摘要：皮尔逊相关系数和距离相关系数等经典关联分析方法被广泛应用于度量低维数据之间的关联性，但在处理高维数据时，常面临随机变量取值范围差异显著（即异质性强）的挑战。在此情形下，聚合高维自变量与因变量的关联时，取值范围较大的自变量易主导聚合结果，致使取值范围较小的自变量之关联信息被掩盖。为此，本文提出一类基于排序的鲁棒（即稳健）关联分析方法，并从理论上严格分析了该方法在同质和异质情形下的统计检验功效，并严格证明了其在应对高维数据异质性方面的优势。