从0开始学习R语言--Day39--Spearman 秩相关

在非参数统计中,不看数据的实际数值,单纯比较两组变量的值的排名是通用的基本方法,但在客观数据中,很多变量的关系都是非线性的,其他的方法不是对样本数据的大小和线性有要求,就是只能对比数据的差异性,而不能展示这种非线性的单调性,比如想知道练习时间与游戏段位的关系,虽然从结果上看是正相关,但在过程中的体现可能是进步速度非常快后趋于稳定,其他的函数方法会漏掉这种细节。

以下是一个例子:

R 复制代码
set.seed(123)
# 生成数据:学习时间增加,成绩总体上升但非线性
Hours <- sort(runif(50, 1, 10))  # 1到10小时,均匀分布
Score <- 50 + 10 * sqrt(Hours) + rnorm(50, 0, 5)  # 非线性关系+噪声

# 构建数据框
df <- data.frame(Hours, Score)
head(df)

# 方法1:直接使用cor.test()
result <- cor.test(df$Hours, df$Score, method = "spearman")
print(result)

# 方法2:手动计算(验证原理)
rank_Hours <- rank(df$Hours)
rank_Score <- rank(df$Score)
n <- nrow(df)
rho_manual <- 1 - (6 * sum((rank_Hours - rank_Score)^2)) / (n * (n^2 - 1))
cat("手动计算的Spearman rho:", rho_manual, "\n")

library(ggplot2)
ggplot(df, aes(x = Hours, y = Score)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "red") +  # 线性趋势线(对比用)
  labs(title = "学习时间与成绩的Spearman相关 (rho=0.72)")

输出:

R 复制代码
	Spearman's rank correlation rho

data:  df$Hours and df$Score
S = 5248, p-value < 2.2e-16
alternative hypothesis: true rho is not equal to 0
sample estimates:
      rho 
0.7479952 

手动计算的Spearman rho: 0.7479952 

从结果可以看到,结果显示0.748,属于正相关。而图像显示,如果用一般的方法,直接用线性函数去拟合,会忽略实际数据中弯曲的分布,即不知道数据在实际中的增长方向,会对后续数据的加工使用造成错觉。

相关推荐
go54631584655 分钟前
基于分组规则的Excel数据分组优化系统设计与实现
人工智能·学习·生成对抗网络·数学建模·语音识别
●VON22 分钟前
重生之我在暑假学习微服务第二天《MybatisPlus-下篇》
java·学习·微服务·架构·mybatis-plus
枫叶丹424 分钟前
【Qt开发】信号与槽(二)-> 信号和槽的使用
开发语言·qt
Yu_Lijing34 分钟前
MySQL进阶学习与初阶复习第四天
数据库·学习·mysql
Vertira1 小时前
python 阿里云 安装 dashscope的简介、安装
开发语言·python
好学且牛逼的马2 小时前
学习随笔录
学习
我爱学嵌入式3 小时前
C语言第 9 天学习笔记:数组(二维数组与字符数组)
c语言·笔记·学习
hqxstudying3 小时前
Java异常处理
java·开发语言·安全·异常
wjs20246 小时前
状态模式(State Pattern)
开发语言
我命由我123456 小时前
Kotlin 数据容器 - List(List 概述、创建 List、List 核心特性、List 元素访问、List 遍历)
java·开发语言·jvm·windows·java-ee·kotlin·list