De Spearman og Kendall rang korrelasjonskoeffisienter er kjente metoder for å kvantifisere korrespondanser mellom lister med ordinale data . Hvordan er de beregnet, og hva betyr de? Det er hva denne artikkelen handler om . Les videre for mer ... Du trenger
SPSS ( nå også kjent som PASW Statistikk 17 ) , alle versjoner , OR
R ( http://www.r-project.org/)
Vis flere instruksjoner
en

i SPSS : Gå til Analyze -menyen , velg " Correlate - > bivariate ... " , og velg variablene du ønsker å korrelere i boksen som vises til venstre ( klikk på miniatyrbilde for en større versjon ) . Flytte dem over til boksen til høyre ved å klikke på den blå pilen . Til slutt , sørge for at det er en hake i enten " Kendall sin tau- b " eller " Spearman " boksen , og klikk OK.
2

R , kan rang -order korrelasjon beregnes med den " cor "-kommandoen . Gitt vektorer x og y , Spearman og Kendall rang korrelasjon mellom de to kan beregnes med følgende commands.cor.test ( x , y , method = " Spearman ") cor.test ( x , y , method = " Kendall " ;)
3

Tolke resultatene: Kendall tau og Spearmans rho hvert område 1 til -1 , 1 angir perfekt korrelasjon , indikerer -1 et perfekt invers korrelasjon , og 0 indikerer ingen sammenheng . Spearmans rho har ikke et meningsfylt operasjonell tolkning , selv om det er oftere sitert statistikken på mange felt , det er i hovedsak tilsvarer konvertere score til numeriske rang- orden score og beregning av en standard Pearson korrelasjon mellom dem, selv om de matematiske detaljene varierer i Ved bånd. Kendall tau krever ikke første konvertering score til rang - ordre og har flere fordeler fra et statistisk synspunkt , for eksempel en nær -normal fordeling av poengene funksjon for små n . Imidlertid kan resultatene være vanskeligere å sammenligne med de i publisert litteratur , som ofte favoriserer Spearmans rho ut av tradisjon .