De Spearman- en Kendall rank correlatiecoëfficiënten zijn bekende methoden voor het kwantificeren van de correspondenties tussen ordinale gegevenslijsten. Hoe worden deze berekend en wat betekenen ze? Dat is wat dit artikel is alles over. Lees verder voor meer...
Wat die u nodig hebt
- SPSS (nu ook bekend als IBM SPSS Statistics 17), ruimteplanning, of
- R (http://www.r-project.org/)
In SPSS: Ga naar het menu analyseren, selecteer "Correleren-> Bivariate..." en selecteer de variabelen die u wenst te correleren in het vak dat wordt weergegeven aan de linkerkant (Klik op de miniatuur voor een grotere weergave). Ze verplaatsen naar het vak aan de rechterkant door te klikken op de blauwe pijl. Ten slotte, er zorg voor dat er een vinkje in de "Kendall van tau-b" of "Spearman" checkbox, en klik op OK.
In R, rank-order correlaties kunnen worden berekend met de "cor" commando. Gegeven vectoren x en y, Spearman- en Kendall rank correlaties tussen de twee kunnen worden berekend met de volgende opdrachten.
cor.test(x,y,method="Spearman")
cor.test(x,y,method="Kendall")Interpreteren van uw resultaten: Kendall van tau en Spearman van rho elke variëren van 1 tot -1; 1 geeft aan perfecte correlatie, -1 duidt een perfecte omgekeerde correlatie, en de 0 duidt geen correlatie. Spearman van rho beschikt niet over een zinvolle operationele interpretatie, hoewel het de vaker genoemde statistiek op vele terreinen; het is in wezen gelijk aan scores omzetten in numerieke rank-order scores en computing een standaard Pearson correlatie tussen hen, hoewel de wiskundige details in het geval van banden verschillen. Kendall van tau vereist geen eerste omzetten scores te rang-orders en heeft een aantal voordelen van een statistisch oogpunt, zoals een in de buurt van-normale verdeling van de score voor kleine n. Uw resultaten kunnen echter moeilijker te vergelijken met die in de gepubliceerde literatuur, die vaak Spearman van rho uit traditie gunsten.