Skąd mam wiedzieć, kiedy należy wybrać pomiędzy Spearmana i Pearsona ? Moja zmienna obejmuje satysfakcję, a wyniki zostały zinterpretowane na podstawie sumy wyników. Te wyniki można jednak również uszeregować.r
119
Skąd mam wiedzieć, kiedy należy wybrać pomiędzy Spearmana i Pearsona ? Moja zmienna obejmuje satysfakcję, a wyniki zostały zinterpretowane na podstawie sumy wyników. Te wyniki można jednak również uszeregować.r
Odpowiedzi:
Jeśli chcesz eksplorować swoje dane, najlepiej obliczyć oba, ponieważ związek między korelacjami Spearmana (S) i Pearsona (P) da pewne informacje. W skrócie, S jest obliczane na szeregach, a zatem przedstawia relacje monotoniczne, podczas gdy P jest na prawdziwych wartościach i przedstawia relacje liniowe.
Na przykład, jeśli ustawisz:
Wynika to z faktu, że wzrasta monotonicznie z więc korelacja Spearmana jest idealna, ale nie liniowa, więc korelacja Pearsona jest niedoskonała. xr x
Wykonanie obu jest interesujące, ponieważ jeśli masz S> P, oznacza to, że masz korelację, która jest monotoniczna, ale nie liniowa. Ponieważ dobrze jest mieć liniowość w statystykach (jest łatwiej), możesz spróbować zastosować transformację na (taki dziennik).r
Mam nadzieję, że pomoże to łatwiej zrozumieć różnice między rodzajami korelacji.
źródło
Najkrótsza i najczęściej poprawna odpowiedź to:
Test liniowy Pearsona, relacja monotoniczna Spearmana (kilka nieskończoności bardziej ogólny przypadek, ale dla niektórych kompromisów mocy).
Więc jeśli przyjmiesz / uważasz, że relacja jest liniowa (lub, w szczególnym przypadku, że są to dwie miary tego samego, więc relacja wynosi ) i sytuacja nie jest zbyt zmęczona (sprawdź inne odpowiedzi, by poznać szczegóły), idź z Pearsonem. W przeciwnym razie użyj Spearmana.y=1⋅x+0
źródło
Zdarza się to często w statystykach: istnieje wiele metod, które można zastosować w twojej sytuacji i nie wiesz, którą wybrać. Powinieneś oprzeć swoją decyzję o zaletach i wadach rozważanych metod oraz o szczegółach swojego problemu, ale nawet wtedy decyzja jest zwykle subiektywna bez uzgodnionej „poprawnej” odpowiedzi. Zazwyczaj dobrym pomysłem jest wypróbowanie dowolnej liczby metod, które wydają się rozsądne, i aby Twoja cierpliwość pozwoliła i przekonała się, które z nich dają najlepsze wyniki.
Różnica między korelacją Pearsona a korelacją Spearmana polega na tym, że Pearson jest najbardziej odpowiedni do pomiarów wykonanych ze skali interwałowej , podczas gdy Spearman jest bardziej odpowiedni do pomiarów pobranych ze skal porządkowych . Przykłady skal interwałowych obejmują „temperaturę w Farenheicie” i „długość w calach”, w których znaczenie mają poszczególne jednostki (1 stopień F, 1 cal). Rzeczy takie jak „wyniki satysfakcji” mają zazwyczaj typ porządkowy, ponieważ chociaż jasne jest, że „szczęście 5” jest szczęśliwsze niż „szczęście 3”, nie jest jasne, czy można podać sensowną interpretację „1 jednostki szczęścia”. Ale kiedy sumujesz wiele pomiarów typu porządkowego, czyli tego, co masz w swoim przypadku, kończy się pomiarem, który tak naprawdę nie jest ani porządkiem ani przedziałem, i jest trudny do interpretacji.
Poleciłbym przekonwertować swoje wyniki satysfakcji na wyniki kwantyli, a następnie pracować z ich sumami, ponieważ da to dane, które są nieco bardziej podatne na interpretację. Ale nawet w tym przypadku nie jest jasne, czy Pearson czy Spearman byłyby bardziej odpowiednie.
źródło
Dzisiaj spotkałem ciekawą kącik narożny.
Jeśli patrzymy na bardzo małą liczbę próbek, różnica między Spearmanem a Pearsonem może być dramatyczna.
W poniższym przypadku dwie metody zgłaszają dokładnie odwrotną korelację.
Kilka podstawowych zasad decydujących o wyborze Spearman vs. Pearson:
ps Oto kod R do odtworzenia powyższego wykresu:
źródło
Zgadzając się z odpowiedzią Charlesa, sugerowałbym (na ściśle praktycznym poziomie), aby obliczyć oba współczynniki i spojrzeć na różnice. W wielu przypadkach będą dokładnie takie same, więc nie musisz się martwić.
Jeśli jednak są różne, musisz sprawdzić, czy spełniłeś założenia Pearsona (stała wariancja i liniowość), a jeśli nie zostaną spełnione, prawdopodobnie lepiej będzie, jeśli użyjesz Spearmanów.
źródło