<\/p>\n
In der Statistik bezeichnet Korrelation<\/strong> die St\u00e4rke und Richtung einer Beziehung zwischen zwei Variablen. Der Wert eines Korrelationskoeffizienten kann zwischen -1 und 1 liegen, mit folgenden Interpretationen:<\/span><\/p>\n Eine besondere Art der Korrelation ist die Spearman-Rangkorrelation<\/strong> , mit der die Korrelation zwischen zwei Rangvariablen gemessen wird. (z. B. die Rangfolge der Mathematikpr\u00fcfungsergebnisse eines Sch\u00fclers im Verh\u00e4ltnis zur Rangfolge seiner naturwissenschaftlichen Pr\u00fcfungsergebnisse in einer Klasse).<\/span><\/p>\n In diesem Tutorial wird erl\u00e4utert, wie die Spearman-Rangkorrelation zwischen zwei Variablen in Python berechnet wird<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame, der<\/span> die Ergebnisse der Mathematikpr\u00fcfung und der naturwissenschaftlichen Pr\u00fcfung von 10 Sch\u00fclern in einer bestimmten Klasse enth\u00e4lt:<\/span><\/p>\n Um die Spearman-Rank-Korrelation zwischen Mathematik- und Naturwissenschaftsergebnissen zu berechnen, k\u00f6nnen wir die Funktion spearmanr()<\/a> in scipy.stats<\/strong> verwenden:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir ersehen, dass die Spearman-Rangkorrelation -0,41818<\/strong> betr\u00e4gt und der entsprechende p-Wert 0,22911<\/strong> betr\u00e4gt.<\/span><\/p>\n Dies weist darauf hin, dass zwischen den Pr\u00fcfungsergebnissen in Naturwissenschaften und Mathematik eine negative Korrelation besteht.<\/span><\/p>\n Da der p-Wert der Korrelation jedoch nicht kleiner als 0,05 ist, ist die Korrelation statistisch nicht signifikant.<\/span><\/p>\n Beachten Sie, dass wir auch die folgende Syntax verwenden k\u00f6nnten, um einfach den Korrelationskoeffizienten oder p-Wert zu extrahieren:<\/span><\/p>\n So berechnen Sie die Spearman-Rangkorrelation in R<\/a> In der Statistik bezeichnet Korrelation die St\u00e4rke und Richtung einer Beziehung zwischen zwei Variablen. Der Wert eines Korrelationskoeffizienten kann zwischen -1 und 1 liegen, mit folgenden Interpretationen: -1: eine perfekte negative Beziehung zwischen zwei Variablen 0: keine Beziehung zwischen zwei Variablen 1: eine perfekte positive Beziehung zwischen zwei Variablen Eine besondere Art der Korrelation ist […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Beispiel: Spearman-Rangkorrelation in Python<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd<\/span>\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({'student': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'],\n 'math': [70, 78, 90, 87, 84, 86, 91, 74, 83, 85],\n 'science': [90, 94, 79, 86, 84, 83, 88, 92, 76, 75]})\n<\/strong><\/pre>\n from<\/span> scipy. stats<\/span> import<\/span> spearmanr\n<\/span>\n#calculate Spearman Rank correlation and corresponding p-value<\/span><\/span>\nrho, p = spearmanr(df[' math<\/span> '], df[' science<\/span> '])\n\n#print Spearman rank correlation and p-value\n<\/span>print<\/span> (rho)\n\n-0.41818181818181815\n\nprint<\/span> (p)\n\n0.22911284098281892\n<\/span><\/span><\/strong><\/pre>\n #extract Spearman Rank correlation coefficient\n<\/span>spearmanr(df[' math<\/span> '], df[' science<\/span> '])[0]\n\n-0.41818181818181815\n\n#extract p-value of Spearman Rank correlation coefficient<\/span>\nspearmanr(df[' math<\/span> '], df[' science<\/span> '])[1] \n\n0.22911284098281892\n<\/span><\/span><\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So berechnen Sie die Spearman-Rangkorrelation in Excel<\/a>
So berechnen Sie die Spearman-Rangkorrelation in Stata<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"