原文链接：http://tecdat.cn/?p=9501

 

目录

例

数据简单图

绘制结果图

怎么做测试

数据简单图

 

摘要
使用Spearman等级相关性测试两个等级变量或一个等级变量和一个测量变量之间的关联。 如果您担心非正态性，也可以对两个测量变量使用Spearman等级相关性而不是线性回归/相关性，但这通常不是必须的。

本文展示了r语言中如何进行Spearman等级相关分析的例子。

宏伟的军舰鸟（军舰鸟magnificens）的雄性有一个大红色的喉囊。 他们直观地展示这袋并用它寻找伴侣时，能发出击鼓声。 想知道雌性（可能是根据袋的大小选择伴侣）是否可以将击鼓声的音调作为袋大小的指标。 作者估计了18位雄性的小袋的体积和击鼓声的基本频率。

有两个测量变量，袋的大小和频率。 作者使用Spearman等级相关性分析了数据，该关联将测量变量转换为等级，并且变量之间的关系很显着（Spearman的rho = -0.76，16 d.f.，P = 0.0002）。 作者没有解释为什么他们使用Spearman等级相关性。 如果他们使用正相关，获得r = -0.82，P = 0.00003。

例

Spearman等级相关的例子

1. ### --------------------------------------------------------------

2. ### Spearman rank correlation, frigatebird example

3. 


4. 


5. 


6. Data = read.table(textConnection(Input),header=TRUE)

7. 


8. 


9. cor.test( ~ Pitch + Volume, 

10.          data=Data,

11.          method = "spearman",

12.          continuity = FALSE,

13.          conf.level = 0.95)

14. 


15. 


16. 


17. Spearman's rank correlation rho

18. 


19. 


20. 


21. S = 1708.382, p-value = 0.0002302

22. 


23. sample estimates:

24. 


25.        rho

26. 


27. -0.7630357

 

 

数据简单图

  

1. plot(Pitch ~ Volume,

2. data=Data,

3. pch=16)

 

绘制结果图

有关此主题的信息，请参见手册。

 

怎么做测试

Spearman等级相关的例子

 

 

1. 


2. 


4. 


5. 


6. Spearman's rank correlation rho

7. 


8. 


9. 


10. S = 1111.908, p-value = 0.1526

11. 


12. 


13. 


14. rho

15. 


16. -0.3626323

 

 

 

数据简单图

  

 

 

 

最受欢迎的见解

1.R语言多元Logistic逻辑回归 应用案例

2.面板平滑转移回归(PSTR)分析案例实现

3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）

4.R语言泊松Poisson回归模型分析案例

5.R语言回归中的Hosmer-Lemeshow拟合优度检验

6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现

7.在R语言中实现Logistic逻辑回归

8.python用线性回归预测股票价格

9.R语言如何在生存分析与Cox回归中计算IDI，NRI指标