非参数相关是指不依赖于数据分布形态的统计方法，主要用于度量变量之间的单调关系，而不要求数据符合正态分布。非参数相关包括以下几种方法：

Spearman相关系数：

用于度量两个变量的单调关系，不假设数据服从正态分布。

Kendall相关系数：

用于度量两个变量的顺序相关性，同样不假设数据服从正态分布。

Cronbach系数：

主要用于评估问卷的内部一致性，即测量结果的一致性和稳定性。

定性数据相关：

用于分析定性数据，如分类数据的相关性。

非参数统计方法适用于定序数据，即那些只能以等级或顺序形式表示的数据，例如满意度调查中的评分等级。此外，当数据不呈正态分布或难以判断其分布形态时，非参数方法也可以提供有用的相关性度量。