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)。
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。
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。
逐步說明:手算有並列值的等級排序
- 分別將每個變數由小到大排序。X 與 Y 各自獨立處理。
- 依排序順序指定位置 1 到 n。最小值得到位置 1。
- 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。
- 配對等級,使每個觀察值都有其 X 等級與 Y 等級。
- 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。