Spearman相关分析

某研究者拟探讨在45岁至65岁健康男性中胆固醇浓度与久坐时间是否有关。他猜测：久坐时间较长者，血液中的胆固醇浓度要高一些。研究者收集了研究对象每天久坐时间（变量time）和胆固醇浓度（变量cholesterol）。部分数据如图1。

图1 部分数据

研究者想观察两个连续变量之间的相关性，可以使用Spearman相关（或Pearson相关）分析。Spearman相关适用于判断两个非正态分布（或者有不能剔除的异常值）的连续变量之间的相关关系。当两个连续变量均符合正态分布时，建议优先选用Pearson相关分析。

使用Spearman相关分析时，需要考虑2个假设：

假设1：观测变量是非正态分布（或者有不能剔除的异常值）的连续变量。

假设2：变量之间存在单调关系。

经分析，本研究中胆固醇浓度与久坐时间都是非正态分布的连续变量（模拟数据，假设为非正态分布），符合假设1。如何考虑和处理假设2呢？