R에서 spearman 순위 상관 관계를 계산하는 방법

통계에서 상관관계는 두 변수 사이의 관계의 강도와 방향을 나타냅니다. 상관 계수 값의 범위는 -1에서 1까지이며 다음과 같이 해석됩니다.

• -1: 두 변수 사이의 완벽한 음의 관계
• 0: 두 변수 사이에 관계가 없습니다.
• 1: 두 변수 사이의 완벽한 양의 관계

특별한 유형의 상관 관계를 Spearman 순위 상관 이라고 하며, 이는 두 순위 변수 간의 상관 관계를 측정하는 데 사용됩니다. (예를 들어, 수업 내 과학 시험 점수 대비 학생의 수학 시험 점수 순위)

R에서 두 변수 간의 Spearman 순위 상관 관계를 계산하려면 다음 기본 구문을 사용할 수 있습니다.

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

다음 예에서는 이 기능을 실제로 사용하는 방법을 보여줍니다.

예 1: 벡터 간 Spearman 순위의 상관관계

다음 코드는 R의 두 벡터 간의 Spearman 순위 상관 관계를 계산하는 방법을 보여줍니다.

 #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

결과에서 Spearman 순위 상관관계는 -0.41818 이고 해당 p-값은 0.2324 임을 알 수 있습니다.

이는 두 벡터 사이에 음의 상관관계가 있음을 나타냅니다.

그러나 상관관계의 p-값은 0.05 이상이므로 통계적으로 유의한 상관관계는 없습니다.

예 2: 데이터 프레임의 열 간 Spearman 순위 상관 관계

다음 코드는 데이터 프레임의 두 열 사이의 Spearman 순위 상관 관계를 계산하는 방법을 보여줍니다.

 #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 

결과에서 Spearman 순위 상관관계는 0.7818 이고 해당 p-값은 0.01165 임을 알 수 있습니다.

이는 두 벡터 사이에 강한 양의 상관관계가 있음을 나타냅니다.

상관관계의 p-값이 0.05보다 작으므로 상관관계는 통계적으로 유의합니다.

추가 리소스

R에서 부분 상관 관계를 계산하는 방법
R에서 자기상관을 계산하는 방법
R에서 슬라이딩 상관관계를 계산하는 방법
APA 형식으로 Spearman 상관관계를 보고하는 방법