Kalkulator współczynnika korelacji rang Spearmana służy do sprawdzania, czy dwie zmienne mają podobny porządek: gdy jedna rośnie, druga ma tendencję do wzrostu albo spadku. Wynik rs (rho Spearmana) mieści się od -1 do 1.
Strona pokazuje nie tylko końcowy współczynnik, ale też rangi, remisy, różnice rang, wykres punktowy i przybliżone p-value. Dzięki temu można sprawdzić zarówno wynik, jak i kolejne etapy obliczenia.
Korelacja Spearmana – co warto sprawdzić dalej?
Dobór następnego narzędzia zależy od tego, czy interesuje Cię zależność rangowa, liniowa, model regresji czy przygotowanie danych.
Współczynnik korelacji rang Spearmana (rho, rs) – co mierzy?
Współczynnik Spearmana mierzy siłę i kierunek zależności monotonicznej pomiędzy dwiema zmiennymi. Nie porównuje bezpośrednio odległości pomiędzy wartościami, tylko ich kolejność po zamianie na rangi.
Zakres współczynnika Spearmana
Wartość rs = 1 oznacza idealnie zgodny porządek rang, rs = -1 idealnie odwrotny porządek, a wynik w pobliżu 0 oznacza brak wyraźnej zależności monotonicznej. Znak mówi o kierunku, a wartość bezwzględna o sile związku.
Kiedy korelacja rangowa jest przydatna?
Spearman dobrze pasuje do danych porządkowych, rankingów, ocen oraz sytuacji, w których zależność jest monotoniczna, ale nie musi być liniowa. Rangi ograniczają też wpływ skrajnych wartości w porównaniu z korelacją liczonym bezpośrednio na wartościach.
Jak obliczyć korelację Spearmana krok po kroku?
1. Zamień wartości X i Y na rangi
Najmniejsza wartość dostaje rangę 1, kolejna rangę 2 itd. Ranking X i Y wykonuje się oddzielnie, ale pary obserwacji muszą pozostać w tych samych wierszach.
2. Uwzględnij remisy rang
Jeśli kilka obserwacji ma tę samą wartość, kalkulator przypisuje im średnią z pozycji, które zajmowałyby w rankingu. Dwie równe wartości na miejscach 3 i 4 otrzymają więc rangę 3,5.
3. Policz korelację pomiędzy rangami
Kalkulator liczy współczynnik Pearsona dla rang X i Y. To podejście działa również przy remisach. Gdy remisów nie ma, ten sam wynik można uzyskać ze skróconego wzoru:
d oznacza różnicę pomiędzy rangą X i rangą Y tej samej obserwacji, a n liczbę par danych. Przy remisach nie należy bez korekty opierać się wyłącznie na tym skróconym wzorze.
Korelacja Spearmana – interpretacja wyniku
Nie istnieje jedna uniwersalna granica „silnej” korelacji dla każdej dziedziny. Poniższa skala jest orientacyjna i ma ułatwić szybkie czytanie wyniku, ale kontekst badania, liczebność próby i jakość danych są równie ważne.
| |rs| | Orientacyjna siła | Jak czytać wynik? |
|---|---|---|
| 0,00–0,19 | bardzo słaba | uporządkowanie zmiennych jest tylko nieznacznie podobne |
| 0,20–0,39 | słaba | widoczny jest niewielki trend monotoniczny |
| 0,40–0,59 | umiarkowana | trend jest zauważalny, ale nie dominuje danych |
| 0,60–0,79 | silna | rangi obu zmiennych w dużej mierze zmieniają się wspólnie |
| 0,80–1,00 | bardzo silna | porządek obserwacji jest bardzo podobny lub bardzo wyraźnie odwrotny |
Dodatnia i ujemna korelacja Spearmana
Dodatni rs oznacza, że większym wartościom jednej zmiennej zwykle odpowiadają większe wartości drugiej. Ujemny rs oznacza tendencję odwrotną. Sam znak nie mówi, czy zależność jest silna — do tego potrzebna jest wartość bezwzględna współczynnika.
Test Spearmana i p-value – co oznacza istotność?
Kalkulator pokazuje przybliżone dwustronne p-value na podstawie transformacji współczynnika rs do statystyki t z n − 2 stopniami swobody. Jeśli p-value jest mniejsze niż wybrane α, wynik spełnia przyjęte kryterium istotności w tym przybliżeniu.
P-value nie jest miarą siły korelacji i nie mówi, jak duże jest praktyczne znaczenie zależności. Siłę opisuje rs. P-value nie dowodzi też przyczynowości.
Spearman czy Pearson – który współczynnik korelacji wybrać?
| Sytuacja | Najczęstszy wybór | Dlaczego? |
|---|---|---|
| Zależność liniowa i dane liczbowe | Pearson | mierzy liniowy związek bezpośrednio pomiędzy wartościami |
| Zależność monotoniczna, ale nieliniowa | Spearman | porównuje uporządkowanie obserwacji |
| Dane są ocenami, miejscami lub rangami | Spearman | skala porządkowa naturalnie pasuje do rang |
| Potrzebujesz równania prostej i prognozy | regresja liniowa | sama korelacja nie tworzy modelu predykcyjnego |
Szersze zestawienie wzorów i pojęć znajdziesz w tablicy korelacji i regresji oraz w poradniku jak liczyć korelację, regresję i z-score.
Przykład korelacji rang Spearmana krok po kroku
Załóż, że dla 10 osób masz liczbę godzin nauki i wynik testu. Jeśli wraz z większą liczbą godzin wynik zwykle rośnie, rangi obu zmiennych będą podobne i rs będzie dodatni. Jeśli większej wartości X zwykle odpowiada mniejsza wartość Y, współczynnik będzie ujemny.
Tabela kalkulatora pokazuje rangę każdej obserwacji, różnicę d i d². Dzięki temu łatwo znaleźć pary, których pozycje w obu rankingach różnią się najbardziej, a wykres punktowy pomaga zobaczyć ogólny kształt zależności.
Jak przygotować dane do testu Spearmana?
Pary X–Y muszą odnosić się do tych samych obserwacji
Każdy wiersz powinien opisywać jeden przypadek, np. jedną osobę, produkt albo pomiar. Nie sortuj osobno X i Y przed wklejeniem danych, bo zniszczyłoby to rzeczywiste parowanie obserwacji.
Sprawdź braki danych i wartości odstające
Ten kalkulator wymaga kompletnej pary liczbowej w każdym wierszu i zgłasza błąd zamiast po cichu usuwać nieprawidłową wartość. Rozkład zmiennych możesz wcześniej obejrzeć przez histogram, a kwartyle i odstające obserwacje przez kwartyle i IQR.
Nie interpretuj korelacji bez kontekstu
Duże |rs| nie oznacza automatycznie związku przyczynowego. W raporcie podaj co najmniej rs, liczebność n, informację o remisach i sposób wyznaczenia p-value.
Najczęstsze błędy przy korelacji Spearmana
- Mylenie Spearmana z Pearsonem – Spearman mierzy zależność rang, a Pearson liniową zależność wartości.
- Rozdzielenie par X–Y – osobne sortowanie kolumn daje sztuczny wynik i niszczy informację o obserwacjach.
- Ignorowanie remisów – powtarzające się wartości wymagają średnich rang.
- Traktowanie p-value jako siły związku – siłę pokazuje rs, a p-value dotyczy wnioskowania statystycznego.
- Wnioskowanie o przyczynowości – korelacja nie wystarcza do stwierdzenia przyczyny.
- Zaokrąglanie danych przed obliczeniem – może tworzyć dodatkowe remisy i zmieniać rangi.
Narzędzia do dalszej analizy danych
Wskazówka od KalkulatorXXL
Jeśli raportujesz korelację Spearmana, nie ograniczaj się do samego „jest silna” lub „jest istotna”. Podaj wartość rs, kierunek, n, przybliżone lub dokładne p-value oraz informację o remisach. To ułatwia ocenę wyniku i późniejsze porównanie analiz.
FAQ - korelacja Spearmana
Źródła i uwagi metodologiczne
- NIST/SEMATECH – Rank Correlation: definicja współczynnika, średnie rangi przy remisach i korelacja liczona na rangach.
- SciPy – spearmanr: opis korelacji rang Spearmana oraz ograniczeń asymptotycznego p-value.
Ostatnia aktualizacja: 28.09.2026