Co mierzy korelacja Spearmana?
Korelacja Spearmana mierzy siłę i kierunek zależności monotonicznej między dwiema zmiennymi. W przeciwieństwie do korelacji Pearsona nie pracuje bezpośrednio na wartościach, tylko na ich rangach. Dzięki temu jest przydatna, gdy dane są porządkowe, nieliniowe albo zawierają wartości odstające.
Współczynnik Spearmana oznacza się często jako ρ albo rs. Jego wynik mieści się od -1 do 1. Wartość bliska 1 oznacza silną zależność rosnącą, bliska -1 silną zależność malejącą, a okolice 0 brak wyraźnej zależności monotonicznej.
Kiedy używać Spearmana zamiast Pearsona?
| Sytuacja | Lepszy wybór | Dlaczego? |
|---|---|---|
| Zależność jest liniowa i dane są liczbowe | Pearson | mierzy liniową zależność między wartościami |
| Zależność jest rosnąca, ale nieliniowa | Spearman | porównuje uporządkowanie, nie odległości między wartościami |
| Dane są ocenami, miejscami, rangami | Spearman | dane porządkowe naturalnie pasują do rang |
| Występują wartości odstające | często Spearman | rangi zmniejszają wpływ skrajnych wartości |
Do klasycznej korelacji liniowej możesz użyć istniejącego kalkulatora korelacji Pearsona, a przy przygotowaniu danych pomocny będzie histogram z klasami przedziałowymi.
Jak liczy się rangi?
Najpierw każdej wartości X i Y przypisuje się rangę. Najmniejsza wartość dostaje rangę 1, kolejna rangę 2 itd. Jeśli pojawiają się remisy, kalkulator stosuje średnie rangi. Przykład: gdy dwie wartości zajmują miejsca 3 i 4, obie dostają rangę 3,5.
Następnie oblicza się korelację Pearsona między rangami X i Y. Gdy nie ma remisów, można też użyć znanego wzoru:
rs = 1 - 6Σd² / (n(n²-1))
gdzie d to różnica między rangą X i rangą Y dla tej samej obserwacji.
Jak interpretować wynik?
| |rs| | Przykładowa interpretacja | Uwaga |
|---|---|---|
| 0,00-0,19 | bardzo słaba zależność | zależność monotoniczna jest mało widoczna |
| 0,20-0,39 | słaba zależność | widoczny, ale niewielki trend |
| 0,40-0,59 | umiarkowana zależność | trend jest zauważalny |
| 0,60-0,79 | silna zależność | rangi zmieniają się podobnie |
| 0,80-1,00 | bardzo silna zależność | kolejność obserwacji jest bardzo podobna lub odwrotna |
Interpretacja zależy od dziedziny. W danych społecznych wynik 0,4 może być praktycznie ważny, a w pomiarach technicznych oczekuje się często wyższych wartości.
p-value w korelacji Spearmana
Kalkulator pokazuje p-value z przybliżenia testem t dla korelacji rang. Przy większych próbach jest to wygodne przybliżenie, natomiast przy bardzo małych próbach wynik warto traktować ostrożnie.
Jeśli p-value jest mniejsze niż wybrane α, uznaje się, że korelacja jest statystycznie istotna. Nie oznacza to jednak, że zależność jest przyczynowa. Korelacja pokazuje współzmienność, a nie dowód przyczyny.
Przykład krok po kroku
Masz 10 osób, ich miejsce w rankingu nauki i wynik testu. Jeśli osoby z wyższą pozycją w jednym rankingu mają zwykle wyższą pozycję w drugim, Spearman będzie dodatni. Jeśli wyższa wartość X zwykle odpowiada niższej wartości Y, wynik będzie ujemny.
W kalkulatorze zobaczysz rangi, różnice rang d, kwadraty różnic d² i wynik końcowy. To ułatwia sprawdzenie, które obserwacje najbardziej zaburzają podobieństwo rankingów.
Zadania przykładowe
Co oznacza rs = 0,85?
Co oznacza rs = -0,70?
Kiedy Spearman jest lepszy od Pearsona?
Czy korelacja dowodzi przyczynowości?
Najczęstsze błędy
- Mylenie Spearmana z Pearsonem - Spearman mierzy zależność rang, a Pearson liniową zależność wartości.
- Ignorowanie remisów - przy powtarzających się wartościach trzeba stosować średnie rangi.
- Traktowanie p-value jako siły korelacji - siłę pokazuje rs, a p-value istotność statystyczną.
- Wnioskowanie o przyczynowości - korelacja nie wystarcza do takiego wniosku.
- Analiza danych bez wykresu - wykres punktowy pomaga zauważyć nietypowe obserwacje.
Sprawdź także
Przed analizą korelacji sprawdź rozkład danych przez histogram, a wartości odstające przez kwartyle i IQR. Do opisu zmienności przyda się współczynnik zmienności, a do porównań średnich test t-Studenta.
Wskazówka od KalkulatorXXL
Przy korelacji Spearmana raportuj nie tylko rs, ale także liczebność próby, p-value i informację, czy występowały remisy rang. To pomaga ocenić, czy wynik jest stabilny i jak ostrożnie go interpretować.
Cały pakiet statystyki i rozkładów
Ten kalkulator jest częścią większego pakietu narzędzi do statystyki, prawdopodobieństwa, rozkładów i analizy danych. Jeśli chcesz przejść od pojedynczego wyniku do szerszego zestawu metod, sprawdź Statystyka, prawdopodobieństwo i rozkłady - akademia obliczeń. Znajdziesz tam ścieżki do rozkładów dyskretnych i ciągłych, testów statystycznych, z-score, wartości odstających, ANOVA oraz narzędzi do oceny modeli.