高等数学 / 系统课时
秩相关分析
秩相关分析
当两个变量的关系并非直线,却大体保持同增或同减时,皮尔逊相关可能低估这种联系。本课使用斯皮尔曼秩相关系数,把原始数值转换为名次后衡量单调关系,并说明并列秩、异常值和非单调关系带来的边界。
学习目标
- 理解斯皮尔曼秩相关系数衡量的关系类型
- 能够对一组配对数据排序并手算相关系数
- 能够判断秩相关分析的适用场景与局限
斯皮尔曼相关在回答什么
斯皮尔曼秩相关系数记为 。它不直接比较原始数值之间的线性变化,而是比较两个变量的排序是否一致:一个变量排名升高时,另一个变量的排名通常也升高,则呈正相关;若通常降低,则呈负相关。

这意味着斯皮尔曼相关能识别“持续上升但增速变化”的关系,却不能可靠概括 U 形、倒 U 形等非单调结构。系数范围为 ,绝对值越接近 1,排序一致程度越高。
计算方法与手算示例
无并列秩时的公式
对 对观测分别排序,记第 对观测在两个变量中的秩之差为 。没有并列名次时,可使用:
计算顺序是:分别求秩、计算秩差、平方后求和,最后代入公式。若存在相同数值,应把它们占据名次的平均值作为并列秩,再计算两列秩的皮尔逊相关系数,不能直接套用上面的简化公式。
手算一组学习数据
设学习时长与测验成绩如下。学习时长本身已按从小到大排列,因此其秩为 1 到 5。
| 学习时长 | 成绩 | ||||
|---|---|---|---|---|---|
| 1 | 52 | 1 | 1 | 0 | 0 |
| 2 | 68 | 2 | 3 | -1 | 1 |
| 3 | 61 | 3 | 2 | 1 | 1 |
| 4 | 80 | 4 | 5 | -1 | 1 |
| 5 | 74 | 5 | 4 | 1 | 1 |
此时 ,因此:
结果表明两者存在较强的正向单调关系,但并非完全一致。样本只有 5 对,系数对单个名次变化较敏感,因此实际报告还应结合样本量、显著性检验和散点图判断。
适用场景与判断边界
斯皮尔曼相关适合顺序型数据、明显偏态数据、含异常值的数据,以及理论上预期为单调但不一定线性的关系。它使用名次而非原始距离,因此通常比皮尔逊相关更抗极端值影响。
使用时仍要注意三个边界:相关不代表因果;大量并列值会降低名次信息;接近 0 只说明缺少稳定的单调关系,不代表两个变量完全无关。分析前应先查看散点图,确认数据没有明显分组、环形或 U 形结构。
按自己的节奏,确认真正理解。