Spearman等级相关系数和Kendall(肯德尔)的tau相关系数相关关系的种类:(1)按照相关的方向不同分为:正相关和负相关。
(由相关系数的符号决定)(2)按照相关形式不同分为:线性相关和非线性相关。
(相关系数为±1时为线性相关)(3)按相关程度分为:完全相关、不完全相关和不相关。
(三种相关情况的系数取值分别为±1、(-1,0)∪(0,1)、0(4)按研究的变量(或因素)的多少分为:单相关、复相关和偏相关。
斯皮尔曼等级相关系数是对X、Y的总体等级相关关系进行检验。
等级相关检验适用于变量值表现为等级的变量。
不过,对于变量值表现为数值而不是等级的变量,有时也可以把它划分为若干等级,用等级相关的方法来研究。
这样做是出于下面的一些理由:(1)无法假定总体的分布(2)其中有一个变量是只能用等级来反映的(3)把测量值划分为等级更能反映事物的本质(例如,把年龄按生命过程阶段划分比用实际年龄更便于研究生命过程的统计规律)。
把测量值转换为等级的方法是:首先,按实际观察值大小排序,并赋予每个观察值秩次;其次,把测量值的取值范围划分为若干等级区间。
一般讨论两变量之间相关系数的前提是:两随机变量的联合分布是二维正态分布。
当随机变量的分布不能满足正态性要求时,或者所要研究的变量不是数量型变量时,通常的相关分析方法不宜使用,从而需要利用斯皮尔曼等级相关系数进行考察。
要检验出两组数据的是否有相关关系,一般计算其相关系数即可,只要相关系数不为0,就说明两变量之间存在相关关系。
能帮我看下这个spearman相关性分析的结果吗SPSS分析数据时,两组连续变量数据的pearson相关不显著而spearman相关显著,以哪个为准?一般使用pearson相关系数多一些,建议以pearson为准。
其实很多时候两个的结果都差不多,但偶尔会出现相互矛盾的现象。
如果这个时候建议使用pearson,另外,如果数据不正态,有时候是要求使用spearman。
另外如果是做相关分析,直接使用在线SPSS软件进行就好,SPSSAU,里面全部都有智能化文字分析图表这些,非常傻瓜,拖拽点一下就完成分析了。
读取哪个结果取决于资料的分布,Pearson相关要求两个变量都是随机变量,而且仅适用于二元正态分布资料。
如果资料不服从正态分布,应先通过变量变换,使之正态化,再根据变换值计算Pearson相关系数,或者读取Spearman等级相关的结果。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)