El coeficiente de correlación de rango de Spearman se usa para descubrir la fuerza de
Un enlace entre dos conjuntos de datos. Este ejemplo analiza la fuerza del enlace
entre el precio de un artículo de conveniencia (una botella de agua de 50Cl) y la distancia
Del Museo de Arte Contemporáneo en El Raval, Barcelona.
Ejemplo: la hipótesis probada
es que los precios deberían disminuir con la distancia del área clave de la gentrificación
Alrededor del Museo de Arte Contemporáneo. La línea seguida es el transecto 2 en el
mapa a continuación, con un muestreo continuo del precio de una botella de 50Cl en cada
tienda de conveniencia.
Mapa para mostrar la ubicación de los gradientes ambientales para
Líneas de transectos en El Raval, Barcelona
Podríamos esperar encontrar que el precio de una botella de agua
disminuye a medida que aumenta la distancia del museo de arte contemporáneo. Más alto
Los alquileres de la propiedad cercanos al museo deben reflejarse en precios más altos en el
tiendas.
El precio de un artículo de conveniencia disminuye a medida que la distancia desde el
Aumenta el museo de arte contemporáneo.
El método de investigación científica más objetivo es siempre
Suponga que no existe tal relación de precio de la distancia y expresar el nulo
Hipótesis AS: No existe una relación significativa entre el precio de un artículo de conveniencia
y distancia del Museo de Arte Contemporáneo.
Habiendo decidido la redacción de la hipótesis, deberías
Considere si hay algún otro factor que pueda influir en el estudio. Alguno
Los factores que pueden influir en los precios pueden incluir:
- El tipo de salida minorista. Debe ser consistente en su elección de minorista
toma de corriente. Por ejemplo, los bares y los restaurantes a menudo cobran significativamente más por
agua que una tienda de conveniencia. Debe decidir qué tipo de salida usar
y quédate con él para toda tu recopilación de datos.
¿Cuándo se utiliza el coeficiente de correlación de Spearman?
Si la relación es que una variable aumenta cuando la otra aumenta, pero la cantidad no es consistente, el coeficiente de correlación de Pearson es positivo pero inferior a +1. El coeficiente de Spearman todavía es igual a +1 en este caso.
Los valores de correlación de −1 o 1 implican una relación lineal exacta, como esa entre el radio y la circunferencia de un círculo. Sin embargo, el valor real de los valores de correlación es cuantificar las relaciones menos que las perfectas. Encontrar que dos variables están correlacionadas a menudo informan un análisis de regresión que trata de describir más este tipo de relación.
Este gráfico muestra una relación muy fuerte. El coeficiente de Pearson y el coeficiente de Spearman son aproximadamente 0.
¿Cuándo se usa el coeficiente de correlación de Spearman?
En matemáticas y estadísticas, el coeficiente de correlación del rango de Spearman es una medida de correlación, que toma su nombre de su creador, Charles Spearman. Se escribe en breve como la letra griega Rho (ρ Seploastyle rho}) o, a veces, como R s { DysplayStyle R_ {S}}} .. Es un número que muestra qué tan cerca están conectados dos grupos de datos. Solo se puede usar para los datos que se pueden poner en orden, como de lo más alto a lo más bajo.
Por ejemplo, si tiene datos relacionados con el costo de diferentes computadoras y a la velocidad de las computadoras, puede ver si están conectados, y qué tan cerca están estrechamente conectados, usando r_ {s}} {s_displaystyle r_ {s}} ..
Para procesar el estilo de vista R_S R_S primero debe clasificar cada datos. Usaremos el ejemplo de la introducción de computadoras y su velocidad.
Entonces, la computadora con el precio más bajo sería en primer lugar. El más alto tendría el 2. Luego, sube hasta que todo esté clasificado. Esto debe hacerse para ambas series de datos.
Luego tenemos que encontrar la diferencia entre las dos filas. Entonces, la diferencia para sí misma se multiplica, que se llama cuadrante. La diferencia se llama d { dongestyle d}, y el número que se obtiene cuando es cuadrado d { dongestyle d} se llama d 2 { displayle d^{2}} ..
Por lo tanto, el coeficiente de correlación del rango de Spearman es 0.8 para este conjunto de datos.
R s {\ fscx130 fscy130 frx40}} estilo de visualización r_ {s}} siempre da una respuesta entre -1 y 1. Los números entre ellos son como una escala, donde -1 es un enlace muy fuerte, 0 no lo es un vínculo, y 1 también es un vínculo muy fuerte. La diferencia entre 1 y -1 es que 1 es una correlación positiva, y -1 es una correlación negativa. Un gráfico de datos con un valor r s { dongestyle r_ {s}}} de -1 se parecería al diseñador gráfico, excepto que la línea y los puntos irían de arriba a la izquierda en la parte inferior derecha.
¿Cuándo se usa Pearson y cuando Spearman?
¿Cómo sé cuándo elegir entre $ rho $ R $ de Spearman y Pearson? Mi variable incluye satisfacción y los puntajes se interpretaron utilizando la suma de los puntajes. Sin embargo, estos puntajes también podrían clasificarse.
Si desea explorar sus datos, es mejor calcular tanto, ya que la relación entre las correlaciones de Spearman (S) y Pearson (P) dará información. Brevemente, S se calcula en rangos y representa las relaciones monotónicas, mientras que P está en valores verdaderos y representa relaciones lineales.
x = (1: 100); y = exp (x); % después, corr (x, y, 'tipo', 'spearman'); % igualará 1 y corr (x, y, 'tipo', 'Pearson'); El % será aproximadamente igual a 0.25
Esto se debe a que $ y $ aumenta monotónicamente con $ x $, por lo que la correlación de Spearman es perfecta, pero no linealmente, por lo que la correlación de Pearson es imperfecta.
corr (x, log (y), 'tipo', 'Pearson'); % igualará 1
Hacer ambas cosas es interesante porque si tienes S> P, eso significa que tienes una correlación que es monotónica pero no lineal. Dado que es bueno tener linealidad en las estadísticas (es más fácil), puede intentar aplicar una transformación en $ y $ (dicho registro).
Espero que esto ayude a hacer que las diferencias entre los tipos de correlaciones sean más fáciles de entender.
Pearson Benchmarks Relation Lineal Relation, Spearman reúne la relación monotónica (pocos infinitos más en el caso general, pero para alguna compensación de energía).
Entonces, si asume/piensa que la relación es lineal (o, como caso especial, que son dos medidas de la misma cosa, por lo que la relación es $ y = 1 cDot x+0 $) y la situación no es Demasiado Weired (verifique otras respuestas para más detalles), vaya con Pearson. De lo contrario, use Spearman.
Artículos Relacionados:
