วิธีการคำนวณความสัมพันธ์ของอันดับ spearman ใน r

ในทางสถิติ ความสัมพันธ์ หมายถึงจุดแข็งและทิศทางของความสัมพันธ์ระหว่างตัวแปรสองตัว ค่าของสัมประสิทธิ์สหสัมพันธ์สามารถอยู่ในช่วงตั้งแต่ -1 ถึง 1 โดยมีการตีความดังต่อไปนี้:

• -1: ความสัมพันธ์เชิงลบที่สมบูรณ์แบบระหว่างตัวแปรสองตัว
• 0: ไม่มีความสัมพันธ์ระหว่างตัวแปรสองตัว
• 1: ความสัมพันธ์เชิงบวกที่สมบูรณ์แบบระหว่างสองตัวแปร

ความสัมพันธ์แบบพิเศษเรียกว่า Spearman’s rank correlation ซึ่งใช้ในการวัดความสัมพันธ์ระหว่างตัวแปรอันดับ 2 ตัว (เช่น อันดับคะแนนสอบคณิตศาสตร์ของนักเรียนสัมพันธ์กับอันดับคะแนนสอบวิทยาศาสตร์ในชั้นเรียน)

ในการคำนวณความสัมพันธ์อันดับ Spearman ระหว่างตัวแปรสองตัวใน R เราสามารถใช้ไวยากรณ์พื้นฐานต่อไปนี้:

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

ตัวอย่างต่อไปนี้แสดงวิธีใช้ฟังก์ชันนี้ในทางปฏิบัติ

ตัวอย่างที่ 1: ความสัมพันธ์ของอันดับ Spearman ระหว่างเวกเตอร์

รหัสต่อไปนี้แสดงวิธีการคำนวณความสัมพันธ์อันดับ Spearman ระหว่างเวกเตอร์สองตัวใน 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

จากผลลัพธ์ เราจะเห็นว่าความสัมพันธ์ของอันดับ Spearman คือ -0.41818 และค่า p ที่สอดคล้องกันคือ 0.2324

สิ่งนี้บ่งชี้ว่ามีความสัมพันธ์เชิงลบระหว่างเวกเตอร์ทั้งสอง

อย่างไรก็ตาม เนื่องจากค่า p ของความสัมพันธ์ไม่ต่ำกว่า 0.05 ความสัมพันธ์จึงไม่มีนัยสำคัญทางสถิติ

ตัวอย่างที่ 2: Spearman จัดอันดับความสัมพันธ์ระหว่างคอลัมน์ในกรอบข้อมูล

รหัสต่อไปนี้แสดงวิธีการคำนวณความสัมพันธ์อันดับ Spearman ระหว่างสองคอลัมน์ในกรอบข้อมูล:

 #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 

จากผลลัพธ์ เราจะเห็นว่าความสัมพันธ์ของอันดับ Spearman คือ 0.7818 และค่า p ที่สอดคล้องกันคือ 0.01165

สิ่งนี้บ่งชี้ว่ามีความสัมพันธ์เชิงบวกอย่างมากระหว่างเวกเตอร์ทั้งสอง

เนื่องจากค่า p ของความสัมพันธ์น้อยกว่า 0.05 ความสัมพันธ์จึงมีนัยสำคัญทางสถิติ

แหล่งข้อมูลเพิ่มเติม

วิธีการคำนวณความสัมพันธ์บางส่วนใน R
วิธีการคำนวณความสัมพันธ์อัตโนมัติใน R
วิธีการคำนวณความสัมพันธ์แบบเลื่อนใน R
วิธีรายงานความสัมพันธ์ของ Spearman ในรูปแบบ APA