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 ρs\rho_s。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。

线性、单调非线性与非单调关系对比

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 [−1,1][-1,1],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 nn 对观测分别排序,记第 ii 对观测在两个变量中的秩之差为 did_i。没有并列名次时,可使用:

ρs=1−6∑i=1ndi2n(n2−1)\rho_s=1-\frac{6\sum_{i=1}^{n}d_i^2}{n(n^2-1)}

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 XX 成绩 YY RXR_X RYR_Y d=RX−RYd=R_X-R_Y d2d^2
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 ∑di2=4\sum d_i^2=4,因此:

ρs=1−6×45×(52−1)=0.8\rho_s=1-\frac{6\times4}{5\times(5^2-1)}=0.8

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。

目录与阅读设置

阅读设置

17

记录一个想法

秩相关分析

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通