Вероятность и статистика · объяснение и практика
Корреляция Спирмена: как ранги отделяют порядок от расстояний
Считаем связь порядков через средние ранги при совпадениях. Отличаем коэффициент Спирмена от корреляции исходных расстояний и не применяем формулу без связок к данным с повторами.

В теме Связь признаков и регрессия · Учебная карта
Главная мысль
Коэффициент Спирмена получают как корреляцию Пирсона между рангами двух признаков одной и той же совокупности пар. Равным значениям здесь назначают средний из занимаемых рангов. Он описывает согласованность порядка, а не линейность исходных числовых расстояний. Если один ранговый столбец постоянен, нормирующий знаменатель нулевой и коэффициент не определён.
Меняем представление значений, сохраняя пары
Для каждого признака отдельно упорядочивают значения по величине и возвращают их ранги исходным объектам. Наименьшее получает ранг один, следующее —два и так далее. Однако строки данных не должны перемешиваться независимо: у одного объекта остаются его два ранга. Если отсортировать оба столбца и забыть принадлежность, можно искусственно получить идеальное согласие, которого в исходных наблюдениях не было.
При одинаковых значениях возникает связка. Например, значения 2,2,5 занимают места 1,2,3. Обе двойки получают средний ранг 1,5, пятёрка —3. Утверждать, что одна двойка больше другой по случайному порядку строк, оснований нет. Средние ранги сохраняют эту неразличимость и одновременно обычную сумму рангов. При другом соглашении результат мог бы измениться, поэтому способ обработки совпадений нужно назвать до расчёта.
После ранжирования используем центрированные суммы
Возьмём три объекта с x=[2,2,5] и y=[10,20,30]. Ранги x равны 1,5;1,5;3, ранги y —1;2;3. Оба средних ранга равны 2. Отклонения первого столбца−0,5;−0,5;1, второго−1;0;1. Сумма попарных произведений 1,5, суммы квадратов 1,5 и 2. Поэтомуρ=1,5/√3=√3/2≈0,866. Связь сильная, но не идеальная из-за равенства двух x при разных y.
Без связок можно использовать сокращённую формулуρ=1−6Σdᵢ²/[n(n²−1)], где dᵢ —разность рангов пары. Но её обычный вид предполагает отсутствие совпадений. Для нашего примера надёжнее вычислить Пирсона по средним рангам, а не подставлять их в формулу, чьи условия нарушены. Изменённая процедура должна быть обоснована, а не выбрана только потому, что короче записывается.
Пример
x=[10,20,30,40], y=[1,4,2,3]. Найдитеρ Спирмена, используя отсутствие связок.
Ранги x=[1,2,3,4], y=[1,4,2,3]. Разности 0,−2,1,1 дают сумму квадратов 6. Тогдаρ=1−6·6/(4·15)=0,4. Положительное значение описывает частичное согласие порядков, но не обещает возрастание y при каждом шаге x.
Монотонное преобразование сохраняет порядок
Строго возрастающее преобразование одного признака сохраняет его ранги и потому не меняет Спирмена. Например, логарифм положительных значений может изменить расстояния, но не порядок. Строго убывающее преобразование обращает ранги и меняет знак при непостоянных столбцах. Если же преобразование объединяет разные значения в одно, возникают новые связки, и прежней гарантии уже нет. Важно различать строгость монотонности и простое отсутствие уменьшения.
Нулевое значение не исключает всякой зависимости, а высокое не устанавливает причинность. Для вывода о совокупности нужны дополнительные статистические условия; сам коэффициент можно вычислить как описание фиксированных пар. Пропуски также требуют согласованного выбора общих наблюдений. Не следует ранжировать два разных набора после независимого удаления пропусков и затем соединять получившиеся места по позиции: принадлежность пар должна сохраниться на всех этапах.
От чтения к действию
А теперь — вы
Частые вопросы
Спирмен равен Пирсону исходных значений?
Не обязательно. Спирмен применяет корреляцию к рангам, поэтому числовые расстояния сначала заменяются информацией о порядке.
Зачем одинаковым значениям давать средний ранг?
Это явно выбранный способ учесть связку, не назначая случайный порядок равным значениям. Сокращённая формула без связок тогда требует осторожности.
Источники и работа с материалом
Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.
Продолжить разбираться
Как вычисляется коэффициент корреляции по парам наблюдений
Посчитайте коэффициент Пирсона по парным данным, сохраните соответствие наблюдений и проверьте случай нулевого разброса.
Открыть темуПочему нулевая корреляция не исключает нелинейную зависимость
На конкретном симметричном наборе проверяем нулевую корреляцию Пирсона при точной квадратичной зависимости и объясняем различие линейной связи, независимости и причинности.
Открыть тему