Hvordan beregne Spearman Rho og Kendall Tau koeffisienter i SPSS eller R

De Spearman og Kendall rang korrelasjonskoeffisienter er velkjente metoder for å kvantifisere korrespondanse mellom lister med ordinale data. Hvordan er de beregnet, og hva betyr de? Det er hva denne artikkelen handler om. Les videre for mer ...

Bruksanvisning

1

I SPSS: Gå til Analyze-menyen, velg "Correlate -> bivariate ...", og velg variablene du ønsker å korrelere i boksen som vises til venstre (klikk på miniatyrbilde for en større versjon). Flytt dem over til boksen til høyre ved å klikke på den blå pilen. Til slutt, sørg for at det er en hake i enten "Kendall tau-b" eller "Spearman" boksen, og klikk OK.

2 I R, kan rang-orden korrelasjoner beregnes med "cor" kommandoen. Gitt vektorer x og y, kan Spearman og Kendall rang korrelasjoner mellom de to beregnes med følgende kommandoer.
cor.test (x, y, method = "Spearman")
cor.test (x, y, method = "Kendall")

3 Tolke resultatene: Kendall tau og Spearmans rho hver fra 1 til 1; 1 indikerer perfekt korrelasjon, -1 indikerer en perfekt invers korrelasjon, og 0 indikerer ingen sammenheng. Spearmans rho ikke har en meningsfylt operativ tolkning, selv om det er mer hyppig sitert statistikk på mange områder; Det er i det vesentlige ekvivalent med å konvertere Stillingen til numeriske rang ordens score og beregning av en standard Pearson korrelasjon mellom dem, selv om de matematiske detaljer avviker i tilfelle av bånd. Kendall tau krever ikke først konvertere score for å rangere bestillinger og har flere fordeler fra et statistisk synspunkt, for eksempel en nær-normal fordeling av poengene funksjon for liten n. Imidlertid kan resultatene være vanskeligere å sammenligne med de i publisert litteratur, som ofte favoriserer Spearmans rho ut av tradisjon.