Spearman-Korrelation Rechner - Rangkorrelation

Spearmans Rangkorrelationskoeffizient, bezeichnet als ρ (rho) oder rs, ist ein nichtparametrisches Maß für den monotonen Zusammenhang zwischen zwei Variablen. Anders als die Pearson-Korrelation, die einen linearen Zusammenhang misst und normalverteilte Daten auf Intervall- oder Verhältnisskalen voraussetzt, arbeitet Spearmans Koeffizient mit den Rängen der Datenwerte. Dadurch eignet er sich für ordinale Daten, Daten mit Ausreißern und alle Situationen, in denen der Zusammenhang zwischen Variablen monoton, aber nicht unbedingt linear ist. Die Berechnung erfolgt in drei Schritten. Zunächst wird jeder Datensatz rangiert: Der kleinste Wert erhält Rang 1, der zweitkleinste Rang 2 und so weiter. Bei Bindungen erhält jeder gebundene Wert den Durchschnitt der Ränge, die er sonst belegt hätte. Anschließend wird für jedes Beobachtungspaar die Differenz dᵢ zwischen den gepaarten Rängen berechnet. Drittens wird ρ berechnet. Für Daten ohne Bindungen liefert die klassische Formel ρ = 1 − (6 Σdᵢ²) / (n(n²−1)) ein exaktes Ergebnis. Für Daten mit Bindungen verwendet dieser Rechner die allgemeinere Formel — die Pearson-Korrelation auf den Rängen —, die Bindungen konstruktionsbedingt korrekt behandelt. Der Koeffizient reicht von −1 bis +1. Ein Wert von +1 bedeutet einen perfekt positiven monotonen Zusammenhang: Jeder Anstieg einer Variablen geht mit einem Anstieg der anderen einher. Ein Wert von −1 bedeutet einen perfekt negativen monotonen Zusammenhang: Jeder Anstieg einer Variablen geht mit einem Rückgang der anderen einher. Ein Wert von 0 zeigt keinen monotonen Zusammenhang an. In der Praxis gelten Werte über ±0.7 als stark, ±0.5 bis ±0.7 als moderat, ±0.3 bis ±0.5 als schwach und unter ±0.3 als vernachlässigbar, wobei die Schwelle für „signifikant“ immer von Stichprobengröße und Kontext abhängt. Spearmans Korrelation wird häufig in der Psychologie (Rangfolgen von Präferenzen oder Einstellungen), Bildung (Vergleich von Klassenrängen mit Testergebnissen), Medizin (Vergleich von Schweregrad-Scores), Ökologie (Häufigkeitszählungen gegenüber Habitatqualität), Finanzwesen (Rangfolge von Investmentfonds nach risikobereinigter Rendite) und Marktforschung (Rangfolgen von Verbraucherpräferenzen) eingesetzt. Jedes Fachgebiet, das mit rangierten, geordneten oder nicht normalverteilten Daten arbeitet, profitiert davon. Eine wichtige Einschränkung: Spearmans ρ erkennt nur monotone Zusammenhänge. Ist der Zusammenhang U-förmig oder anderweitig nicht monoton, kann ρ nahe null liegen, selbst wenn ein starker Zusammenhang besteht. In solchen Fällen sollten Streudiagramme und andere visuelle Diagnosen den numerischen Koeffizienten immer begleiten, damit das Ergebnis korrekt interpretiert wird.