python实现spearman相关性检验
Spearman秩相关系数
对原始变量的分布不做要求,适用范围较Pearson相关系数广,即使是等级资料,也可适用。但其属于非参数方法,检验效能较Pearson系数低。(适合含有等级变量或者全部是等级变量的相关性分析)
测试两个样本是否具有单调关系。
假设条件
- 每个样本中的观察结果都是独立且均等分布的(iid)。
- 可以对每个样本中的观察结果进行排名。
解释
- H0:两个样本是独立的。
- H1:样本之间存在依赖性。
#
# Example of the Spearman's Rank Correlation Test
from scipy.stats import spearmanr
data1 = [0.873, 2.817, 0.121, -0.945, -0.055, -1.436, 0.360, -1.478, -1.637, -1.869]
data2 = [0.353, 3.517, 0.125, -7.545, -0.555, -1.536, 3.350, -1.578, -3.537, -1.579]
stat, p = spea