拓端tecdat|R語言中進行Spearman等級相關分析

原文鏈接：http://tecdat.cn/?p=9501

 

目錄

例

數據簡單圖

繪制結果圖

怎么做測試

數據簡單圖

---

 

摘要
使用Spearman等級相關性測試兩個等級變量或一個等級變量和一個測量變量之間的關聯。 如果您擔心非正態性，也可以對兩個測量變量使用Spearman等級相關性而不是線性回歸/相關性，但這通常不是必須的。

本文展示了r語言中如何進行Spearman等級相關分析的例子。

宏偉的軍艦鳥（軍艦鳥magnificens）的雄性有一個大紅色的喉囊。 他們直觀地展示這袋並用它尋找伴侶時，能發出擊鼓聲。 想知道雌性（可能是根據袋的大小選擇伴侶）是否可以將擊鼓聲的音調作為袋大小的指標。 作者估計了18位雄性的小袋的體積和擊鼓聲的基本頻率。

有兩個測量變量，袋的大小和頻率。 作者使用Spearman等級相關性分析了數據，該關聯將測量變量轉換為等級，並且變量之間的關系很顯着（Spearman的rho = -0.76，16 d.f.，P = 0.0002）。 作者沒有解釋為什么他們使用Spearman等級相關性。 如果他們使用正相關，獲得r = -0.82，P = 0.00003。

​

​

例

Spearman等級相關的例子

### --------------------------------------------------------------
### Spearman rank correlation, frigatebird example



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


cor.test( ~ Pitch + Volume, 
         data=Data,
         method = "spearman",
         continuity = FALSE,
         conf.level = 0.95)



Spearman's rank correlation rho



S = 1708.382, p-value = 0.0002302

sample estimates:

       rho

-0.7630357

 

 

數據簡單圖

  

plot(Pitch ~ Volume, 
     data=Data, 
     pch=16)

​

 

繪制結果圖

有關此主題的信息，請參見手冊。

 

怎么做測試

Spearman等級相關的例子

 

 

 

Spearman's rank correlation rho

 

S = 1111.908, p-value = 0.1526

 

       rho

-0.3626323

 

 

 

數據簡單圖

  

 

​