Kalkulator korelacji Spearmana
Zmierz związek monotoniczny między dwiema zmiennymi na podstawie rang. Wklej sparowane wartości X i Y.
Zobacz, jak wykonać obliczenia samodzielnieWpisz wartości
Wyniki aktualizują się podczas wpisywania.
Jak wprowadzić dane
Wpisz dwie listy pomiarów dla tych samych osób lub obiektów. Rozdziel liczby przecinkami lub nowymi liniami i zachowaj właściwe pary: pierwsza wartość obu list musi dotyczyć tej samej osoby, podobnie kolejne. Listy muszą mieć równą długość. Części dziesiętne zapisuj z kropką.
ρ Spearmana
Sprawdź dane
Wpisz poprawne wartości, aby zobaczyć wynik. Skorzystaj z podpowiedzi przy polach lub instrukcji wprowadzania danych.
Kalkulator korelacji rang Spearmana sprawdza, czy dwie zmienne mają tendencję do wspólnego wzrostu lub zmian w przeciwnych kierunkach. Nadaje wartościom rangi i porównuje te rangi, zwracając wynik od −1 do +1. Wartość bliska +1 wskazuje na silny związek rosnący, a bliska −1 na malejący. Wynik bliski zeru oznacza słaby związek monotoniczny, ale nie wyklucza innych zależności.
Oblicz samodzielnie
Użyj sparowanych obserwacji X = 10, 20, 30 i Y = 2, 6, 4.
Prześledź przykład, a następnie wykonaj te same kroki dla własnych danych.
Zastąp wartości rangami
Rangi X = 1, 2, 3. Rangi Y = 1, 3, 2.Nadaj rangi każdej zmiennej osobno. Wartości remisowe otrzymują średnią zajmowanych pozycji.
W przykładzie bez remisów podnieś różnice rang do kwadratu
Różnice rang = 0, −1, 1. Suma kwadratów różnic = 0 + 1 + 1 = 2.Oblicz korelację rang
rₛ = 1 − [6 × 2 ÷ (3 × (3² − 1))] = 1 − 12/24 = 0.5.
Powyższy skrócony wzór zakłada brak remisów. Przy remisach oblicz korelację Pearsona dla średnich rang: zsumuj iloczyny odchyleń rang od ich średnich i podziel przez pierwiastek iloczynu sum kwadratów odchyleń. Taką metodę stosuje kalkulator.
Sprawdź wynik w kalkulatorzeDostępne w PaperSurvey.io
W widżecie korelacji porównaj korelację rang Spearmana z liniową korelacją Pearsona.
Przykłady zastosowań
- Nauczyciele: Nauczyciel sprawdza, czy dłuższy czas powtórek wiąże się z wyższą pozycją ucznia w rankingu wyników.
- Właściciele małych firm: Właściciel kawiarni analizuje, czy dłuższy czas oczekiwania wiąże się z niższą oceną satysfakcji.
- Specjaliści HR: Specjalista HR sprawdza, czy większy staż pracowników wiąże się z wyższymi ocenami pracy wystawionymi przez przełożonych.
Spearman a Pearson
Korelacja Spearmana opiera się na rangach, dlatego opisuje związki monotoniczne, także nieliniowe. Jest mniej wrażliwa na wielkość obserwacji skrajnych niż korelacja Pearsona i nadaje się do danych porządkowych, np. ocen na skali Likerta. Nadal wymaga właściwie sparowanych obserwacji.
Kiedy go używać?
Użyj korelacji Spearmana, gdy masz dwa pomiary tych samych osób lub obiektów i chcesz ocenić ich wspólny kierunek zmian. Jest przydatna dla rankingów, ocen i zmiennych o związku monotonicznym, który nie musi być liniowy. Ponieważ analizuje kolejność, a nie odległości między wartościami, dobrze pasuje do skal porządkowych i jest mniej wrażliwa na skrajne wielkości obserwacji.
Co oznacza wynik?
Wynik mieści się od −1 do +1. Znak wskazuje kierunek, a wartość bezwzględna siłę związku monotonicznego. Orientacyjnie wartości bezwzględne poniżej 0,2 bywają uznawane za bardzo słabe, 0,2–0,4 słabe, 0,4–0,6 umiarkowane, 0,6–0,8 silne, a powyżej 0,8 bardzo silne. Progi zależą od dziedziny. Wynik bliski zeru nie wyklucza zależności niemonotonicznej.
Jakich błędów unikać
Zachowaj jednakową długość list i właściwe pary obserwacji. Nie sortuj każdej listy niezależnie, bo zniszczysz powiązania danych. Korelacja nie dowodzi przyczynowości. W małej próbie nawet silny wynik może być niestabilny, dlatego uwzględniaj liczebność i niepewność. W polach danych wpisuj wyłącznie liczby.
Jak korzystać z kalkulatora
- W pierwszym polu wpisz wartości pierwszej zmiennej, rozdzielając je przecinkami lub nowymi liniami.
- W drugim polu wpisz wartości drugiej zmiennej w odpowiadającej im kolejności.
- Sprawdź długość list i poprawność par. Kalkulator obliczy wynik automatycznie.
- Odczytaj korelację: wartości bliskie +1 lub −1 oznaczają silny związek monotoniczny, a bliskie zeru słaby.
Przykład obliczeń
Porównujesz staż sześciu sprzedawców z oceną satysfakcji ich klientów. Staż wynosi 1, 2, 3, 4, 5 i 6 lat, a oceny odpowiednio 6, 5, 7, 8, 9 i 10. Wpisz staż w jednym polu, oceny w drugim. Korelacja Spearmana wyniesie około 0,94, co oznacza silny dodatni związek rang w tej małej próbie: większy staż zwykle wiąże się z wyższą oceną.
Często zadawane pytania
Co wpisać w poszczególnych polach?
Wpisz pomiary pierwszej zmiennej w pierwszym polu, a drugiej w drugim. Oddziel liczby przecinkami lub nowymi liniami i zachowaj tę samą kolejność obserwacji.
Skąd wziąć te dane?
Z dwóch pomiarów wykonanych dla tych samych osób lub obiektów, np. ocen, wyników testu, czasu lub cen. Każda obserwacja musi mieć właściwą parę wartości.
Co oznacza otrzymany wynik?
Wynik od −1 do +1 opisuje siłę i kierunek związku monotonicznego. Im bliżej któregoś krańca, tym związek silniejszy. Wartość bliska zeru nie wyklucza zależności o innym kształcie, np. rosnącej, a potem malejącej.
Czy obie listy muszą mieć tyle samo wartości?
Tak. Każda obserwacja musi mieć wartość na obu listach, na tej samej pozycji. Listy muszą więc mieć jednakową długość i odpowiadającą sobie kolejność.
Czym różnią się wynik dodatni i ujemny?
Dodatni wynik oznacza, że wyższym wartościom jednej zmiennej zwykle odpowiadają wyższe wartości drugiej. Ujemny oznacza przeciwny kierunek: wyższym wartościom jednej odpowiadają niższe wartości drugiej.
Zacznij korzystać z PaperSurvey.io
Pierwsze 14 dni bez opłat. Konto założysz od razu, bez podawania karty płatniczej.