免费斯皮尔曼等级相关系数计算器

斯皮尔曼等级相关系数（Spearman’s rho，记作 $\rho$）是一种非参数度量，用于量化两个变量之间单调关系的强度和方向。与参数方法不同，它不假设线性或正态性，因此适用于有序数据或存在异常值的连续数据。斯皮尔曼等级相关系数计算器自动从原始输入计算 $\rho$，即时提供结果以及相关强度解释——实际上同时充当了等级相关系数计算器和非参数相关计算器。

Spearman与Pearson：何时使用哪个？

皮尔逊 $r$ 和斯皮尔曼 $\rho$ 都是相关系数，但它们捕捉不同类型的关联。皮尔逊 $r$ 专为线性关系设计，需要连续、正态分布的变量且作用于原始值。而斯皮尔曼 $\rho$ 通过将原始数据转换为等级来评估单调关系——无论线性与否。这使得斯皮尔曼成为一种单调关系计算器，即使趋势不是直线，也能检测出持续上升或下降的趋势。

一个实际示例：考虑一个散点图，其中的点遵循一条始终递增但非线性的曲线。皮尔逊 $r$ 可能只能达到 0.85，而斯皮尔曼 $\rho$ 将等于 1，表明完美的单调关系。这种差异突出了为什么研究人员在线性关系存疑时选择斯皮尔曼等级顺序相关。

定义和公式

形式上，斯皮尔曼 $\rho$ 是应用于数据等级的皮尔逊相关系数。令 $r(X_i)$ 和 $r(Y_i)$ 分别为变量 $X$ 和 $Y$ 第 $i$ 个观测值的等级。则

$$\rho = \frac{\text{Cov}(r(X), r(Y))}{\sigma_{r(X)} \, \sigma_{r(Y)}},$$

其中 $\text{Cov}$ 表示协方差，$\sigma$ 表示标准差。如果没有相同等级，则可简化为众所周知的快捷公式：

$$\rho = 1 - \frac{6 \sum_{i=1}^{n} d_i^2}{n (n^2 - 1)},$$

其中 $d_i = r(X_i) - r(Y_i)$，$n$ 为观测数量。重要提示：当存在相同等级时，快捷公式会给出错误结果；必须使用一般定义。

处理相同等级。 当出现相同值时，它们被赋值为如果它们不同将占据的等级的平均值。例如，如果三个最低等级值的次序为1、2、3，下一个最小值出现两次，则这两个观测值将占据等级4和5，因此两者都获得平均等级 $(4+5)/2 = 4.5$。这种平均等级方法确保了等级转换保持无偏。

柯西-施瓦茨不等式保证了斯皮尔曼 $\rho$ 始终位于 $-1$ 和 $+1$ 之间，就像皮尔逊相关一样。

使用在线计算器

使用斯皮尔曼相关计算器非常简单：将成对的 $(x, y)$ 数据输入到输入行中。一旦提供至少三对数据，工具将立即计算 $\rho$ 并根据 Evan's (1996) 分类对其绝对值进行分级：

| $|\rho|$ 范围 | 强度解释 | |----------------|----------------------| | $0.8 \le |\rho| \le 1.0$ | 非常强 | | $0.6 \le |\rho| < 0.8$ | 强 | | $0.4 \le |\rho| < 0.6$ | 中等 | | $0.2 \le |\rho| < 0.4$ | 弱 | | $0.0 \le |\rho| < 0.2$ | 非常弱 |

$\rho$ 的符号表示方向：正值表示变量同时增大，负值表示一个变量随另一变量减小而增大。这种即时反馈使该工具成为快速的斯皮尔曼等级顺序相关分析工具。

逐步手动示例

为了理解背后的算法，考虑具有五个观测值的以下数据：

$x_i$	$y_i$
1	0
2	8
3	4
2	5
4	4

步骤 1 – 对每个变量进行排序。
对于 $x$，排序后的值为 1, 2, 2, 3, 4。两个 2 占据等级 2 和 3，因此它们各获得等级 $(2+3)/2 = 2.5$。因此 $r(x)$ 为：1, 2.5, 4, 2.5, 5。
对于 $y$，排序后的值为 0, 4, 4, 5, 8。两个 4 对应等级 2 和 3，平均值为 2.5。因此 $r(y)$：1, 5, 2.5, 4, 2.5。

步骤 2 – 计算差值及其平方。

$x$	$y$	$r(x)$	$r(y)$	$d_i$	$d_i^2$
1	0	1	1	0	0
2	8	2.5	5	-2.5	6.25
3	4	4	2.5	1.5	2.25
2	5	2.5	4	-1.5	2.25
4	4	5	2.5	2.5	6.25

平方差之和：$\sum d_i^2 = 0 + 6.25 + 2.25 + 2.25 + 6.25 = 17$。

步骤 3 – 应用快捷公式（仅用于说明）。
代入对同等级敏感的公式得到：

$$\rho_{\text{(approx)}} = 1 - \frac{6 \times 17}{5 \times (25 - 1)} = 1 - \frac{102}{120} = 0.15.$$

因为我们的数据包含相同值（$x$ 和 $y$ 都有相同等级），这个快捷结果不精确。要获得精确的斯皮尔曼 $\rho$，应依赖一般定义（或直接使用在线计算器）。尽管如此，手动计算展示了排序过程和系数背后的逻辑。

解读输出结果

斯皮尔曼 $\rho$ 传达了单调关联的方向和强度：

• 正 $\rho$ – 两个变量趋向于同向移动。
• 负 $\rho$ – 一个变量通常随另一个变量减小而增大。
• $\rho = +1$ 或 $-1$ – 完全单调关系（每对等级完全一致）。
• $\rho \approx 0$ – 无单调关系；但这不排除其他模式（例如，完全二次关系得到的 $\rho = 0$）。

通过结合数值 $\rho$、Evan's 强度分类和符号，斯皮尔曼Rho计算器提供了任何两个数据系列之间单调关联的完整、随时可解读的图像。