순서형 범주에 대한 Spearman의 로 및 Pearson의 r 정의

이 통계량을 얻으려면 통계분석 > > 교차표 및 카이-제곱 검정을 선택하고 기타 통계량을 클릭한 후 순서형 범주에 대한 상관 계수을 선택하십시오.

Spearman의 로 및 Pearson의 r을 사용하여 순서형 범주를 갖는 두 변수 간의 연관성을 평가할 수 있습니다. 순서형 범주에는 작음, 중간, 큼 등 자연적 순서가 있습니다.

계수 값 범위가 -1부터 +1까지입니다. 계수의 절대값이 클수록 변수 사이에 강한 관계가 있습니다. 절대값 1은 완전한 관계를 나타내고 0은 순서형 관계가 없음을 나타냅니다. 중간 값은 목표와 요구 사항에 따라 약한 상관 관계, 적절한 상관 관계 또는 강한 상관 관계로 해석됩니다.

Spearman의 로 및 Pearson의 r 예

예를 들어, 새로운 자동차에 대한 세 가지 수준의 지속적인 서비스(서비스 없음, 표준 서비스 및 프리미엄 서비스)를 제공하는 자동차 판매인에 대한 고객 만족도를 분석합니다. 고객의 랜덤 표본을 추출하여 고객 서비스에 대해 만족하지 않는지, 보통인지 또는 만족하는지 묻습니다. 데이터에는 서비스 패키지와 고객 만족도, 2개의 순서형 변수가 포함됩니다. 고객이 받는 서비스 수준과 전체적인 만족도 간에 연관이 있는지 확인하고자 합니다. 다음 이원 표에 데이터를 입력합니다.
서비스 없음 표준 서비스 프리미엄 서비스
만족 안 함 162 104 36
보통 99 91 93
만족 39 105 171

이 표에 대한 Spearman의 로 및 Pearson의 r은 모두 0.424입니다. 서비스 수준과 고객 만족도 간에 긍정적인 연관성이 있다는 결론을 내릴 수 있습니다. 더 높은 서비스 계획을 선택하는 고객은 이 비즈니스에 더 많은 만족을 표시하는 경향이 있습니다.

Spearman의 로 및 Pearson의 r에 대한 중요한 고려사항

상관은 인과 관계를 의미하지 않는다는 점에 유의해야 합니다. 예를 들어, 아이스크림 판매와 상어의 수영객 습격 사이에 양의 상관 관계가 있다고 해서 아이스크림 소비가 어떤 이유에서 상어의 습격을 초래한다는 것을 의미하지는 않습니다. 따뜻한 날씨와 같은 다른 변수 때문에 아이스크림의 판매와 바다 수영객의 수가 모두 증가할 수도 있습니다.

교차표 및 카이-제곱 검정을 사용하여 계산된 Pearson 통계량은 순서형 데이터만을 위한 것입니다. 예를 들어, 연속된 값 22, 37, 53은 순서형 값 1, 2, 3으로 분석됩니다. 두 개 이상의 계량형 데이터 열에 대한 Pearson 상관 계수를 계산하려면 통계분석 > 기초 통계 > 상관 분석을 대신 사용하십시오.

참고

텍스트 값의 경우 필요에 따라 기본값 순서를 변경하여 범주의 자연적 순서를 표시해야 합니다. 예를 들어 "좁음", "중간", "넓음" 등의 텍스트 값을 갖는 열의 값 순서를 변경하지 않을 경우, 이 값들은 알파벳 순으로 정렬되며 순서형 값 2, 1, 3으로 분석됩니다.

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오