斯皮爾曼等級相關係數計算機

Q: 什麼是斯皮爾曼等級相關係數？

斯皮爾曼等級相關係數 (rho) 是衡量兩個變量之間單調關係強度和方向的非參數指標。與衡量線性關係的 Pearson 相關係數不同，Spearman 適用於等級數據，可以檢測任何單調關係。數值範圍從 -1（完全負單調）到 +1（完全正單調），0 表示沒有單調關係。

Q: 何時該使用 Spearman 而非 Pearson 相關係數？

當您的數據是序數（等級型）、關係是單調但未必是線性、數據包含離群值（Spearman 更具穩健性），或者數據不符合 Pearson 相關所需的高斯分佈假設時，請使用 Spearman 相關。Spearman 也適用於小樣本量以及希望在不假設特定分佈的情況下測量關聯性。

Q: Spearman 如何處理相同的值（平秩）？

當兩個或多個觀測值相同時，它們會被賦予應得等級的平均值。例如，如果兩個值並列第 3 和第 4 名，則兩者都獲得 3.5 等級。隨後會在公式中應用校正因子以考慮這些平秩，確保相關係數保持準確。

Q: 顯著的 Spearman 相關代表什麼？

統計學上顯著的 Spearman 相關意味著有足夠證據拒絕「母體相關為零」的虛無假設。顯著性檢定使用自由度為 n-2 的 t 分佈。顯著性不代表因果關係或強大關係——它僅表示觀察到的相關性在所選顯著水準下不太可能是由隨機偶然產生的。

Q: 什麼是良好的 Spearman 相關數值？

解釋取決於背景，但一般指引為：0.9-1.0 極強，0.7-0.89 強，0.5-0.69 中等，0.3-0.49 弱，0.3 以下極弱或可忽略。這些適用於 rho 的絕對值。負值表示反向單調關係，其強度可以同樣強。

計算斯皮爾曼等級相關係數 (ρ)，包含逐步排名過程、相同名次處理、散佈圖視覺化、顯著性檢定以及單調關係的詳細解釋。

斯皮爾曼等級相關係數計算機

Embed 斯皮爾曼等級相關係數計算機 Widget

斯皮爾曼等級相關係數計算機

斯皮爾曼等級相關係數計算機可計算斯皮爾曼等級相關係數（ρ，亦寫作 r_s），這是一種衡量兩個等級變量之間單調關係強度和方向的非參數指標。它通過將原始數據轉換為等級，然後測量這些等級之間的相關性來工作，使其對離群值具有穩健性，並適用於序數數據。

如何使用斯皮爾曼等級相關係數計算機

輸入 X 值：在 X 變量欄位中輸入您的第一組數據，以逗號、空格或換行符分隔。
輸入 Y 值：在 Y 變量欄位中輸入您的第二組數據。兩組數據集的數值數量必須相同。
設定精度：選擇結果的小數點位數（2 到 15 位）。
選擇顯著水準：選擇 α = 0.01、0.05 或 0.10 進行假設檢定。
點擊計算：查看相關係數、顯著性檢定、視覺化圖表以及逐步計算過程。

斯皮爾曼等級相關公式

對於沒有平秩的數據，斯皮爾曼 ρ 的計算公式為：

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

其中 $d_i$ 是每對觀察值等級之間的差異，$n$ 是數據配對的數量。當存在平秩時，會使用基於等級和的通用公式並應用校正因子。

何時使用 Spearman 與 Pearson 相關係數

在以下情況下選擇斯皮爾曼等級相關：

您的數據是序數（等級型）而非等距或等比尺度
變量之間的關係是單調的，但不一定是線性的
您的數據包含會扭曲 Pearson 相關係數的離群值
數據不服從常態分佈
樣本量較小

當您的數據是連續的、服從常態分佈且預期關係為線性時，請選擇 Pearson 相關係數。

解釋結果

ρ = +1：完全正單調關係 — 當 X 增加時，Y 總是增加
ρ = −1：完全負單調關係 — 當 X 增加時，Y 總是減少
ρ = 0：變量之間沒有單調關係
0.7 ≤ |ρ| < 1.0：強相關
0.5 ≤ |ρ| < 0.7：中等相關
0.3 ≤ |ρ| < 0.5：弱相關
|ρ| < 0.3：極弱或無相關

如何處理平秩（相同等級）

當兩個或多個觀測值共享相同數值時，它們會被賦予其應佔等級的平均值。例如，如果位置 3 和 4 的數值相等，則兩者都獲得 3.5 等級。計算機會自動檢測平秩並應用適當的校正公式以保持準確性。

顯著性檢定

計算機執行雙尾 t 檢定以確定相關性是否具有統計學顯著性。檢定統計量為：

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

將其與所選顯著水準下自由度為 n−2 的 t 分佈臨界值進行比較。

常見問題

什麼是斯皮爾曼等級相關係數？

斯皮爾曼等級相關係數 (ρ) 是衡量兩個變量之間單調關係強度和方向的非參數指標。與衡量線性關係的 Pearson 相關不同，Spearman 適用於等級數據，可以檢測任何單調關係。數值範圍從 −1（完全負單調）到 +1（完全正單調），0 表示沒有單調關係。

何時該使用 Spearman 而非 Pearson 相關係數？

當您的數據是序數、關係是單調但未必是線性、數據包含離群值，或者數據不符合 Pearson 相關所需的高斯分佈假設時，請使用 Spearman 相關。Spearman 也適用於小樣本量以及希望在不假設特定分佈的情況下測量關聯性。

Spearman 如何處理相同的值（平秩）？

當兩個或多個觀測值具有相同數值時，它們會被賦予應得等級的平均值。例如，如果兩個值並列第 3 和第 4 名，則兩者都獲得 3.5 等級。隨後會在公式中應用校正因子以考慮這些平秩，確保相關係數保持準確。

顯著的 Spearman 相關代表什麼？

統計學上顯著的 Spearman 相關意味著有足夠證據拒絕「母體相關為零」的虛無假設。顯著性檢定使用自由度為 n−2 的 t 分佈。顯著性不代表因果關係或強大關係——它僅表示觀察到的相關性在所選顯著水準下不太可能是由隨機偶然產生的。

什麼是良好的 Spearman 相關數值？

解釋取決於背景，但一般指引為：0.9–1.0 極強，0.7–0.89 強，0.5–0.69 中等，0.3–0.49 弱，0.3 以下極弱或可忽略。這些適用於 ρ 的絕對值。負值表示反向單調關係，其強度可以同樣強。

引用此內容、頁面或工具為：

"斯皮爾曼等級相關係數計算機" 於 https://MiniWebtool.com/zh-tw/斯皮爾曼等級相關係數計算機/，來自 MiniWebtool，https://MiniWebtool.com/

由 miniwebtool 團隊製作。更新日期：2026-04-15

您還可以嘗試我們的 AI數學解題器 GPT，通過自然語言問答解決您的數學問題。

其他相關工具:

斯皮爾曼等級相關係數計算機

斯皮爾曼等級相關係數計算機

如何使用斯皮爾曼等級相關係數計算機

斯皮爾曼等級相關公式

何時使用 Spearman 與 Pearson 相關係數

解釋結果

如何處理平秩（相同等級）

顯著性檢定

常見問題

其他相關工具:

統計與數據分析:

常用工具: