[秩相关] Spearman秩相关系数计算及假设检验
首先说明秩相关系数还有其他类型,比如kendal秩相关系数。
使用Pearson线性相关系数有2个局限:
- 必须假设数据是成对地从正态分布中取得的。
- 数据至少在逻辑范围内是等距的。
对于更一般的情况有其他的一些解决方案,Spearman秩相关系数就是其中一种。Spearman秩相关系数是一种无参数(与分布无关)检验方法,用于度量变量之间联系的强弱。在没有重复数据的情况下,如果一个变量是另外一个变量的严格单调函数,则Spearman秩相关系数就是+1或-1,称变量完全Spearman秩相关。注意这和Pearson完全相关的区别,只有当两变量存在线性关系时,Pearson相关系数才为+1或-1。
对原始数据xi,yi按从大到小排序,记x'i,y'i为原始xi,yi在排序后列表中的位置,x'i,y'i称为xi,yi的秩次,秩次差di=x'i-y'i。Spearman秩相关系数为:
位置 | 原始X | 排序后 | 秩次 | 原始Y | 排序后 | 秩次 | 秩次差 |
1 | 12 | 546 | 5 | 1 | 78 | 6 | 1 |
2 | 546 | 45 | 1 | 78 | 46 | 1 | 0 |
3 | 13 | 32 | 4 | 2 | 45 | 5 | 1 |
4 | 45 | 13 | 2 | 46 | 6 | 2 | 0 |
5 | 32 | 12 | 3 | 6 | 2 | 4 | 1 |
6 | 2 | 2 | 6 | 45 | 1 | 3 | -3 |
对于上表数据,算出Spearman秩相关系数为:1-6*(1+1+1+9)/(6*35)=0.6571
如果原始数据中有重复值,则在求秩次时要以它们的平均值为准,比如:
原始X | 秩次 | 调整后的秩次 |
0.8 | 5 | 5 |
1.2 | 4 | (4+3)/2=3.5 |
1.2 | 3 | (4+3)/2=3.5 |
2.3 | 2 | 2 |
18 | 1 | 1 |
假设检验:
Spearman秩相关系数也应该进行假设检验,当n小于等于50时,用查表法,当n大于50时,计算统计量t的值,即用前面皮尔森相关系数假设检验中t值的计算方式。
对于上述数据,查阅秩相关系数检验的临界值表
n | 显著水平 | |
0.05 | 0.01 | |
5 | 0.9 | 1 |
6 | 0.829 | 0.943 |
7 | 0.714 | 0.893 |
置信度=1-显著水平。上表显示在n=6的时候,当spearman秩相关系数>=0.829时我们有95%的置信度认为两个随机变量相关,当spearman秩相关系数>=0.943时我们有99%的置信度认为两个随机变量相关。由于0.6571<0.829,即置信度达不到95%,所以我们不能认为X和Y相关。
实例:
[秩相关] Spearman秩相关系数计算及假设检验相关推荐
- Pearson、Spearman秩相关系数、kendall等级相关系数
p>统计相关系数简介 由于使用的统计相关系数比较频繁,所以这里就利用几篇文章简单介绍一下这些系数. 相关系数:考察两个事物(在数据里我们称之为变量)之间的相关程度. 如果有两个变量:X.Y,最终 ...
- 三大相关系数:Pearson、Spearman秩相关系数、kendall等级相关系数的联系与区别
三大统计相关系数:Pearson.Spearman秩相关系数.kendall等级相关系数 统计相关系数简介 Pearson(皮尔逊)相关系数 1.简介 2.适用范围 3.使用方法 Spearman R ...
- 相关性检验–Spearman秩相关系数和皮尔森相关系数
转自: http://www.cnblogs.com/zhangchaoyang/articles/2631907.html 本文给出两种相关系数,系数越大说明越相关. 皮尔森相关系数 皮尔森相关系数 ...
- SPSS——相关分析——Spearman秩相关系数
简介 斯皮尔曼等级相关(Spearman's correlation coefficient for ranked data)主要用于解决称名数据和顺序数据相关的问题.适用于两列变量,而且具有等级变量 ...
- 相关性检验--Spearman秩相关系数和皮尔森相关系数
本文给出两种相关系数,系数越大说明越相关.你可能会参考另一篇博客独立性检验. 皮尔森相关系数 皮尔森相关系数(Pearson correlation coefficient)也叫皮尔森积差相关系数(P ...
- 数理统计01:线性相关性系数,斯皮尔曼相关性系数计算及详解
在统计学中有三个可以衡量两个变量之间相关程度的指标:线性相关系数(linear correlation coefficient).斯皮尔曼相关性系数(Spearman's rank correlati ...
- R语言偏相关或者部分相关性系数计算实战:使用psych包计算(Partial Correlation)偏相关系数、拟合回归模型使用两个回归模型的残差计算偏相关性系数
R语言偏相关或者部分相关性系数计算实战:使用psych包计算(Partial Correlation)偏相关系数.拟合回归模型使用两个回归模型的残差计算偏相关性系数 目录
- R语言偏相关或者部分相关性系数计算实战:通过拟合两个回归模型、或者pysch包计算偏相关系数(Partial Correlation)、通过方差分析获得偏相关系数的F统计量(偏F检验、二型检验)
R语言偏相关或者部分相关性系数计算实战:通过拟合两个回归模型.或者pysch包计算偏相关系数(Partial Correlation).通过方差分析获得偏相关系数的F统计量(偏F检验.二型检验) 目录
- R语言偏相关或者部分相关性系数计算实战:使用psych包计算(Partial Correlation)偏相关或者部分相关性系数并用建设检验检验相关性的显著性
R语言偏相关或者部分相关性系数计算实战:使用psych包计算(Partial Correlation)偏相关或者部分相关性系数并用建设检验检验相关性的显著性 目录
- R语言复相关或者多重相关性系数计算实战:Multiple Correlation Coefficient
R语言复相关或者多重相关性系数计算实战:Multiple Correlation Coefficient 目录 R语言复相关或者多重相关性系数计算实战:Multiple Correlation Coe ...
最新文章
- 数据库表设计的随笔(分库分表)
- (译)Web地图设计模式——ArcGIS Server
- Configuration类在网页实现对web.config的修改[转]
- 西电计算机本科学费,陕西高校学费大比拼!你当年的学费现在涨了多少
- 去除a链接+java正则_JavaScript实现正则去除a标签并保留内容的方法【测试可用】...
- 为什么我从 npm 到 yarn 再到 npm?
- boost::mp11::mp_filter相关用法的测试程序
- 支持驱动最好的linux软件,Linux平台设备和驱动
- mfc嵌入matlab绘图窗口,将matlab的图嵌入MFC
- mysql报tns无监听_oracle提示TNS:无监听程序的解决办法
- JavaScript之ajax
- SQL注入漏洞-POST注入
- 经典C语言程序设计100例
- 办公室计算机知识考试试题,办公室人员电脑操作基本技能方面测试题--绝对经典...
- 百度经纬度与高德经纬度互转
- 新版edge浏览器没有internet选项怎么办?
- 关于数据,你的慌张,百度云ABC可能有办法!
- 中秋节卡通背景视频素材推荐
- CSS常用水平垂直居中的几种方法
- [李景山php] php高级程序员简历的要点
热门文章
- ensembl-vep/VEP 注释软件安装及测试 超简单版(conda vep、百度网盘数据库)
- android:AdapterView.OnItemClickListener
- 由矢量电子海图构建海底 TINDEM方法研究
- java txt导出_Java导出txt文件的方法
- 基于大数据技术的全国高速公路通行数据 动态监测平台建设
- “科创赋能 资本助力”2019SIPEF论坛启幕
- 【UV打印机】PrintExp打印软件教程(六)-高级模式(马达)
- 【送书活动】你真的了解Java多线程编程吗?
- 计算机aero背景黑,win7系统如何打开和关闭Aero特效
- go模拟android浏览器,GO浏览器:界面酷炫操作顺畅Android浏览器