顺序类别的 Spearman 的 rho 和 Pearson 的 r 是什么?

要获取这些统计量,请选择统计 > 表格 > 交叉分组表和卡方,单击其他统计量,然后选择顺序类别的相关系数

使用 Spearman 的 rho 和 Pearson 的 r 来评估两个具有顺序类别的变量的关联。顺序类别是自然顺序,如小、中和大。

系数值介于 -1 到 +1 之间。系数的绝对值越大,变量之间的关系越强。绝对值为 1 时表示完全相关,值为 0 时则表示不存在顺序关系。将中间值解释为弱相关、中度相关还是强相关取决于您的目标和要求。

Spearman 的 rho 和 Pearson 的 r 的示例

例如,分析客户对汽车商品特许经销商的满意度,它为新车提供三种级别的连续服务:无服务、标准服务和高级服务。抽取随机数量的客户样本,询问他们对客户服务不满意、中立还是满意。您的数据包括两个顺序变量:服务包和客户满意度。您要确定客户所享受服务的级别与其总体满意度之间是否存在关联。在下面的双向表中输入数据:
无服务 标准服务 高级服务
不满意 162 104 36
中立 99 91 93
满意 39 105 171

在此表格中,Spearman 的 rho 和 Pearson 的 r 均为 0.424。您可以断定服务级别与客户满意度之间存在正关联:选择较高服务计划的客户倾向于对此业务表示出更高的满意度。

Spearman 的 rho 和 Pearson 的 r 的重要注意事项

记住,相关性不隐含因果关系。例如,如果冰淇淋销售与游泳者受到鲨鱼攻击正相关,并不意味着冰淇淋消费在某种程度上导致了鲨鱼攻击。另一个变量,例如炎热的天气,可能是导致冰淇淋销售和下海游泳人数增加的原因。

通过交叉分组表和卡方计算的 Pearson 统计量仅适用于顺序数据。例如,将连续值 22、37 和 53 分析为顺序值 1、2 和 3。要计算两列或更多列连续数据的 Pearson 相关系数,请改用统计 > 基本统计 > 相关

注意

对于文本值而言,您应在必要时更改默认值的顺序,以显示类别的自然顺序。例如,除非更改含有文本值“窄”、“中等”和“宽”的列的值顺序,否则这些值将按照字母顺序排列,并分析为顺序值 2、1 和 3。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策