De Spearman en Kendall rang correlatiecoëfficiënten zijn goed bekende methoden voor het kwantificeren van correspondenties tussen lijsten van ordinale data . Hoe worden ze berekend , en wat betekenen ze ? Dat is wat dit artikel over gaat . Lees verder voor meer ... Wat je nodig hebt SPSS (nu ook bekend als IBM SPSS Statistics 17 ) , een versie , OR R ( http://www.r-project.org/) Toon Meer Instructions 1 in SPSS : Ga naar het menu Analyseren de optie " correleren - > Bivariate ... " , en selecteer de variabelen die u wilt koppelen in het vak dat aan de linkerkant verschijnt ( klik miniatuur voor een grotere weergave ) . Verhuizen ze naar het vak rechts door te klikken op de blauwe pijl . Tot slot , zorg ervoor dat er een vinkje in een van beide de " Kendall's tau - b" of checkbox " Spearman " , en klik op OK . Kopen van 2 R , kunnen rang -orde correlaties worden berekend met de " cor " commando . Gezien vectoren x en y , Spearman en Kendall rangcorrelaties tussen de twee kan worden berekend met de volgende commands.cor.test ( x , y , method = " spearman " ) cor.test ( x , y , method = " Kendall " ;) 3 interpreteren uw resultaten : Kendall's tau en Spearman 's rho elk bereik van 1 tot -1 ; 1 geeft een perfecte correlatie , -1 duidt op een perfecte negatieve correlatie , en 0 staat voor geen correlatie . Spearman 's rho geen zinvolle operationele interpretatie , hoewel het het vaker geciteerde statistiek in vele gebieden , het is in wezen gelijk aan het omzetten scores numerieke rangorde scores en het berekenen van een standaard Pearson correlatie daartussen , hoewel de mathematische gegevens verschillen bij banden . Kendall's tau niet eerst te converteren scores te rang - opdrachten vereisen en heeft verschillende voordelen vanuit een statistisch oogpunt , zoals een bijna - normale verdeling van de score -functie voor kleine n . Echter , kan uw resultaten moeilijker te vergelijken met die in gepubliceerde literatuur , die vaak gunsten Spearman 's rho uit traditie .
|