스피어만 순위 상관이란?
스피어만 순위 상관계수(\(\rho\), '로'라고 읽습니다)는 두 변수 사이의 단조(monotonic) 관계가 얼마나 강하고 어떤 방향인지를 측정합니다. 피어슨 상관과 달리 원래 값이 아니라 데이터의 순위를 사용하기 때문에, 관계가 직선적이라거나 데이터가 정규분포를 따른다고 가정하지 않습니다. \(\rho\) 값은 −1(완벽한 역순)에서 0(단조 관계 없음)을 거쳐 +1(완벽한 일치)까지의 범위를 가집니다.
계산기 사용법
X와 Y 입력란에 두 개의 데이터 묶음을 넣으세요. 값은 쉼표나 공백으로 구분하면 됩니다. 두 목록의 데이터 개수는 같아야 하며, 한쪽이 더 길면 남는 값은 무시됩니다. 계산 버튼을 누르면 \(\rho\), 짝의 개수(\(n\)), 그리고 순위 차이를 제곱해 합한 \(\sum d^{2}\) 값을 한 번에 확인할 수 있습니다.
공식 풀어보기
동순위가 없는 데이터에서는 \(\rho\)를 다음과 같이 계산합니다.
$$\rho = 1 - \frac{6 \sum d_i^{2}}{n\,(n^{2}-1)}$$먼저 각 변수에 따로 순위를 매깁니다(가장 작은 값 = 1위). 각 짝에 대해 \(d\)는 그 짝의 X 순위와 Y 순위의 차이입니다. 이 \(d\)를 모두 제곱해서 더한 뒤 공식에 대입하면 됩니다. 동순위가 있을 때는 이 간편 공식에 편향이 생기므로, 계산기가 자동으로 순위에 대한 피어슨 상관 방식으로 전환하여 동순위 값에는 평균 순위를 부여합니다.
예제로 익히기
X = 10, 20, 30, 40, 50, Y = 12, 24, 33, 44, 55라고 해봅시다. 두 묶음 모두 함께 커지므로 각각의 순위는 1, 2, 3, 4, 5가 됩니다. 모든 \(d\)가 0이라 \(\sum d^{2} = 0\)이고, $$\rho = 1 - \frac{6 \times 0}{5 \times 24} = 1$$ 즉, 완벽한 양(+)의 단조 관계입니다.
스피어만 순위상관계수(ρ) 결과 해석하기
스피어만의 ρ는 두 변수 사이의 관계가 단조 함수, 즉 일관되게 증가하거나 일관되게 감소하는 함수로 얼마나 잘 설명되는지를 측정합니다. 값의 범위는 −1에서 +1까지입니다.
부호 대 크기. 부호는 방향을 나타냅니다. ρ가 양수이면 X의 순위가 높을수록 Y의 순위도 높은 경향이 있다는 뜻입니다. ρ가 음수이면 X의 순위가 높을수록 Y의 순위는 낮은 경향이 있다는 뜻입니다. 절댓값 \(|\rho|\)는 방향과 관계없이 단조 연관성의 강도를 나타냅니다. ρ = −0.80은 ρ = +0.80만큼 강한 관계입니다.
|ρ|에 대한 경험적 구간 (관례일 뿐이며, 분야에 따라 다르고 어떤 학문 분야는 더 엄격하거나 느슨한 기준을 사용합니다):
| |ρ| | 일반적인 명칭 |
|---|---|
| 0.00–0.19 | 매우 약함 |
| 0.20–0.39 | 약함 |
| 0.40–0.59 | 보통 |
| 0.60–0.79 | 강함 |
| 0.80–1.00 | 매우 강함 |
- 상관은 인과가 아닙니다. ρ가 높다는 것은 두 변수가 순위상 함께 움직인다는 뜻이지, 한 변수가 다른 변수를 일으킨다는 뜻은 아닙니다. 제3의 변수나 우연이 이 패턴을 설명할 수도 있습니다.
- 표본 크기가 중요합니다. 표본 수 n이 작으면 커 보이는 ρ도 우연히 나타날 수 있습니다. 반대로 n이 크면 아주 작은 ρ도 통계적으로 유의할 수 있습니다. 유의성 판단에는 별도의 검정이 필요하며, 예를 들어 아래의 임계값 표나 p-값을 사용합니다.
- ρ = 0이 관계가 없다는 뜻은 아닙니다. 단조적 경향이 없다는 뜻일 뿐입니다. U자형이나 기타 비단조적 관계도 0에 가까운 ρ를 만들 수 있으므로, 데이터를 그래프로도 그려 보십시오.
스피어만 ρ의 임계값
이 표는 일반적으로 발표된 표에서 가져온 양측 검정의 스피어만 ρ 표준 임계값 일부를 유의수준 α = 0.05와 α = 0.01에 대해 보여줍니다. 대시(—)는 해당 표본 크기에서 그 유의수준에 도달할 수 있는 값이 없음을 뜻합니다.
| n (쌍의 수) | α = 0.05 | α = 0.01 |
|---|---|---|
| 5 | 1.000 | — |
| 6 | 0.886 | 1.000 |
| 7 | 0.786 | 0.929 |
| 8 | 0.738 | 0.881 |
| 9 | 0.700 | 0.833 |
| 10 | 0.648 | 0.794 |
| 12 | 0.591 | 0.777 |
| 15 | 0.521 | 0.654 |
| 20 | 0.447 | 0.570 |
| 30 | 0.362 | 0.467 |
사용 방법: n을 찾은 다음 \(|\rho|\)를 임계값과 비교합니다. \(|\rho|\)가 임계값 이상이면 해당 수준에서 연관성이 없다는 귀무가설을 기각합니다. 더 작으면 귀무가설을 기각할 수 없습니다.
더 큰 표본: 표에 없는 n에 대해서는 보통 t 근사를 사용합니다:
$$t = \rho\,\sqrt{\frac{n-2}{1-\rho^{2}}}$$
t 값을 자유도 \(n-2\)인 스튜던트 t 분포와 비교합니다. 표본이 매우 작을 때는 정확한 표가 더 바람직하며, 동순위가 있으면 이 검정들은 모두 근사적인 결과가 됩니다.
단계별 설명: 동순위가 있는 데이터를 손으로 순위 매기기
- 각 변수를 따로 정렬합니다. 가장 작은 값에서 가장 큰 값 순으로 정렬합니다. X와 Y를 독립적으로 처리합니다.
- 정렬된 순서에 1부터 n까지 위치를 부여합니다. 가장 작은 값은 위치 1을 받습니다.
- 동순위의 위치는 평균을 냅니다. 동순위 값들은 각자 차지하는 위치의 평균을 받습니다. 예를 들어 3위와 4위에 동률인 두 값은 각각 \((3+4)/2 = 3.5\)를 받습니다. 다음 값은 순위 5를 받습니다.
- 순위를 짝지어 줍니다. 각 관측치가 X 순위와 Y 순위를 모두 갖도록 합니다.
- ρ를 계산합니다. 동순위가 없을 때는 \(d_i = R(X_i) - R(Y_i)\)를 구하고, 제곱하여 합 \(\sum d_i^2\)를 얻은 뒤, \(\rho = 1 - \dfrac{6\sum d_i^{2}}{n(n^{2}-1)}\)를 사용합니다. 동순위가 있으면 이 약식 공식은 근사일 뿐이므로, 대신 순위 쌍에 대해 피어슨 r을 계산합니다.
동순위가 있는 짧은 예. X = 5, 8, 8, 12 이고 Y = 2, 4, 3, 9 라고 합시다.
- X 순위: 5 → 1; 두 개의 8은 2위와 3위를 공유하므로 각각 2.5를 받습니다; 12 → 4. 순위: 1, 2.5, 2.5, 4.
- Y 순위(동순위 없음): 2 → 1, 4 → 3, 3 → 2, 9 → 4. 순위: 1, 3, 2, 4.
- 두 순위의 평균은 모두 2.5입니다. X 편차: −1.5, 0, 0, 1.5. Y 편차: −1.5, 0.5, −0.5, 1.5.
- \(\sum xy = 2.25 + 0 + 0 + 2.25 = 4.5\), \(S_{xx} = 2.25+0+0+2.25 = 4.5\), \(S_{yy} = 2.25+0.25+0.25+2.25 = 5\).
- $$\rho = \frac{4.5}{\sqrt{4.5 \times 5}} = \frac{4.5}{\sqrt{22.5}} \approx$$ 0.9487
이는 매우 강한 양의 단조 연관성을 나타냅니다. 다만 n = 4로 표본이 너무 작아서 일반적인 유의수준에서는 유의하지 않습니다.
자주 묻는 질문
\(\rho = 0\)은 무슨 뜻인가요? 단조적인 추세가 없다는 의미입니다. X가 커져도 Y가 일정하게 오르거나 내리지 않습니다.
피어슨 \(r\)과는 어떻게 다른가요? 피어슨은 원래 값에서 직선적 관계를 측정하고, 스피어만은 순위에서 단조 관계를 측정합니다. 그래서 이상치(outlier)나 직선은 아니지만 순서가 있는 관계에도 강합니다.
데이터는 몇 개나 필요한가요? \(\rho\)를 계산하려면 최소 2개의 짝이 필요합니다. 다만 짝이 많을수록 관계 추정이 더 믿을 만해집니다.