相关性分析 - 斯皮尔曼等级相关系数

斯皮尔曼等级相关系数（Spearman’s Rank Correlation Coefficient），通常用符号 $\rho$（rho）表示，是一种非参数的统计方法，用于衡量两个变量之间的单调关系。与皮尔森系数不同，斯皮尔曼等级相关系数不要求数据满足正态分布，也不要求变量之间的关系必须是线性的。

---

---

计算方法

斯皮尔曼等级相关系数的计算步骤如下：

1. 等级转换：将每个变量的观测值转换为的等级（rank）。即，最小的值获得等级1，次小的值获得等级2，依此类推。如果有多个观测值相同，则取这些值的平均等级。

2. 计算等级差：对于每一对观测值，计算在两个变量中的等级差 $d_i$，即 $d_i=\text{rank}(X_i)-\text{rank}(Y_i)$。

3. 计算系数：使用以下公式计算斯皮尔曼等级相关系数：

$$\rho =1-\frac{6\sum d_i^2}{n(n^2-1)}$$

其中，$n$ 是观测值的对数，$d_i$ 是每一对观测值的等级差。

解释

• +1：表示完全正单调关系，即一个变量增加时，另一个变量也总是增加。
• -1：表示完全负单调关系，即一个变量增加时，另一个变量总是减少。
• 0：表示没有单调关系。

特点

1. 非参数方法：斯皮尔曼等级相关系数不依赖于数据的分布形态，适用于各种类型的数据。

2. 单调关系的度量：它衡量的是变量之间的单调关系，而不是线性关系。即使变量之间的关系不是线性的，只要是单调的，斯皮尔曼系数就能有效反映这种关系。

3. 对异常值的鲁棒性：由于斯皮尔曼系数基于数据的等级而非原始值，因此它对异常值（outliers）的敏感性较低，比皮尔森系数更具鲁棒性。

4. 简单易用：计算过程相对简单，易于理解和应用。

5. 适用范围广：适用于各种研究领域，特别是在心理学、社会科学、生物学等领域中，当数据不满足正态分布或线性关系假设时，斯皮尔曼等级相关系数是一个非常有用的工具。

---

系数特点

斯皮尔曼等级相关系数（Spearman’s Rank Correlation Coefficient）作为一种非参数统计方法，具有以下几个显著特点：

1. 非参数性质：斯皮尔曼等级相关系数不假设数据遵循特定的分布（如正态分布），这使得它适用于各种类型的数据，包括那些偏斜或含有异常值的数据。

2. 单调关系的度量：与皮尔森系数不同，斯皮尔曼系数衡量的是变量之间的单调关系，而不是线性关系。这意味着即使变量之间的关系不是线性的，只要它们是单调的（即一个变量增加时，另一个变量总是增加或总是减少），斯皮尔曼系数就能有效反映这种关系。

3. 对异常值的鲁棒性：由于斯皮尔曼系数基于数据的等级而非原始值，因此它对异常值（outliers）的敏感性较低。异常值在等级转换过程中可能不会对整体的相关性估计产生显著影响。

4. 简单易用：计算斯皮尔曼等级相关系数的过程相对简单，只需要将数据转换为等级并计算等级差，然后应用公式即可。这使得它在实际应用中易于理解和实施。

5. 适用范围广：斯皮尔曼等级相关系数适用于各种研究领域，特别是在心理学、社会科学、生物学等领域中，当数据不满足正态分布或线性关系假设时，斯皮尔曼系数是一个非常有用的工具。

6. 对称性：与皮尔森系数类似，斯皮尔曼等级相关系数也是对称的，即 ( \rho(X, Y) = \rho(Y, X) )。这意味着无论哪个变量被视为自变量或因变量，相关系数都是相同的。

7. 仅反映相关性，不反映因果关系：斯皮尔曼系数只能说明两个变量之间存在某种程度的单调相关性，但不能证明一个变量是导致另一个变量变化的原因。因果关系的确定需要更多的实验设计或理论支持。

---

Python 实现方式

import numpy as np
from scipy.stats import spearmanr

# 示例数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([5, 6, 7, 8, 7])

# 计算斯皮尔曼等级相关系数
rho, p_value = spearmanr(x, y)

print(f"斯皮尔曼等级相关系数 (rho): {rho}")
print(f"p值: {p_value}")

在这个示例中，首先导入了必要的库，然后定义了两个示例数据数组x和y。接着，使用spearmanr函数计算了这两个数组之间的斯皮尔曼等级相关系数及其对应的p值。最后，打印出了相关系数和p值。

解释

• 斯皮尔曼等级相关系数 (rho)：表示两个变量之间的单调关系强度和方向。
• p值：用于检验相关系数是否显著不为零。通常，p值小于0.05表示相关系数在统计上是显著的。

注意事项

1. 数据类型：确保输入的数据是数值型数组。
2. 数据长度：两个数组的长度应该相同。
3. p值解释：p值的解释需要结合具体的统计显著性水平（如0.05）。

---