Come calcolare la correlazione del rango di spearman in r

In statistica, la correlazione si riferisce alla forza e alla direzione di una relazione tra due variabili. Il valore di un coefficiente di correlazione può variare da -1 a 1, con le seguenti interpretazioni:

• -1: una perfetta relazione negativa tra due variabili
• 0: nessuna relazione tra due variabili
• 1: una perfetta relazione positiva tra due variabili

Un tipo speciale di correlazione è chiamata correlazione per rango di Spearman , che viene utilizzata per misurare la correlazione tra due variabili classificate. (ad esempio, la posizione del punteggio dell’esame di matematica di uno studente rispetto alla posizione del punteggio dell’esame di scienze in una classe).

Per calcolare la correlazione del rango di Spearman tra due variabili in R, possiamo utilizzare la seguente sintassi di base:

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

I seguenti esempi mostrano come utilizzare questa funzione nella pratica.

Esempio 1: correlazione dei ranghi di Spearman tra vettori

Il codice seguente mostra come calcolare la correlazione del rango di Spearman tra due vettori in 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

Dal risultato, possiamo vedere che la correlazione del rango di Spearman è -0,41818 e il valore p corrispondente è 0,2324 .

Ciò indica che esiste una correlazione negativa tra i due vettori.

Tuttavia, poiché il valore p della correlazione non è inferiore a 0,05, la correlazione non è statisticamente significativa.

Esempio 2: correlazione del rango di Spearman tra le colonne nel frame di dati

Il codice seguente mostra come calcolare la correlazione del rango di Spearman tra due colonne in un frame di dati:

 #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 

Dal risultato, possiamo vedere che la correlazione del rango di Spearman è 0,7818 e il valore p corrispondente è 0,01165 .

Ciò indica che esiste una forte correlazione positiva tra i due vettori.

Poiché il valore p della correlazione è inferiore a 0,05, la correlazione è statisticamente significativa.

Risorse addizionali

Come calcolare la correlazione parziale in R
Come calcolare l’autocorrelazione in R
Come calcolare la correlazione scorrevole in R
Come segnalare la correlazione di Spearman in formato APA