Spearman等级相关性：公式和图形

该教程简化了Spearman的相关性，解释了如何计算Excel中的Spearman等级相关系数。 Pearson相关性分析线性关系时，Spearman的处理非线性关联，使其适用于各种数据类型。

- 了解Spearman的相关性

• 用Excel的相关功能计算Spearman的Rho
• 在Excel中使用传统的Spearman公式
• 可视化Spearman与Excel图的相关性

Spearman相关性：基本面

Spearman相关性是Pearson相关性的一种非参数替代品，它根据其等级来衡量变量之间的关联。皮尔逊相关性评估线性关系（变化量的恒定速率），而Spearman的评估是单调关系（变量一起变化，但不一定以恒定的速率）。

何时使用Spearman相关性

当皮尔逊相关的假设违反时，请使用长矛人的相关性：

1. 非线性关系或非正态分布数据。
2. 至少一个序数变量（数据排名为“第一，第二，第三...”）。
3. 存在重要的异常值。由于基于等级的计算，Spearman的对异常值的敏感性较小。

示例：高等教育与环境关注有关吗？症状计数与药物依从性有关吗？

Spearman的Rho（ρ）

Spearman相关系数（ρ或R _S ）测量了排名数据关系的强度和方向。值范围为-1至1：

• 1：完美的正相关
• -1：完美的负相关
• 0：无关

Spearman等级相关公式

公式因绑定等级而异（多个观察结果共享相同的等级）：

对于没有捆绑等级：

在哪里：

• D _I =等级对之间的差异
• n =观察次数

对于绑定等级，使用了一个更复杂的公式（修改后的皮尔森的R）：

在哪里：

• R（X）和R（Y）是X和Y变量的等级。
• R（X）和R（Y）是平均等级。

计算与Correl Excel中的Spearman相关性

尽管Excel缺乏专用的Spearman功能，但可以使用Correl的简化方法：

示例：将体育锻炼（体育馆的分钟）与收缩压有关。

1. 对数据进行排名：使用RANK.AVG函数来对两个变量进行排名（体育活动和血压）。例如， =RANK.AVG(B2,$B$2:$B$11,0)进行体育活动。请记住使用绝对单元格（$ b $ 2：$ b $ 11）来确保正确排名。

2. 计算Spearman的Rho：在排名数据上使用CORREL函数： =CORREL(D2:D11, E2:E11) （假设排名在D和E列中）。

这种方法有效地计算了Spearman的Rho，而不管绑定的等级如何。

计算Spearman与传统公式的相关性

要验证CORREL结果，请使用传统公式：

1. 计算等级对（d）之间的差异。
2. 平方每个差异（d²）。
3. 总结平方的差异。
4. 应用适当的公式（有或没有绑定等级调整）来计算ρ。

Excel公式可以简化此过程。可以将较简单的公式（无绑定等级）实现为： =1-(6*SUM(G2:G11)/(10*(10^2-1))) （假设平方差的总和在G11中，而n = 10）。

可视化Spearman与Excel图的相关性

使用排名数据创建XY散点图。添加趋势线并显示R平方值。 R平方的平方根给出了排名数据的Pearson相关系数，这相当于Spearman的Rho。趋势线的坡度表示相关的方向（正或负面）。

可下载的练习工作簿

[链接到excel（.xlsx file）中的Spearman等级相关性]（注意：需要将此链接替换为指向文件的实际链接。）

以上是Spearman等级相关性：公式和图形的详细内容。更多信息请关注PHP中文网其他相关文章！