【统计学】三大相关系数之肯德尔相关系数(kendall correlation coefficient)

kendall相关系数,亦即和谐系数

kendall相关系数又称作和谐系数,也是一种等级相关系数,其计算方法如下:

对于X,Y的两对观察值Xi,Yi和Xj,Yj,如果Xi<Yi并且Xj<Yj,或者Xi>Yi并且Xj>Yj,则称这两对观察值是和谐的,否则就是不和谐的.
和谐: x1>y1 and x2>y2 (or x1<y1 and x2<y2)
不和谐: 非和谐都是不和谐
kendall相关系数的计算公式如下: 在这里插入图片描述
(和谐的观察值对 - 不和谐的观察值对的数量)/0.5n(n-1)

     亦即,所有观察值对中(总共有0.5*n*(n-1)对),和谐的观察值对减去不和谐的观察值对的数量,除以总的观察值对数.

R语言中计算kendall相关系数的函数:

//赋予a,b向量值
a<-c(1,2,3
  • 6
    点赞
  • 28
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
皮尔逊相关系数、斯皮尔曼相关系数肯德尔相关系数是用来衡量两个变量之间相关程度的统计指标,它们在计算方法和适用场景上有所不同。 1. 皮尔逊相关系数(Pearson correlation coefficient)是最常用的相关系数之一,用于衡量两个变量之间的线性相关程度。它的取值范围在-1到1之间,其中-1表示完全负相关,1表示完全正相关,0表示无相关。皮尔逊相关系数假设变量之间的关系是线性的,并且对异常值敏感。 2. 斯皮尔曼相关系数(Spearman correlation coefficient)是一种非参数的相关系数,用于衡量两个变量之间的单调相关程度。它通过将原始数据转换为秩次来计算相关系数,因此不受异常值的影响。斯皮尔曼相关系数的取值范围也在-1到1之间,具有与皮尔逊相关系数相似的解释。 3. 肯德尔相关系数Kendall correlation coefficient)也是一种非参数的相关系数,用于衡量两个变量之间的顺序相关程度。它通过比较两个变量的排序顺序来计算相关系数,因此适用于有序变量或者无法满足线性假设的情况。肯德尔相关系数的取值范围在-1到1之间,具有与皮尔逊相关系数和斯皮尔曼相关系数相似的解释。 总结来说,皮尔逊相关系数适用于线性关系,斯皮尔曼相关系数适用于单调关系,肯德尔相关系数适用于顺序关系。根据变量之间的关系类型和数据的特点,选择合适的相关系数进行分析。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值