斯皮爾曼等級相關係數計算器

斯皮爾曼等級相關係數計算器

熱門 AI Skill PRO

輸入計算

數學公式

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)
顯示計算步驟 (1)
  1. 斯皮爾曼 ρ(對等級求皮爾森相關,含相同等級)

    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)

    存在相同等級時,ρ 為平均等級的皮爾森相關係數。R(X) 與 R(Y) 為等級向量,上橫線表示其平均數。

使用統計

廣告

結果

斯皮爾曼等級相關係數(ρ)
1
−1(完全相反)到 +1(完全一致)
資料對數(n) 5
Σd²(等級差平方總和) 0

回報本頁錯誤

什麼是斯皮爾曼等級相關?

斯皮爾曼等級相關係數(ρ,讀作「rho」)用來衡量兩個變數之間單調關係的強度與方向。與皮爾森相關係數不同,它是依據資料的等級(排名)來計算,而非原始數值,因此不需要假設兩者呈線性關係,也不要求資料服從常態分布。ρ 的範圍從 −1(完全相反的排序),經過 0(沒有單調關聯),到 +1(完全一致的排序)。

三個小散佈圖,分別顯示單調遞增、單調遞減和無等級關係
斯皮爾曼ρ衡量單調關係:正相關(ρ接近+1)、負相關(ρ接近-1)和無相關(ρ接近0)。

如何使用本計算器

把兩組資料分別填入 X 與 Y 欄位,數值之間可用逗號或空格分隔。兩組數列的筆數必須相同(較長那組多出來的數值會被忽略)。按下計算後,即可得到 ρ 值、資料對數(n),以及 Σd²——也就是各等級差的平方總和。

公式說明

當資料沒有同分(並列等級)時,ρ 的計算方式為:

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

首先將兩個變數各自排序(最小值為等級 1)。對每一組資料對,d 是其 X 等級與 Y 等級之間的差距。把每個 d 取平方後加總,再代入公式即可。當資料中出現同分時,這條捷徑公式會產生偏差,因此本計算器會自動改用等級的皮爾森相關係數,並對並列的數值採用平均等級來處理。

廣告
示意圖顯示兩欄資料轉換為等級欄以及差值d的平方
對每個X和Y值排序等級;d是等級的差值,Σd²代入公式。

範例演算

假設 X = 10, 20, 30, 40, 50,Y = 12, 24, 33, 44, 55。兩組數列都同步遞增,因此各自的等級都是 1,2,3,4,5。每一個 d 都等於 0,所以 Σd² = 0,$$\rho = 1 - \frac{6\times 0}{5\times 24} = \mathbf{1}$$——代表完全正向的單調關係。

解讀斯皮爾曼 ρ 結果

斯皮爾曼 ρ 衡量兩個變數之間的關係能被單調函數描述的程度,也就是該函數持續上升或持續下降。其值域為 −1 到 +1。

正負號與大小。正負號表示方向。正的 ρ 表示 X 的較高等級傾向於與 Y 的較高等級同時出現。負的 ρ 表示 X 的較高等級傾向於與 Y 的較低等級同時出現。不論方向為何,\(|\rho|\) 的大小代表單調關聯的強度。ρ = −0.80 與 ρ = +0.80 的強度相同。

|ρ| 的經驗區間(僅為慣例;不同領域可能採用較嚴格或較寬鬆的標準):

|ρ| 常見標籤
0.00–0.19 很弱
0.20–0.39 弱
0.40–0.59 中等
0.60–0.79 強
0.80–1.00 很強
  • 相關不等於因果。高 ρ 顯示兩個變數在等級上同向移動,但不代表一者導致另一者。第三個變數或巧合可能解釋此模式。
  • 樣本數很重要。樣本數 n 小時,看似很大的 ρ 可能純屬偶然。樣本數 n 大時,即使很小的 ρ 也可能具統計顯著性。判斷顯著性需要另一項檢定,例如下方的臨界值表或 p 值。
  • ρ = 0 並不代表沒有關係。它只表示沒有單調趨勢。U 形或其他非單調的關係也可能使 ρ 接近 0,因此也應繪製資料圖。

斯皮爾曼 ρ 的臨界值

此表列出常見已發表表格中,斯皮爾曼 ρ 精選的標準雙尾臨界值,顯著水準為 α = 0.05 與 α = 0.01。破折號表示在該樣本數下,沒有任何數值能達到該顯著水準。

n(配對數) 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

使用方法:找到你的 n,然後將 \(|\rho|\) 與臨界值比較。若 \(|\rho|\) 大於或等於臨界值,則在該水準拒絕「無關聯」的虛無假設。若較小,則無法拒絕虛無假設。

較大樣本:當 n 超出表格範圍時,通常使用 t 近似法:

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

將 t 與自由度為 \(n-2\) 的學生 t 分配比較。對於非常小的 n,最好使用精確表格;而且等級並列會使上述任何檢定都只是近似。

廣告

逐步說明:手算有並列值的等級排序

  1. 分別將每個變數由小到大排序。X 與 Y 各自獨立處理。
  2. 依排序順序指定位置 1 到 n。最小值得到位置 1。
  3. 並列值取位置平均。並列的數值各自得到其所佔位置的平均值。例如,兩個值並列第 2 與第 3 名,則各得 \((2+3)/2 = 2.5\)。下一個值則為等級 4。
  4. 配對等級,使每個觀察值都有其 X 等級與 Y 等級。
  5. 計算 ρ。若無並列值,求 \(d_i = R(X_i) - R(Y_i)\),平方後加總得 \(\sum d_i^2\),再使用 \(\rho = 1 - \dfrac{6\sum d_i^{2}}{n(n^{2}-1)}\)。若有並列值,此捷徑只是近似,因此應改對等級配對計算皮爾森 r。

含並列值的簡短範例。取 X = 5, 8, 8, 12 與 Y = 2, 4, 3, 9。

  • X 等級:5 → 1;兩個 8 佔據位置 2 與 3,因此各得 2.5;12 → 4。等級為 1, 2.5, 2.5, 4。
  • Y 等級(無並列):2 → 1,4 → 3,3 → 2,9 → 4。等級為 1, 3, 2, 4。
  • 兩組等級的平均值皆為 2.5。X 離差:−1.5, 0, 0, 1.5。Y 離差:−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

這表示非常強的正向單調關聯。不過 n = 4 的樣本太小,在常用顯著水準下無法達到顯著。

常見問題

ρ = 0 代表什麼? 表示沒有單調趨勢;當 X 上升時,Y 並沒有一致地上升或下降。

它和皮爾森 r 有什麼不同? 皮爾森衡量的是原始數值之間的線性關聯;斯皮爾曼衡量的則是等級之間的單調關聯,因此對離群值與非線性(但有順序)的關係更為穩健。

我需要多少筆資料? 至少要有 2 組資料對才能計算 ρ,但資料對越多,所估計出的關聯程度就越可靠。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器