スピアマン相関係数計算機 - 順位相関

2つのデータセット間のスピアマン順位相関係数 (ρ) を計算し、正規性を仮定せずに単調関係の強さと方向を測定します。

同じ長さの2つのデータセットをカンマ区切りで入力してください。計算機は各データセットを順位付けし、同順位を正しく処理したうえで、順位に対するピアソンの公式で ρ を計算します。

スピアマン相関係数計算機 - 順位相関
2つのデータセット間のスピアマン順位相関係数 (ρ) を計算し、正規性を仮定せずに単調関係の強さと方向を測定します。

カンマまたはスペースで区切った数値を入力

データセット X と同じ個数の値が必要です

スピアマン相関係数計算機について

スピアマンの順位相関係数は ρ (rho) または rs と表記され、2つの変数間の単調関係を測るノンパラメトリックな指標です。線形関係を測定し、データが正規分布し、間隔尺度または比尺度で測定されていることを前提とするピアソン相関とは異なり、スピアマン係数はデータ値の順位を使用します。そのため、順序データ、外れ値を含むデータ、変数間の関係が単調だが必ずしも線形ではないあらゆる状況に適しています。 計算は3つの手順で進みます。まず、各データセットを順位付けします。最小値が順位1、2番目に小さい値が順位2、というように続きます。同順位がある場合、それぞれの同順位値には本来占めるはずだった順位の平均が与えられます。次に、各観測ペアについて対応する順位の差 dᵢ を計算します。最後に ρ を計算します。同順位がないデータでは、古典的な公式 ρ = 1 − (6 Σdᵢ²) / (n(n²−1)) により正確な結果が得られます。同順位があるデータでは、この計算機はより一般的な公式、つまり順位に対して計算したピアソン相関を使用し、同順位を構造的に正しく扱います。 係数は −1 から +1 の範囲です。+1 は完全な正の単調関係を意味し、一方の変数が増えるたびにもう一方も増えます。−1 は完全な負の単調関係を意味し、一方の変数が増えるたびにもう一方は減少します。0 は単調関係がないことを示します。実務上、絶対値が 0.7 を超える値は強い、0.5 から 0.7 は中程度、0.3 から 0.5 は弱い、0.3 未満はほぼ無視できると見なされますが、「有意」とするしきい値は常にサンプルサイズと文脈に依存します。 スピアマン相関は、心理学(嗜好や態度の順位付け)、教育(クラス順位とテスト得点の比較)、医学(症状重症度スコアの比較)、生態学(個体数カウントと生息地品質)、金融(リスク調整後リターンによる投資信託の順位付け)、市場調査(消費者嗜好ランキング)で広く使われています。順位付き、有序、または非正規データを扱うあらゆる分野で有用です。 重要な制限が1つあります。スピアマンの ρ は単調関係のみを検出します。関係が U 字型またはその他の非単調な形の場合、強い関係が存在していても ρ は0に近くなることがあります。そのような場合は、数値係数を正しく解釈するために、散布図やその他の視覚的診断を必ず併用してください。

スピアマン相関の例

異なる相関の強さとデータ構造を示す4つの計算例です。

データセットρ解釈
X: 10, 20, 30, 40, 50 | Y: 2, 4, 6, 8, 10ρ = 1.0000完全な正の単調関係——両方の変数が常に一緒に増加します。
X: 105, 120, 90, 150, 135 | Y: 4.5, 3.2, 5.0, 2.1, 2.9ρ = −1.0000完全な負の関係——X と Y の順位が正確に逆順です。
X: 1, 2, 3, 4, 5 | Y: 3, 1, 5, 2, 4ρ = 0.30002つの順位付けの間に弱い正の単調関係があります。
X: 8, 9, 10, 10, 12 | Y: 4, 6, 5, 5, 7ρ ≈ 0.6842中程度の正相関。同順位の値は平均順位で処理されます。

スピアマン相関計算機の使い方

  1. 最初のデータセット (X) を、データセット X フィールドにカンマ区切りの数値として入力します。
  2. 2番目のデータセット (Y) をデータセット Y フィールドに入力します。値の個数は X と完全に同じでなければなりません。
  3. 計算をクリックします。計算機は両方のデータセットを順位付けし、同順位の値を平均順位で処理し、順位に対するピアソンの公式で ρ を計算します。
  4. 結果パネルで ρ の値、サンプルサイズ、強さの解釈を確認します。
  5. 例ボタンを使って用意済みのデータセットを読み込み、典型的な正相関、負相関、ゼロ相関のシナリオを確認します。

スピアマン相関 FAQ

スピアマン相関とピアソン相関の違いは何ですか?
ピアソンの r は線形関係の強さを測り、両方の変数が正規分布し、間隔尺度で測定されていることを仮定します。スピアマンの ρ は線形に限らない任意の単調関係を測り、順位データに基づくため外れ値に強く、順序データにも有効です。正規性の仮定が満たされない場合、データが順序型の場合、または外れ値がある場合はスピアマンを使用してください。
スピアマン相関に最小サンプルサイズは必要ですか?
技術的には n ≥ 2 で公式は機能しますが、非常に小さいサンプル (n < 5) では係数が個々の値に非常に敏感で、有意性検定の検出力も非常に低くなります。信頼できる推定には少なくとも10〜15組の観測ペアが推奨され、正式な有意性検定では n ≥ 20 が望ましいです。
計算機は同順位の値をどのように処理しますか?
2つ以上の観測値が同じ値を共有する場合、それぞれの同順位観測値には、本来占めるはずだった順位の平均が与えられます。たとえば、3番目と4番目の位置の値がどちらも等しい場合、それぞれに順位 3.5 が与えられます。その後、計算機は順位に対するピアソン公式を使用します。これは同順位がない場合には単純な dᵢ² 公式と代数的に等価で、同順位がある場合も正しく処理します。
スピアマンの ρ が 0 とは何を意味しますか?
ρ が正確に 0 であることは、X と Y の順位付けの間に単調関係がないことを意味します。変数が独立であるという意味ではありません。U 字型などの非単調関係でも ρ は0に近くなります。見逃されたパターンがないことを確認するため、係数とあわせて必ずデータをプロットしてください。
スピアマン相関はカテゴリデータに使えますか?
スピアマン相関には、少なくとも順序データ、つまり意味のある順位付けができるデータが必要です。色、名前、ラベルなど、順位付けの概念が適用できない名義カテゴリデータには使えません。名義データには、代わりに Cramér's V やその他の関連性指標を検討してください。