obsidian_sycn/数据挖掘/理论知识/相关性分析/网页剪辑/Spearman相关性分析(Spearman Correlation Analysis)——理论介绍 - 梦特医数通.md

doc_type, url

doc_type	url
hypothesis-highlights	https://mengte.online/archives/1879

Spearman相关性分析(Spearman Correlation Analysis)——理论介绍 - 梦特医数通

Metadata

• Title: Spearman相关性分析(Spearman Correlation Analysis)——理论介绍 - 梦特医数通

• Reference: https://mengte.online/archives/1879

• Category: #source/article🗞

• Tags:

Highlights

• 先将变量X、Y分别从小到大排序编秩，用秩次RX和RY表示。排序时，出现数据相等从而造成秩次相同的现象称为相持(tie)，此时，取其平均秩次为每个数据的秩次

• Spearman相关性分析，需要满足2个条件： 条件1：变量包含等级变量、或变量不服从正态分布或分布类型未知。 条件2：两变量之间存在单调关系。

• Spearman相关，又称秩相关、等级相关，是对两变量的秩次大小作线性相关分析，对原始变量的分布不作要求，属于非参数统计方法，适用范围较广。对于服从Pearson相关的数据亦可计算Spearman相关系数，但统计效能更低。 Spearman相关系数(rs)介于-1与1之间，rs >0为正相关，rs <0为负相关。rs的绝对值(|rs|)越大，变量间的相关性越强。 参考Pearson相关系数对rs进行等级划分：当0.9</r/<1，为高度相关；当0.7</r/<0.9，为强相关；0.4</r/<0.7，为中度相关；0.2</r/<0.4，为弱相关性；0</r/<0.2，为极弱相关或无相关性。