Spearman 순위 상관 관계를 사용하는 경우(2개 시나리오)

두 변수 사이의 선형 연관성을 정량화하는 가장 일반적인 방법은 Pearson 상관 계수를 사용하는 것입니다. 이 계수는 항상 -1과 1 사이의 값을 취합니다. 여기서:

• -1은 완벽하게 음의 선형 상관 관계를 나타냅니다.
• 0은 선형 상관관계가 없음을 나타냅니다.
• 1은 완벽하게 양의 선형 상관 관계를 나타냅니다.

그러나 이러한 유형의 상관 계수는 두 변수 간의 실제 기본 관계가 선형 일 때 가장 잘 작동합니다.

두 가지 특정 시나리오에 가장 잘 사용되는 Spearman 순위 상관 이라는 또 다른 유형의 상관 계수가 있습니다.

시나리오 1 : 기밀 데이터로 작업하는 경우.

• 학생의 수학 시험 점수 순위와 수업 내 과학 시험 점수 순위가 포함된 데이터세트를 예로 들 수 있습니다.

시나리오 2 : 하나 이상의 극단적인 특이치가 존재하는 경우.

• 데이터 세트에 극단적인 이상값이 있으면 Pearson 상관 계수가 크게 영향을 받습니다.

다음 예에서는 이러한 각 시나리오에서 Spearman 순위 상관 관계를 계산하는 방법을 보여줍니다.

시나리오 1: Spearman 순위와 순위 데이터 상관 관계

두 변수 간의 관계를 보여주는 다음 데이터 세트(및 해당 산점도)를 고려하십시오.

통계 소프트웨어를 사용하여 이 두 변수에 대해 다음과 같은 상관 계수를 계산할 수 있습니다.

• 피어슨 상관관계: 0.79
• 스피어맨 순위 상관관계: 1

이 시나리오에서 데이터 값의 순위에만 관심이 있다면(x 순위가 증가하면 y 순위도 증가합니까?) Spearman의 순위 상관 관계는 우리에게 더 나은 아이디어를 제공합니다. 두 변수 사이의 상관 관계. .

이 특정 데이터 세트에서는 x 순위가 증가함에 따라 y 순위도 항상 증가합니다.

Spearman의 순위 상관 관계는 x 순위와 y 순위 사이에 완벽한 양의 관계( ρ = 1 )가 있음을 알려줌으로써 이러한 동작을 완벽하게 포착합니다.

반면, Pearson 상관관계는 두 변수 사이에 강한 선형 관계( r = 0.79 )가 있음을 나타냅니다.

이는 사실이지만 x 순위와 y 순위 사이의 관계에만 관심이 있다면 유용하지 않습니다.

시나리오 2: Spearman 순위와 극단적 이상값의 상관관계

두 변수 간의 관계를 보여주는 다음 데이터 세트(및 해당 산점도)를 고려하십시오.

통계 소프트웨어를 사용하여 이 두 변수에 대해 다음과 같은 상관 계수를 계산할 수 있습니다.

• 피어슨 상관관계: 0.86
• 스피어맨 순위 상관관계: 0.85

변수 간의 기본 관계가 대략 선형이고 극단적인 특이치가 없기 때문에 상관 계수는 거의 동일합니다.

이제 데이터 세트의 마지막 y 값을 극단적인 이상값이 되도록 변경한다고 가정해 보겠습니다.

통계 소프트웨어를 사용하여 상관 계수를 다시 계산할 수 있습니다.

• 피어슨 상관관계: 0.69
• 스피어맨 순위 상관관계: 0.85

Pearson 상관 계수는 크게 변경되었지만 Spearman 순위 상관 계수는 동일하게 유지되었습니다.

통계 전문 용어를 사용하면 x와 y 사이의 관계는 단조적이 지만(x가 증가하면 y는 일반적으로 증가함) 이상값이 데이터에 큰 영향을 미치기 때문에 선형이 아니라고 말할 수 있습니다.

이 시나리오에서 Spearman의 순위 상관은 이 단조로운 관계를 잘 정량화하는 반면, Pearson의 상관은 두 변수 간의 선형 관계를 계산하려고 시도하기 때문에 제대로 작동하지 않습니다.

관련 항목: APA 형식으로 Spearman 순위 상관관계를 보고하는 방법

추가 리소스

다음 튜토리얼에서는 다양한 소프트웨어를 사용하여 Spearman 순위 상관 관계를 계산하는 방법을 설명합니다.

Excel에서 Spearman 순위 상관 관계를 계산하는 방법
Google 스프레드시트에서 Spearman 순위 상관관계를 계산하는 방법
R에서 Spearman 순위 상관 관계를 계산하는 방법
Python에서 Spearman 순위 상관 관계를 계산하는 방법