Kalkulator Korelacji Rangowej Spearmana
Oblicz współczynnik korelacji rang Spearmana (ρ) z rankingiem krok po kroku, obsługą rang wiązanych, wizualizacją wykresu rozrzutu, testowaniem istotności i szczegółową interpretacją zależności monotonicznych.
Blokada reklam uniemożliwia wyświetlanie reklam
MiniWebtool jest darmowy dzięki reklamom. Jeśli to narzędzie Ci pomogło, wesprzyj nas przez Premium (bez reklam + szybciej) albo dodaj MiniWebtool.com do wyjątków i odśwież stronę.
- Albo przejdź na Premium (bez reklam)
- Zezwól na reklamy dla MiniWebtool.com, potem odśwież
O Kalkulator Korelacji Rangowej Spearmana
Kalkulator korelacji rangowej Spearmana oblicza współczynnik korelacji rang Spearmana (ρ, zapisywany również jako rs), nieparametryczną miarę siły i kierunku zależności monotonicznej między dwiema zmiennymi rangowanymi. Działa on poprzez konwersję surowych danych na rangi, a następnie pomiar korelacji między tymi rangami, co czyni go odpornym na wartości odstające i odpowiednim dla danych porządkowych.
Jak korzystać z kalkulatora korelacji rangowej Spearmana
- Wprowadź wartości X: Wpisz pierwszy zestaw danych w polu Zmienna X, oddzielając je przecinkami, spacjami lub podziałami linii.
- Wprowadź wartości Y: Wpisz drugi zestaw danych w polu Zmienna Y. Oba zestawy danych muszą mieć tę samą liczbę wartości.
- Ustaw precyzję: Wybierz liczbę miejsc po przecinku dla wyników (od 2 do 15).
- Wybierz poziom istotności: Wybierz α = 0,01, 0,05 lub 0,10 dla testowania hipotez.
- Kliknij Oblicz: Zobacz współczynnik korelacji, test istotności, wizualizacje i obliczenia krok po kroku.
Wzór na korelację rang Spearmana
Dla danych bez powiązań, ρ Spearmana oblicza się jako:
$$\rho = 1 - \frac{6 \sum d_i^2}{n(n^2-1)}$$
gdzie \(d_i\) to różnica między rangami każdej pary obserwacji, a \(n\) to liczba par danych. Gdy obecne są rangi wiązane, stosowany jest współczynnik korygujący przy użyciu ogólnego wzoru opartego na sumach rang.
Kiedy używać korelacji Spearmana a korelacji Pearsona
Wybierz korelację rangową Spearmana, gdy:
- Twoje dane są porządkowe (rangowane), a nie interwałowe lub ilorazowe
- Zależność między zmiennymi jest monotoniczna, ale niekoniecznie liniowa
- Dane zawierają wartości odstające, które zniekształciłyby korelację Pearsona
- Dane nie mają rozkładu normalnego
- Masz małą wielkość próby
Wybierz korelację Pearsona, gdy dane są ciągłe, mają rozkład normalny, a zależność powinna być liniowa.
Interpretacja wyników
- ρ = +1: Idealna dodatnia zależność monotoniczna — gdy X rośnie, Y zawsze rośnie
- ρ = −1: Idealna ujemna zależność monotoniczna — gdy X rośnie, Y zawsze maleje
- ρ = 0: Brak zależności monotonicznej między zmiennymi
- 0,7 ≤ |ρ| < 1,0: Silna korelacja
- 0,5 ≤ |ρ| < 0,7: Umiarkowana korelacja
- 0,3 ≤ |ρ| < 0,5: Słaba korelacja
- |ρ| < 0,3: Bardzo słaba lub brak korelacji
Jak obsługiwane są rangi wiązane
Gdy dwie lub więcej obserwacji ma tę samą wartość, przypisuje się im średnią z rang, które by zajęły. Na przykład, jeśli wartości na pozycjach 3 i 4 są równe, obie otrzymują rangę 3,5. Kalkulator automatycznie wykrywa wiązania i stosuje odpowiedni wzór korygujący w celu zachowania dokładności.
Testowanie istotności
Kalkulator wykonuje dwustronny test t, aby określić, czy korelacja jest statystycznie istotna. Statystyka testowa to:
$$t = \frac{\rho \sqrt{n-2}}{\sqrt{1-\rho^2}}$$
Jest ona porównywana z wartością krytyczną z rozkładu t z n−2 stopniami swobody na wybranym poziomie istotności.
Najczęściej zadawane pytania
Współczynnik korelacji rang Spearmana (ρ) to nieparametryczna miara siły i kierunku monotonicznej zależności między dwiema zmiennymi. W przeciwieństwie do korelacji Pearsona, która mierzy zależności liniowe, Spearman pracuje na danych rangowanych i może wykryć każdą zależność monotoniczną. Wartości wahają się od −1 (idealna ujemna monotoniczna) do +1 (idealna dodatnia monotoniczna), przy czym 0 wskazuje na brak związku monotonicznego.
Użyj korelacji Spearmana, gdy dane są porządkowe, gdy zależność jest monotoniczna, ale niekoniecznie liniowa, gdy dane zawierają wartości odstające lub gdy dane nie spełniają założenia normalności wymaganego przez korelację Pearsona. Spearman jest również odpowiedni dla małych prób i gdy chcesz zmierzyć związek bez zakładania konkretnego rozkładu.
Gdy dwie lub więcej obserwacji ma tę samą wartość, przypisuje się im średnią rang, które by otrzymały. Na przykład, jeśli dwie wartości wiążą się na rangach 3 i 4, obie otrzymują rangę 3,5. Następnie stosuje się współczynnik korygujący we wzorze, aby uwzględnić te wiązania, zapewniając dokładność współczynnika korelacji.
Statystycznie istotna korelacja Spearmana oznacza, że istnieje wystarczający dowód na odrzucenie hipotezy zerowej, że korelacja w populacji wynosi zero. Test istotności wykorzystuje rozkład t z n−2 stopniami swobody. Istotność nie oznacza przyczynowości ani silnej relacji — wskazuje jedynie, że zaobserwowana korelacja jest mało prawdopodobna jako wynik przypadku na wybranym poziomie istotności.
Interpretacja zależy od kontekstu, ale ogólne wytyczne to: 0,9–1,0 bardzo silna, 0,7–0,89 silna, 0,5–0,69 umiarkowana, 0,3–0,49 słaba i poniżej 0,3 bardzo słaba lub nieznacząca. Dotyczy to wartości bezwzględnej ρ. Wartość ujemna wskazuje na odwrotną zależność monotoniczną, która może być równie silna.
Cytuj ten materiał, stronę lub narzędzie w następujący sposób:
"Kalkulator Korelacji Rangowej Spearmana" na https://MiniWebtool.com/pl// z MiniWebtool, https://MiniWebtool.com/
przez zespół miniwebtool. Aktualizacja: 2026-04-15
Możesz także wypróbować nasz AI Rozwiązywacz Matematyczny GPT, aby rozwiązywać swoje problemy matematyczne poprzez pytania i odpowiedzi w języku naturalnym.