Что такое ранговая корреляция Спирмена?
Коэффициент ранговой корреляции Спирмена (ρ, «ро») показывает силу и направление монотонной связи между двумя переменными. В отличие от корреляции Пирсона, он работает с рангами данных, а не с самими значениями, поэтому не требует, чтобы связь была линейной, а распределение — нормальным. Значение ρ меняется от −1 (полностью противоположный порядок) через 0 (монотонной связи нет) до +1 (полное совпадение порядка).
Как пользоваться калькулятором
Введите два ряда данных в поля X и Y, разделяя значения запятыми или пробелами. Оба списка должны содержать одинаковое количество элементов — лишние значения в более длинном ряду не учитываются. Нажмите «Рассчитать», чтобы получить ρ, число пар (\(n\)) и Σd² — сумму квадратов разностей рангов.
Разбор формулы
Если связанных (совпадающих) рангов нет, ρ вычисляется так:
$$\rho = 1 - \frac{6 \sum d_i^{2}}{n\,(n^{2}-1)} \qquad d_i = R\!\left(\text{X}_i\right) - R\!\left(\text{Y}_i\right)$$
Сначала каждую переменную ранжируют по отдельности (наименьшее значение = ранг 1). Для каждой пары d — это разность между её рангом по X и рангом по Y. Каждое значение d возводится в квадрат, квадраты суммируются и подставляются в формулу. При наличии совпадающих рангов эта упрощённая формула даёт смещённый результат, поэтому калькулятор автоматически переходит к эквивалентному расчёту — корреляции Пирсона по рангам, используя средние ранги для совпадающих значений.
Пример расчёта
Возьмём X = 10, 20, 30, 40, 50 и Y = 12, 24, 33, 44, 55. Оба ряда растут синхронно, поэтому у каждого ранги 1, 2, 3, 4, 5. Все d = 0, значит Σd² = 0, и $$\rho = 1 - \frac{6\times 0}{5\times 24} = \mathbf{1}$$ — идеальная положительная монотонная связь.
Частые вопросы
Что означает ρ = 0? Монотонной тенденции нет: при росте X переменная Y не растёт и не убывает последовательно.
Чем это отличается от коэффициента Пирсона (\(r\))? Пирсон измеряет линейную связь по исходным значениям, а Спирмен — монотонную связь по рангам, что делает его устойчивым к выбросам и нелинейным (но упорядоченным) зависимостям.
Сколько нужно точек данных? Минимум для расчёта ρ — 2 пары, но чем больше пар, тем надёжнее оценка связи.
Интерпретация результата коэффициента ранговой корреляции Спирмена ρ
Коэффициент ранговой корреляции Спирмена ρ показывает, насколько хорошо связь между двумя переменными можно описать монотонной функцией, то есть такой, которая последовательно возрастает или последовательно убывает. Он принимает значения от −1 до +1.
Знак и величина. Знак показывает направление связи. Положительное ρ означает, что более высокие ранги X, как правило, соответствуют более высоким рангам Y. Отрицательное ρ означает, что более высокие ранги X, как правило, соответствуют более низким рангам Y. Величина \(|\rho|\) показывает силу монотонной связи независимо от её направления. ρ = −0,80 настолько же сильно, как ρ = +0,80.
Ориентировочные диапазоны для |ρ| (это лишь условные ориентиры; они различаются в разных областях, и в некоторых дисциплинах используются более строгие или более мягкие пороговые значения):
| |ρ| | Распространённое обозначение |
|---|---|
| 0,00–0,19 | Очень слабая |
| 0,20–0,39 | Слабая |
| 0,40–0,59 | Умеренная |
| 0,60–0,79 | Сильная |
| 0,80–1,00 | Очень сильная |
- Корреляция не означает причинно-следственной связи. Высокое ρ показывает, что две переменные изменяются вместе по рангам. Оно не доказывает, что одна из них вызывает другую. Закономерность может объясняться третьей переменной или простым совпадением.
- Размер выборки имеет значение. При малом n большое на вид ρ может легко возникнуть по воле случая. При большом n даже очень малое ρ может быть статистически значимым. Для оценки значимости нужен отдельный тест, например сравнение с критическими значениями из таблицы ниже или использование p-значения.
- ρ = 0 не означает отсутствия связи. Оно лишь означает отсутствие монотонной тенденции. U-образная или иная немонотонная связь может давать ρ, близкое к 0, поэтому обязательно постройте график данных.
Критические значения ρ Спирмена
В таблице приведены выбранные стандартные критические значения ρ Спирмена для двустороннего теста из широко публикуемых таблиц, для уровней значимости α = 0,05 и α = 0,01. Прочерк означает, что при данном объёме выборки никакое значение не может достичь этого уровня.
| n (пары) | 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 |
Как пользоваться: найдите своё n, затем сравните \(|\rho|\) с критическим значением. Если \(|\rho|\) равно или превышает его, отвергните нулевую гипотезу об отсутствии связи на данном уровне. Если оно меньше, нулевую гипотезу отвергнуть нельзя.
Большие выборки: для n, выходящих за пределы таблицы, обычно используется приближение с помощью t-статистики:
$$t = \rho\,\sqrt{\frac{n-2}{1-\rho^{2}}}$$
Сравните t с распределением Стьюдента с \(n-2\) степенями свободы. Для очень малых n предпочтительны точные таблицы, а при наличии связанных рангов любые из этих тестов являются приближёнными.
Пошагово: ранжирование данных со связанными значениями вручную
- Отсортируйте каждую переменную отдельно от меньшего к большему. Работайте с X и Y независимо.
- Присвойте позиции от 1 до n в отсортированном порядке. Наименьшее значение получает позицию 1.
- Усредните позиции для совпадающих значений. Каждому из совпадающих значений присваивается среднее арифметическое позиций, которые они занимают. Например, два значения, занимающие 2-е и 3-е места, получают каждое \((2+3)/2 = 2,5\). Следующее значение получает ранг 4.
- Сопоставьте ранги так, чтобы каждое наблюдение имело свой ранг по X и свой ранг по Y.
- Вычислите ρ. Если связанных рангов нет, найдите \(d_i = R(X_i) - R(Y_i)\), возведите в квадрат и просуммируйте, получив \(\sum d_i^2\), затем используйте \(\rho = 1 - \dfrac{6\sum d_i^{2}}{n(n^{2}-1)}\). При наличии связанных рангов это упрощённая формула даёт лишь приближение, поэтому вместо неё вычислите коэффициент Пирсона r для пар рангов.
Короткий пример со связанными значениями. Возьмём X = 5, 8, 8, 12 и Y = 2, 4, 3, 9.
- Ранги X: 5 → 1; две восьмёрки занимают позиции 2 и 3, поэтому каждая получает 2,5; 12 → 4. Ранги: 1, 2,5, 2,5, 4.
- Ранги Y (без совпадений): 2 → 1, 4 → 3, 3 → 2, 9 → 4. Ранги: 1, 3, 2, 4.
- Средние рангов равны 2,5. Отклонения X: −1,5, 0, 0, 1,5. Отклонения Y: −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
Это указывает на очень сильную положительную монотонную связь. Однако при n = 4 выборка слишком мала для значимости на обычных уровнях.