Spearman Rangkorrelationsrechner

Spearman Rangkorrelationsrechner

Der Spearman-Rangkorrelationsrechner berechnet den Spearman-Rangkorrelationskoeffizienten (ρ, auch geschrieben als r_s), ein nicht-parametrisches Maß für die Stärke und Richtung des monotonen Zusammenhangs zwischen zwei rangskalierten Variablen. Er funktioniert, indem er Rohdaten in Ränge umwandelt und dann die Korrelation zwischen diesen Rängen misst, wodurch er robust gegenüber Ausreißern und für ordinale Daten geeignet ist.

So verwenden Sie den Spearman-Rangkorrelationsrechner

1. X-Werte eingeben: Geben Sie Ihren ersten Datensatz in das Feld Variable X ein, getrennt durch Kommas, Leerzeichen oder Zeilenumbrüche.
2. Y-Werte eingeben: Geben Sie Ihren zweiten Datensatz in das Feld Variable Y ein. Beide Datensätze müssen die gleiche Anzahl von Werten enthalten.
3. Präzision festlegen: Wählen Sie die Anzahl der Dezimalstellen für Ihre Ergebnisse (2 bis 15).
4. Signifikanzniveau wählen: Wählen Sie α = 0,01, 0,05 oder 0,10 für den Hypothesentest.
5. Auf Berechnen klicken: Sehen Sie sich den Korrelationskoeffizienten, den Signifikanztest, Visualisierungen und Schritt-für-Schritt-Berechnungen an.

Formel der Spearman-Rangkorrelation

Für Daten ohne Rangbindungen wird Spearmans ρ wie folgt berechnet:

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

wobei \(d_i\) die Differenz zwischen den Rängen jedes Paares von Beobachtungen und \(n\) die Anzahl der Datenpaare ist. Wenn Rangbindungen vorliegen, wird ein Korrekturfaktor unter Verwendung der allgemeinen Formel auf Basis von Rangsummen angewendet.

Wann man Spearman vs. Pearson Korrelation verwendet

Wählen Sie die Spearman-Rangkorrelation, wenn:

• Ihre Daten ordinalskaliert (Ränge) sind und nicht intervall- oder verhältnisskaliert
• Die Beziehung zwischen den Variablen monoton, aber nicht notwendigerweise linear ist
• Ihre Daten Ausreißer enthalten, die die Pearson-Korrelation verzerren würden
• Die Daten keiner Normalverteilung folgen
• Sie einen kleinen Stichprobenumfang haben

Wählen Sie die Pearson-Korrelation, wenn Ihre Daten kontinuierlich und normalverteilt sind und eine lineare Beziehung erwartet wird.

Interpretation der Ergebnisse

• ρ = +1: Perfekt positive monotone Beziehung — wenn X steigt, steigt Y immer
• ρ = −1: Perfekt negative monotone Beziehung — wenn X steigt, sinkt Y immer
• ρ = 0: Kein monotoner Zusammenhang zwischen den Variablen
• 0,7 ≤ |ρ| < 1,0: Starke Korrelation
• 0,5 ≤ |ρ| < 0,7: Moderate Korrelation
• 0,3 ≤ |ρ| < 0,5: Schwache Korrelation
• |ρ| < 0,3: Sehr schwache oder keine Korrelation

Wie mit Rangbindungen umgegangen wird

Wenn zwei oder mehr Beobachtungen denselben Wert teilen, wird ihnen der Durchschnitt der Ränge zugewiesen, die sie belegt hätten. Wenn beispielsweise Werte an den Positionen 3 und 4 gleich sind, erhalten beide den Rang 3,5. Der Rechner erkennt Bindungen automatisch und wendet die entsprechende Korrekturformel an, um die Genauigkeit zu wahren.

Signifikanzprüfung

Der Rechner führt einen zweiseitigen t-Test durch, um festzustellen, ob die Korrelation statistisch signifikant ist. Die Teststatistik lautet:

$$t = \frac{\rho \sqrt{n-2}}{\sqrt{1-\rho^2}}$$

Diese wird mit dem kritischen Wert der t-Verteilung mit n−2 Freiheitsgraden beim gewählten Signifikanzniveau verglichen.

Häufig gestellte Fragen