更多关于spearman相关系数的信息

上面计算的相关系数相当于Spearman的相关系数。计算它的要求是,两个变量X和Y至少是在区间水平上测量的（这意味着它对名义或序数变量不起作用）。

如何计算spearman的等级相关？

皮尔逊相关系数的公式是：：

\[r_S =\frac{n \sum_{i=1}^n Rank(x_i) Rank(y_i) - \left(\sum_{i=1}^n Rank(x_i) \right) \left(\sum_{i=1}^n Rank(y_i) \right) }{\sqrt{n \sum_{i=1}^n Rank(x_i)^2 - \left( \sum_{i=1}^n Rank(x_i) \right)^2} \sqrt{n \sum_{i=1}^n Rank(y_i)^2 - \left( \sum_{i=1}^n Rank(y_i) \right)^2} }\]

或等价的

\[r_S = \frac{SS_{\tilde X \tilde Y}}{\sqrt{SS_{\tilde X \tilde X}\cdot SS_{\tilde Y \tilde Y} }}\]

看到这个过程的一个好方法是,首先找到与样本中每个值相关的等级,然后你用皮尔逊相关的公式来找到这些等级的相关度。

对于区间级数据,你应该使用 皮尔逊相关系数计算器 而不是。此外,为了将数据图形化,更好地理解变量X和Y之间的线性关系,你可以使用我们的 散点图制作者

报告spearman's rank correlation

如何报告Spearman's 相关性？与报告皮尔逊相关的方式非常相似。一般来说,你会写这样的内容："序数变量X和Y显示出显著的线性关联程度,\(r_s = .894, p < .001\)"。

如何评估spearman的相关关系是否显著？

评估Spearman相关的观察值是否显著的最常用方法是与相应的 斯佩尔曼的临界值 .另外,为了找到临界相关值,你可以使用一个专门的表格,有时会在统计学教科书中出现。