Cara menghitung korelasi rank spearman di r

Dalam statistik, korelasi mengacu pada kekuatan dan arah hubungan antara dua variabel. Nilai koefisien korelasi dapat berkisar antara -1 hingga 1, dengan interpretasi sebagai berikut:

• -1 : hubungan negatif sempurna antara dua variabel
• 0: tidak ada hubungan antara dua variabel
• 1: hubungan positif sempurna antara dua variabel

Jenis korelasi khusus disebut korelasi peringkat Spearman , yang digunakan untuk mengukur korelasi antara dua variabel peringkat. (misalnya, peringkat nilai ujian matematika siswa relatif terhadap peringkat nilai ujian sains di suatu kelas).

Untuk menghitung korelasi rank Spearman antara dua variabel di R, kita dapat menggunakan sintaks dasar berikut:

 corr <- cor. test (x, y, method = ' spearman ')

Contoh berikut menunjukkan cara menggunakan fungsi ini dalam praktiknya.

Contoh 1: Korelasi peringkat Spearman antar vektor

Kode berikut menunjukkan cara menghitung korelasi rank Spearman antara dua vektor di R:

 #define data
x <- c(70, 78, 90, 87, 84, 86, 91, 74, 83, 85)
y <- c(90, 94, 79, 86, 84, 83, 88, 92, 76, 75)

#calculate Spearman rank correlation between x and y
horn. test (x, y, method = ' spearman ')

	Spearman's rank correlation rho

data: x and y
S = 234, p-value = 0.2324
alternative hypothesis: true rho is not equal to 0
sample estimates:
       rho 
-0.4181818

Dari hasilnya, kita dapat melihat bahwa korelasi peringkat Spearman adalah -0,41818 dan nilai p yang sesuai adalah 0,2324 .

Hal ini menunjukkan adanya korelasi negatif antara kedua vektor.

Namun, karena nilai p korelasi tidak kurang dari 0,05, maka korelasi tersebut tidak signifikan secara statistik.

Contoh 2: Korelasi peringkat spearman antar kolom dalam bingkai data

Kode berikut menunjukkan cara menghitung korelasi peringkat Spearman antara dua kolom dalam bingkai data:

 #define data frame
df <- data. frame (team=c('A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'),
                 points=c(67, 70, 75, 78, 73, 89, 84, 99, 90, 91),
                 assists=c(22, 27, 30, 23, 25, 31, 38, 35, 34, 32))

#calculate Spearman rank correlation between x and y
horn. test (df$points, df$assists, method = 'spearman')

	Spearman's rank correlation rho

data: df$points and df$assists
S = 36, p-value = 0.01165
alternative hypothesis: true rho is not equal to 0
sample estimates:
      rho 
0.7818182 

Dari hasilnya, kita dapat melihat bahwa korelasi peringkat Spearman adalah 0,7818 dan nilai p yang sesuai adalah 0,01165 .

Hal ini menunjukkan adanya korelasi positif yang kuat antara kedua vektor tersebut.

Karena nilai p korelasinya kurang dari 0,05, maka korelasinya signifikan secara statistik.

Sumber daya tambahan

Cara menghitung korelasi parsial di R
Cara menghitung autokorelasi di R
Cara menghitung korelasi geser di R
Cara melaporkan korelasi Spearman dalam format APA