通过MCP连接 →

输入计算

数学公式

Show calculation steps (1)
  1. Spearman rho (Pearson on ranks, with ties)

    Spearman rho (Pearson on ranks, with ties): 斯皮尔曼等级相关系数计算器

    When ties are present, rho is the Pearson correlation of the average ranks. R(X) and R(Y) are the rank vectors, with bars denoting their means.

广告

结果

斯皮尔曼等级相关系数(ρ)
1
从 −1(完全反向)到 +1(完全一致)
配对数(n) 5
Σd²(排名差的平方和) 0

什么是斯皮尔曼等级相关?

斯皮尔曼等级相关系数(\(\rho\),读作"rho")用于衡量两个变量之间单调关系的强弱与方向。它与皮尔逊相关系数不同:斯皮尔曼依据数据的排名(秩)而非原始数值进行计算,因此不要求二者呈线性关系,也不要求数据服从正态分布。\(\rho\) 的取值范围从 \(-1\)(完全反向排列)经过 \(0\)(无单调关联)到 \(+1\)(完全一致)。

三个小散点图,分别显示单调递增、单调递减和无等级关系
斯皮尔曼\(\rho\)衡量单调关系:正相关(\(\rho\)接近+1)、负相关(\(\rho\)接近-1)和无相关(\(\rho\)接近0)。

如何使用本计算器

在 X 和 Y 两个输入框中分别填入两组数据,数值之间用逗号或空格隔开。两组数据的个数必须相同(较长一组中多出的数值会被忽略)。点击计算即可得到 \(\rho\)、配对数 \(n\),以及 \(\Sigma d^{2}\)——也就是排名差的平方和。

公式详解

当数据没有并列排名时,\(\rho\) 的计算公式为:

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

首先对每个变量分别排名(最小值为第 1 名)。对于每一对数据,\(d\) 表示其 X 排名与 Y 排名之差。将每个 \(d\) 平方后求和,再代入公式即可。当存在并列排名时,这个简化公式会产生偏差,因此本计算器会自动改用排名的皮尔逊相关系数(等价做法),并对并列数值采用平均排名。

Advertisement
示意图显示两列数据转换为秩列以及差值d的平方
对每个X和Y值排秩;\(d\)是秩的差值,\(\Sigma d^{2}\)代入公式。

实例演算

设 X = 10, 20, 30, 40, 50,Y = 12, 24, 33, 44, 55。两组数据同步递增,因此各自的排名都是 1、2、3、4、5。每个 \(d\) 均为 0,所以 \(\Sigma d^{2} = 0\),$$\rho = 1 - \frac{6\times 0}{5\times 24} = \mathbf{1}$$——这是完全正向的单调关系。

常见问题

\(\rho = 0\) 代表什么? 表示不存在单调趋势;当 X 增大时,Y 没有呈现出一致的增大或减小。

它与皮尔逊相关系数 \(r\) 有何区别? 皮尔逊衡量原始数值之间的线性关联;斯皮尔曼衡量排名之间的单调关联,因此对异常值更稳健,也能反映非线性但有序的关系。

需要多少个数据点? 计算 \(\rho\) 至少需要 2 对数据,但配对数越多,得到的关联估计就越可靠。

最后更新: