪种方法？
我正在寻找不那么保守的方法。我从另一个帖子中看到，我可以使用置换测试进行多重比较。有人可以解释我该怎么做吗？
在我看来，您应该测试您的变量是否正态分布并相应地选择合适的测试。
关于阿尔法通货膨胀的修正：你正在做的是数据挖掘。你有实验数据，现在你正在挖掘它以找到......任何东西。去做。但也要知道，您可能发现的任何东西都只是观察结果，因此不可靠。执行那个探索性的事情，挑选一些有希望的变量对并进行新的实验来测试这些对的相关性。
您想要执行典型相关分析。这将提供有关您的参数集的线性组合之间的相关性的信息，可能会发现您寻求的类型的更强信息。维基百科的文章解释了理论，提供了方程式，并提出了适当的假设检验。它需要解决由变量的相关和互相关矩阵确定的 7 x 7 特征值问题，该问题快速且直接。例如，R包CCorA会做到这一点。（我没有测试过这个包。）
首先重新表达您的原始变量可能会有所帮助，因此它们每个都大致对称分布。有很多方法可以做到这一点，例如Box-Cox 变换。