Top

스피어만 상관계수 예제

Zak, Spearman의 순위 상관 관계는 순위 데이터가 일반적으로 분산되어 있기 때문에 사용되며 몇 가지 바람직한 수학적 특성이 있습니다. 찰스 예, 다른 리커트 척도에서 스피어맨의 순위 상관 계수를 계산할 수 있습니다. 어떤 가설을 테스트하시겠습니까? 찰스 우리는 IQ와 샘플을 기반으로 록 음악을 듣고 사이의 상관 관계가 많이 없는 것을 볼 수 있습니다. 안녕하세요 나는 이것이 여전히 스피어맨 순위 정렬 상관 계수가 될 지 궁금했다? 이 formuala CORR (R1) = MMULT (TRANSPOSE (R1-R2)/R3)/(R1-R2)/R3)//(ROWS(R1)-1) Gem을 사용하는 것이 좋습니다. 스피어맨의 상관 관계는 순위에 있지만 순위 기능은 단조롭습니다. 나는 단조로움이 중요하다고 말하고 싶지만, 평소와 같이 악마는 세부 사항에 있다―즉, 단조로움의 사소한 위반은 아마 별로 중요하지 않다. 더 중요한 것은 단조로움에서 동향과 주요 출발이다 (실제로 순위의 선형). 찰스 그래서 산란플롯에서 지적했듯이 상관관계는 별로 없었습니다. 스피어맨계수는 연속 및 이산 서수 변수 모두에 적합합니다. [1] [2] 스피어맨의 θ {디스플레이 스타일 rho }와 켄달의 θ {디스플레이 스타일 tau } 보다 일반적인 상관 계수의 특별한 경우로 공식화 될 수 있습니다.

임의로 선택된 변수(v1)가 100개이고 Spearman의 rho가 0,4인 100개의 변수(v2) 집합이 필요합니다. 내 말은, 두 데이터 세트 (0,4) 사이의 상관 관계 (Spearman의 rho)를 알고 있지만 각 v1에 대해 상관 관계가있는 v2 값을 찾아야합니다. 나는 엑셀에 이것을 공식화 할 수있는 방법을 설명 할 수 있다면 감사하겠습니다? 예제에서 “IQ”의 모든 관측값은 다릅니다 (“바위”의 관찰조차도 있지만 분석은 “IQ”에 있습니다);. 이 값을 사용하면 스피어맨의 상관 관계가 “전통적인” 수식과 계산된 [1 – (6*합계(d^2))/(n^3 – n)]은 -0.11515152이며, 피어슨의 계급 상관관계와 계산된 경우 [CORREL(RANK). AVG (R1, R1,1), 랭크. AVG(R2,R2,1)) 값이 동일합니다(-0.11515152). Rs가 +1 또는 -1에 가까울수록 상관 관계가 강해집니다. 완벽한 양수 상관관계는 +1이고 완벽한 음의 상관관계는 -1입니다. -0.73의 Rs 값은 상당히 강한 부정적인 관계를 시사합니다. Lukku, R1 및 R2는 두 개의 데이터 범위를 나타냅니다. A1:A10 및 B1:B10의 데이터에 해당하는 상관 계수를 원하는 경우 R1을 A1:A10 및 R2를 B1:B10을 나타내는 것으로 생각할 수 있습니다.

찰스 데이터가 일반적으로 분산되지 않거나 이상값의 존재가 두 개의 무작위 변수 간의 연관에 대한 왜곡된 그림을 제공하는 경우, 스피어맨의 순위 상관관계는 Pearson의 상관 관계 대신 사용할 수 있는 비파라메트릭 테스트입니다. 계수. 죄송합니다, 나는 아마 내가 무슨 뜻인지 물어 아주 잘되지 않았다, 나는 스피어 맨의 순위 자체에 대한 공식이 실제로 작동하는 이유를 정확하게 궁금했다. 왜 = 1 – (6 = d^2)//(n (n (n2 – 1)))는 데이터 세트와 이 숫자가 1과 -1 사이의 상관 관계를 제공하는 수식입니다.