<\/p>\n
W statystyce korelacja<\/strong> odnosi si\u0119 do si\u0142y i kierunku zwi\u0105zku mi\u0119dzy dwiema zmiennymi. Warto\u015b\u0107 wsp\u00f3\u0142czynnika korelacji mo\u017ce wynosi\u0107 od -1 do 1, z nast\u0119puj\u0105cymi interpretacjami:<\/span><\/p>\n Specjalny rodzaj korelacji nazywany jest korelacj\u0105 rang Spearmana<\/strong> i s\u0142u\u017cy do pomiaru korelacji mi\u0119dzy dwiema zmiennymi rankingowymi. (na przyk\u0142ad ranga wyniku ucznia z egzaminu z matematyki w stosunku do rangi jego wyniku z egzaminu z przedmiot\u00f3w \u015bcis\u0142ych w klasie).<\/span><\/p>\n Aby obliczy\u0107 korelacj\u0119 rang Spearmana mi\u0119dzy dwiema zmiennymi w R, mo\u017cemy zastosowa\u0107 nast\u0119puj\u0105c\u0105 podstawow\u0105 sk\u0142adni\u0119:<\/span><\/p>\n Poni\u017csze przyk\u0142ady pokazuj\u0105, jak w praktyce wykorzysta\u0107 t\u0119 funkcj\u0119.<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak obliczy\u0107 korelacj\u0119 rang Spearmana mi\u0119dzy dwoma wektorami w R:<\/span><\/span><\/p>\n Z wyniku widzimy, \u017ce korelacja rang Spearmana wynosi -0,41818<\/strong> , a odpowiadaj\u0105ca jej warto\u015b\u0107 p wynosi 0,2324<\/strong> .<\/span><\/p>\n Oznacza to, \u017ce istnieje ujemna korelacja pomi\u0119dzy obydwoma wektorami.<\/span><\/p>\n Poniewa\u017c jednak warto\u015b\u0107 p korelacji jest nie mniejsza ni\u017c 0,05, korelacja nie jest istotna statystycznie.<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak obliczy\u0107 korelacj\u0119 rang Spearmana mi\u0119dzy dwiema kolumnami w ramce danych:<\/span><\/p>\n Z wyniku widzimy, \u017ce korelacja rang Spearmana wynosi 0,7818<\/strong> , a odpowiadaj\u0105ca jej warto\u015b\u0107 p wynosi 0,01165<\/strong> .<\/span><\/p>\n Wskazuje to, \u017ce istnieje silna dodatnia korelacja pomi\u0119dzy obydwoma wektorami.<\/span><\/p>\n Poniewa\u017c warto\u015b\u0107 p korelacji jest mniejsza ni\u017c 0,05, korelacja jest istotna statystycznie.<\/span><\/p>\n Jak obliczy\u0107 korelacj\u0119 cz\u0119\u015bciow\u0105 w R<\/a> W statystyce korelacja odnosi si\u0119 do si\u0142y i kierunku zwi\u0105zku mi\u0119dzy dwiema zmiennymi. Warto\u015b\u0107 wsp\u00f3\u0142czynnika korelacji mo\u017ce wynosi\u0107 od -1 do 1, z nast\u0119puj\u0105cymi interpretacjami: -1: doskona\u0142y negatywny zwi\u0105zek mi\u0119dzy dwiema zmiennymi 0: brak zwi\u0105zku pomi\u0119dzy dwiema zmiennymi 1: doskona\u0142y dodatni zwi\u0105zek mi\u0119dzy dwiema zmiennymi Specjalny rodzaj korelacji nazywany jest korelacj\u0105 rang Spearmana i s\u0142u\u017cy […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-2016","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n\n
corr <- cor. test<\/span> (x, y, method = ' spearman<\/span> ')\n<\/strong><\/pre>\n Przyk\u0142ad 1: Korelacja rang Spearmana pomi\u0119dzy wektorami<\/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 Przyk\u0142ad 2: Korelacja rang Spearmana pomi\u0119dzy kolumnami w ramce danych<\/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 Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak obliczy\u0107 autokorelacj\u0119 w R<\/a>
Jak obliczy\u0107 korelacj\u0119 przesuwn\u0105 w R<\/a>
Jak zg\u0142osi\u0107 korelacj\u0119 Spearmana w formacie APA<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"