两个连续变量间呈线性相关时,
使用
Pearson
积差相关系数,
不满足积差相关分析的
适用条件时,使用
Spearman
秩相关系数来描述
.
Spearman
相关系数又称秩相关系数,是利用两变量的秩次大小作线性相关分析,对
原始变量的分布不作要求,
属于非参数统计方法,
适用范围要广些。
对于服从
Pearson
相关
系数的数据亦可计算
Spearman
相关系数,但统计效能要低一些。
Pearson
相关系数的计算
公式可以完全套用
Spearman
相关系数计算公式,
但公式中的
x
和
y
用相应的秩次代替即可。
Kendall's
tau-b
等级相关系数:用于反映分类变量相关性的指标,适用于两个分类
变量均为有序分类的情况。对相关的有序变量进行非参数相关检验;取值范围在
-1-1
之间,
此检验适合于正方形表格;
计算积距
pearson
相关系数,连续性变量才可采用
;
计算
Spearman
秩相关系数,适合
于定序变量或不满足正态分布假设的等间隔数据
;
计算
Kendall
秩相关系数,
适合于定序变
量或不满足正态分布假设的等间隔数据。
计算相关系数:当资料不服从双变量正态分布或总体分布未知,或原始数据用等级表
示时,宜用
spearman
或
kendall
相关
Pearson
相关复选项
积差相关计算连续变量或是等间距测度的变量间的相关分析
Kendall
复选项
等级相关
计算分类变量间的秩相关,适用于合并等级资料
Spearman
复选项
等级相关计算斯皮尔曼相关,适用于连续等级资料
注:
1
若非等间距测度的连续变量
因为分布不明
-
可用等级相关
/
也可用
Pearson
相关,对于完
全等级离散变量必用等级相关
2
当资料不服从双变量正态分布或总体分布型未知或原始数据是用等级表示时
,
宜用
Spearman
或
Kendall
相关。
3
若不恰当用了
Kendall
等级相关分析则可能得出相关系数偏小的结论。
则若不恰当使用,
可能得相关系数偏小或偏大结论而考察不到不同变量间存在的密切关系。
对一般情况默认数
据服从正态分布的,故用
Pearson
分析方法。
肯德尔
(Kendall)U
系数又称一致性系数,
是表示多列等级变量相关程度的一种方法。
该方法同样适用于让
K
个评委(被试)评定
N
件事物,或
1
个评委(被试)先后
K
次评定
N
件事物所得的数据资料,
只不过评定时采用对偶评定的方法,
即每一次评定都要将
N
个事物
两两比较,评定结果如下表所示,表格中空白位(阴影部分可以不管)填入的数据为:若
i
比
j
好记
1
,若
i
比
j
差记
0
,两者相同则记
0.5
。一共将得到
K
张这样的表格,将这
K
张
表格重叠起来,对应位置的数据累加起来作为最后进行计算的数据,这些数据记为
γ
ij
。