<\/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 Um die Spearman-Rangkorrelation zwischen zwei Variablen in R zu berechnen, k\u00f6nnen wir die folgende grundlegende Syntax verwenden:<\/span><\/p>\n Die folgenden Beispiele zeigen, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen.<\/span><\/p>\n Der folgende Code zeigt, wie die Spearman-Rangkorrelation zwischen zwei Vektoren in R berechnet wird:<\/span><\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir ersehen, dass die Spearman-Rangkorrelation -0,41818<\/strong> betr\u00e4gt und der entsprechende p-Wert 0,2324<\/strong> betr\u00e4gt.<\/span><\/p>\n Dies weist darauf hin, dass zwischen den beiden Vektoren 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 Der folgende Code zeigt, wie die Spearman-Rangkorrelation zwischen zwei Spalten in einem Datenrahmen berechnet wird:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir ersehen, dass die Spearman-Rangkorrelation 0,7818<\/strong> und der entsprechende p-Wert 0,01165<\/strong> betr\u00e4gt.<\/span><\/p>\n Dies weist darauf hin, dass zwischen den beiden Vektoren eine starke positive Korrelation besteht.<\/span><\/p>\n Da der p-Wert der Korrelation kleiner als 0,05 ist, ist die Korrelation statistisch signifikant.<\/span><\/p>\n So berechnen Sie die partielle Korrelation 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
corr <- cor. test<\/span> (x, y, method = ' spearman<\/span> ')\n<\/strong><\/pre>\n Beispiel 1: Korrelation der Spearman-R\u00e4nge zwischen Vektoren<\/strong><\/span><\/h3>\n
#define data\n<\/span>x <- c(70, 78, 90, 87, 84, 86, 91, 74, 83, 85)\ny <- c(90, 94, 79, 86, 84, 83, 88, 92, 76, 75)\n\n#calculate Spearman rank correlation between x and y\n<\/span>horn. test<\/span> (x, y, method = ' spearman<\/span> ')\n\n\tSpearman's rank correlation rho\n\ndata: x and y\nS = 234, p-value = 0.2324\nalternative hypothesis: true rho is not equal to 0\nsample estimates:\n rho \n-0.4181818<\/strong><\/span><\/pre>\n Beispiel 2: Spearman-Rangkorrelation zwischen Spalten im Datenrahmen<\/strong><\/span><\/h3>\n
#define data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'),\n points=c(67, 70, 75, 78, 73, 89, 84, 99, 90, 91),\n assists=c(22, 27, 30, 23, 25, 31, 38, 35, 34, 32))\n\n#calculate Spearman rank correlation between x and y\n<\/span>horn. test<\/span> (df$points, df$assists, method = 'spearman')\n\n\tSpearman's rank correlation rho\n\ndata: df$points and df$assists\nS = 36, p-value = 0.01165\nalternative hypothesis: true rho is not equal to 0\nsample estimates:\n rho \n0.7818182 \n<\/strong><\/span><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So berechnen Sie die Autokorrelation in R<\/a>
So berechnen Sie die gleitende Korrelation in R<\/a>
So melden Sie die Spearman-Korrelation im APA-Format<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"