Spearman Sıra Korelasyonu Hesaplama Aracı

Spearman Sıra Korelasyonu Hesaplama Aracı

Lider AI Skill PRO

Hesaplamaya Girin

Formül

ρ=1−6∑i=1ndi2n(n2−1)di=R(Xi)−R(Yi)\rho = 1 - \frac{6 \sum_{i=1}^{n} d_i^{2}}{n\,(n^{2}-1)} \qquad d_i = R\!\left({{\text{X}_i}}\right) - R\!\left({{\text{Y}_i}}\right)
Hesaplama adımlarını göster (1)
  1. Spearman ρ (sıralar üzerinde Pearson, bağlı sıralarla)

    ρ=∑(Rx,i−R‾x)(Ry,i−R‾y)∑(Rx,i−R‾x)2∑(Ry,i−R‾y)2Rx=R(X),Ry=R(Y)\rho = \frac{\sum (R_{x,i}-\bar{R}_x)(R_{y,i}-\bar{R}_y)}{\sqrt{\sum (R_{x,i}-\bar{R}_x)^{2}\;\sum (R_{y,i}-\bar{R}_y)^{2}}}\qquad R_x = R\!\left(\text{X}\right),\; R_y = R\!\left(\text{Y}\right)

    Bağlı sıralar olduğunda ρ, ortalama sıraların Pearson korelasyonudur. R(X) ve R(Y) sıra vektörleridir; üst çizgiler ortalamalarını gösterir.

Kullanım istatistikleri

Reklam

Sonuç

Spearman Sıra Korelasyonu (ρ)
1
−1 (mükemmel ters) ile +1 (mükemmel uyum) arası
Çift sayısı (n) 5
Σd² (sıralama farklarının karelerinin toplamı) 0

Bu sayfadaki bir hatayı bildir

Spearman Sıra Korelasyonu Nedir?

Spearman sıra korelasyon katsayısı (ρ, "rho"), iki değişken arasındaki monoton ilişkinin gücünü ve yönünü ölçer. Pearson korelasyonundan farklı olarak, ham değerler yerine verilerin sıralamaları üzerinde çalışır; bu nedenle ilişkinin doğrusal olduğunu veya verilerin normal dağıldığını varsaymaz. ρ değeri −1 (mükemmel ters sıralama) ile 0 (monoton ilişki yok) arasından geçerek +1'e (mükemmel uyum) kadar uzanır.

Monoton artan, monoton azalan ve sıralama ilişkisi olmayan üç küçük saçılım grafiği
Spearman ρ'su monoton ilişkileri ölçer: pozitif (ρ +1'e yakın), negatif (ρ -1'e yakın) ve yok (ρ 0'a yakın).

Bu Hesaplama Aracı Nasıl Kullanılır?

İki veri serinizi X ve Y kutularına girin; değerleri virgül veya boşlukla ayırın. İki listenin eleman sayısı aynı olmalıdır (uzun listedeki fazla değerler dikkate alınmaz). Hesapla düğmesine bastığınızda ρ değerini, çift sayısını (\(n\)) ve Σd²'yi — sıralama farklarının karelerinin toplamını — elde edersiniz.

Formülün Açıklaması

Sıralamada bağ bulunmayan veriler için ρ şöyle hesaplanır:

$$\rho = 1 - \frac{6 \sum d_i^{2}}{n\,(n^{2}-1)} \qquad d_i = R\!\left(\text{X}_i\right) - R\!\left(\text{Y}_i\right)$$

Önce her değişken ayrı ayrı sıralanır (en küçük = sıra 1). Her çift için d, o çiftin X-sırası ile Y-sırası arasındaki farktır. Her d değerinin karesi alınır, toplanır ve formüle yerleştirilir. Bağlar olduğunda bu kısa yol yanlı sonuç verir; bu nedenle araç, eşit değerler için ortalama sıralamaları kullanarak otomatik olarak sıralamaların eşdeğer Pearson korelasyonuna geçer.

Reklam
İki veri sütununun sıra sütunlarına dönüştürüldüğünü ve fark d'nin karesini gösteren diyagram
Her X ve Y değeri sıralanır; d sıralar arasındaki farktır ve Σd² formüle girer.

Çözümlü Örnek

X = 10, 20, 30, 40, 50 ve Y = 12, 24, 33, 44, 55 değerlerini ele alalım. Her iki seri de birlikte arttığından, her birinin sıralaması 1, 2, 3, 4, 5 olur. Her d = 0 olduğundan Σd² = 0 ve $$\rho = 1 - \frac{6\times 0}{5\times 24} = 1$$ çıkar — yani mükemmel pozitif monoton bir ilişki.

Sık Sorulan Sorular

ρ = 0 ne anlama gelir? Monoton bir eğilim yoktur; X arttıkça Y'de tutarlı bir artış veya azalış görülmez.

Pearson r'sinden farkı nedir? Pearson, ham değerler üzerinde doğrusal ilişkiyi ölçer; Spearman ise sıralamalar üzerinde monoton ilişkiyi ölçer ve bu da onu aykırı değerlere ve doğrusal olmayan (ancak sıralı) ilişkilere karşı dayanıklı kılar.

Kaç veri noktasına ihtiyacım var? ρ'yi hesaplamak için en az 2 çift gereklidir; ancak daha fazla çift, ilişki hakkında daha güvenilir bir tahmin sağlar.

Spearman ρ Sonucunuzu Yorumlama

Spearman'ın ρ değeri, iki değişken arasındaki ilişkinin monoton bir fonksiyonla ne kadar iyi tanımlanabileceğini ölçer; yani sürekli olarak artan veya sürekli olarak azalan bir fonksiyonla. Değeri −1 ile +1 arasında değişir.

İşaret ile büyüklük. İşaret yönü verir. Pozitif bir ρ, X'in yüksek sıralarının Y'nin yüksek sıralarıyla birlikte bulunma eğiliminde olduğunu gösterir. Negatif bir ρ ise X'in yüksek sıralarının Y'nin düşük sıralarıyla birlikte bulunma eğiliminde olduğunu gösterir. Mutlak değer \(|\rho|\) ise yönü ne olursa olsun monoton ilişkinin gücünü verir. ρ = −0,80, ρ = +0,80 kadar güçlüdür.

|ρ| için pratik kurallar (yalnızca geleneksel sınıflandırmalardır; alana göre değişir ve bazı disiplinler daha sıkı veya daha gevşek sınır değerleri kullanır):

|ρ| Yaygın etiket
0,00–0,19 Çok zayıf
0,20–0,39 Zayıf
0,40–0,59 Orta
0,60–0,79 Güçlü
0,80–1,00 Çok güçlü
  • Korelasyon nedensellik değildir. Yüksek bir ρ, iki değişkenin sıra bakımından birlikte hareket ettiğini gösterir. Birinin diğerine neden olduğunu göstermez. Üçüncü bir değişken veya tesadüf bu örüntüyü açıklayabilir.
  • Örneklem büyüklüğü önemlidir. n küçükken, büyük görünen bir ρ tesadüfen ortaya çıkabilir. n büyükken ise çok küçük bir ρ bile istatistiksel olarak anlamlı olabilir. Anlamlılığı değerlendirmek için, örneğin aşağıdaki kritik değer tablosu veya bir p-değeri gibi ayrı bir test gerekir.
  • ρ = 0, ilişki olmadığı anlamına gelmez. Yalnızca monoton bir eğilim olmadığı anlamına gelir. U şeklindeki veya başka bir monoton olmayan ilişki, 0'a yakın bir ρ üretebilir; bu nedenle verilerinizi ayrıca grafikle inceleyin.
Reklam

Spearman ρ için Kritik Değerler

Tablo, yaygın olarak yayımlanan tablolardan alınmış, seçilmiş standart iki kuyruklu Spearman ρ kritik değerlerini α = 0,05 ve α = 0,01 anlamlılık düzeyleri için gösterir. Tire, o örneklem büyüklüğünde bu düzeye hiçbir değerin ulaşamayacağı anlamına gelir.

n (çift sayısı) 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

Nasıl kullanılır: n değerinizi bulun, ardından \(|\rho|\) değerini kritik değerle karşılaştırın. \(|\rho|\) bu değere eşit veya büyükse, o düzeyde ilişki olmadığı yönündeki boş hipotezi reddedin. Daha küçükse, boş hipotezi reddedemezsiniz.

Daha büyük örneklemler: tablonun kapsamadığı n değerleri için genellikle bir t-yaklaşımı kullanılır:

$$t = \rho\,\sqrt{\frac{n-2}{1-\rho^{2}}}$$

t değerini \(n-2\) serbestlik derecesine sahip bir Student t dağılımıyla karşılaştırın. Çok küçük n için kesin tablolar tercih edilir; bağlı sıralar ise bu testlerin tümünü yaklaşık hale getirir.

Adım Adım: Bağlı Verileri Elle Sıralama

  1. Her değişkeni ayrı ayrı küçükten büyüğe sıralayın. X ve Y'yi birbirinden bağımsız olarak yapın.
  2. Sıralı listede 1'den n'ye kadar konumlar atayın. En küçük değer 1. konumu alır.
  3. Bağlı değerler için konumların ortalamasını alın. Bağlı değerlerin her biri, kapladıkları konumların ortalamasını alır. Örneğin, 2. ve 3. sırada bağlı iki değer, her ikisi de \((2+3)/2 = 2,5\) alır. Bir sonraki değer ise 4. sırayı alır.
  4. Sıraları eşleştirin ki her gözlemin X sırası ve Y sırası olsun.
  5. ρ'yu hesaplayın. Bağlı değer yoksa, \(d_i = R(X_i) - R(Y_i)\) değerini bulun, karesini alıp toplayarak \(\sum d_i^2\) elde edin, sonra \(\rho = 1 - \dfrac{6\sum d_i^{2}}{n(n^{2}-1)}\) formülünü kullanın. Bağlı değer varsa kısa yol yalnızca yaklaşık sonuç verir; bu nedenle sıra çiftleri üzerinden Pearson'ın r değerini hesaplayın.

Bağlı değer içeren kısa örnek. X = 5, 8, 8, 12 ve Y = 2, 4, 3, 9 değerlerini alalım.

  • X sıraları: 5 → 1; iki 8, 2. ve 3. konumları paylaştığı için her biri 2,5 alır; 12 → 4. Sıralar: 1, 2,5, 2,5, 4.
  • Y sıraları (bağlı değer yok): 2 → 1, 4 → 3, 3 → 2, 9 → 4. Sıralar: 1, 3, 2, 4.
  • Her iki sıra ortalaması 2,5'tir. X sapmaları: −1,5, 0, 0, 1,5. Y sapmaları: −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

Bu, çok güçlü bir pozitif monoton ilişkiye işaret eder. Ancak n = 4 ile örneklem, olağan düzeylerde anlamlılık için çok küçüktür.

Son güncelleme:

Matematik ve İstatistik kategorisinde en popüler

Tüm Matematik ve İstatistik hesap makinelerini gör