Спирманы корреляци нь ердийн хувьсагчтай холбоотой харилцааг үнэлэхэд ихэвчлэн ашиглагддаг. Жишээлбэл, та ажилчдын шалгалтын дасгалыг гүйцэтгэсэн дараалал нь тэдний ажилласан сартай холбоотой эсэхийг үнэлэхийн тулд Спирманы хамаарлыг ашиглаж болно.
Бид яагаад Спирманы зэрэглэлийн хамаарлыг ашигладаг вэ?
Spearman's Rank корреляцийн коэффициент нь -г ашиглан хоёр хувьсагчийн хоорондын хамаарлын хүч ба чиглэлийг (сөрөг эсвэл эерэг) нэгтгэн дүгнэх арга юм. Үр дүн нь үргэлж 1-ээс хасах 1 хооронд байх болно.
Спирманы зэрэглэлийн корреляцийн коэффициентийг хэзээ хэрэглэх ёстой вэ?
Хувьсагчид хэвийн тархаагүй эсвэл хувьсагчдын хоорондын хамаарал шугаман биш байгаа үед үед Спирманы зэрэглэлийн корреляцийн аргыг ашиглахыг илүү зөвлөж байна. Корреляцийн коэффициент нь тархалтын таамаглалгүй.
Яагаад Спирманы тест ашигладаг вэ?
Spearman's Rank Correlation Test
Spearman's Rank Correlation TestSpearman's Rank Корреляци нь хоёр багц өгөгдлийн хооронд чухал хамаарал байгаа эсэхийг шалгахад зориулагдсан статистик тест юм. Spearman's Rank Correlation test нь хамгийн багадаа 10 (хамгийн тохиромжтой нь 15-15) хос өгөгдөл байгаа тохиолдолд л ашиглагдана.
Бид яагаад Пирсон корреляцийн оронд Спирманыг ажиллуулах ёстой гэж?
2. Өөр нэг ялгаа нь Pearson хувьсагчийн түүхий өгөгдлийн утгууд дээр ажилладагСпирман эрэмбээр эрэмблэгдсэн хувьсагчтай ажилладаг. Одоо, хэрэв бид тараасан график нь "монотон байж магадгүй, шугаман байж болно" гэсэн хамаарлыг нүдээр харуулж байна гэж үзвэл Пирсон биш Спирманыг ашиглах нь хамгийн зөв сонголт байх болно.
