Korelacja Spearmana

Czym jest korelacja Spearmana

Współczynnik korelacji Spearmana (oznaczany ρ — greckie rho — lub r_s) mierzy, jak silnie i w jakim kierunku dwie zmienne współzmieniają się monotonicznie: gdy jedna rośnie, druga systematycznie rośnie (lub maleje) — niekoniecznie proporcjonalnie, jak wymaga korelacja Pearsona.

Obliczenie przebiega w dwóch krokach:

1. Każdą zmienną zastępuje się jej rangą — obserwacje porządkuje się od najmniejszej do największej i przypisuje numery 1, 2, 3 … n (remisy — powiązania rang — otrzymują średnią rangę).
2. Na rangach liczy się korelację Pearsona. Dla danych bez remisów istnieje uproszczony wzór:

r_s = 1 − (6 × suma d²) / (n × (n² − 1))

gdzie d = różnica rang dla każdej obserwacji, a n to liczba par.

Wynik mieści się w przedziale od −1 do +1, z identyczną interpretacją kierunku jak przy Pearsonie.

Kiedy używać

Sięgaj po korelację Spearmana, gdy:

• dane są na skali porządkowej (np. rankingi, skale Likerta z kilkoma stopniami)
• rozkład zmiennej jest wyraźnie skośny lub odbiega od normalnego
• w danych występują wartości odstające, które zniekształciłyby r Pearsona
• interesuje Cię związek monotoniczny, niekoniecznie liniowy (np. wraz z wiekiem satysfakcja rośnie, ale nie jednostajnie)

Jeśli obie zmienne są ciągłe i w przybliżeniu normalne, bez silnych wartości odstających, preferuj korelację Pearsona — ma nieco większą moc statystyczną w tych warunkach.

Jak interpretować

Poniższe progi są orientacyjne — konwencje różnią się między dziedzinami i autorami.

| |ρ| | Interpretacja | |---|---| | 0,00–0,30 | słaba | | 0,30–0,50 | umiarkowana | | 0,50–0,70 | wyraźna | | 0,70–0,90 | wysoka | | > 0,90 | bardzo wysoka |

Kierunek określa znak: ρ = −0,65 to wyraźna korelacja ujemna (gdy rośnie X, maleje Y, monotonicznie). Zawsze podawaj wartość p — przy dużej próbie (n > 100) nawet słaba korelacja może być istotna statystycznie, co nie przesądza o jej znaczeniu praktycznym.

Uwaga: ρ = 0 nie wyklucza związku niemonotonicznego (np. U-kształtnego).

Przykład

Badasz, czy oceny sędziów (skala porządkowa 1–10) dotyczące jakości prac dyplomowych zgadzają się z samooceną studentów (ta sama skala).

suma d² = 6; n = 6

r_s = 1 − (6 · 6) / (6 · (36 − 1)) = 1 − 36/210 ≈ 1 − 0,17 = 0,83

Interpretacja: wysoka, dodatnia korelacja rangowa — sędziowie i studenci układali prace w zbliżonej kolejności. Zapis w pracy: „Korelacja rangowa Spearmana wykazała silną zgodność między ocenami zewnętrznymi a samooceną studentów, r_s(4) = 0,83, p = 0,04.”

(Stopnie swobody: n − 2 = 4.)

Typowe błędy

• Stosowanie na danych nominalnych — korelacja Spearmana wymaga danych co najmniej porządkowych; na kategoriach bez naturalnego porządku (np. zawód, kolor) wynik jest bezsensowny.
• Oczekiwanie wykrywania tylko związków liniowych — to zaleta Spearmana: wykrywa każdy związek monotoniczny, nie tylko liniowy. Nie oznacza to jednak wykrywania związków niemonotonicznych (np. krzywoliniowych odwróconego U).
• Ignorowanie remisów — gdy wiele obserwacji ma tę samą wartość (dużo remisów rang), uproszczony wzór daje przybliżony wynik; użyj wówczas wzoru ogólnego (korelacja Pearsona na rangach z korektą na remisy).
• Mylenie z testem Manna-Whitneya — oba są nieparametryczne i oparte na rangach, ale Mann-Whitney porównuje mediany dwóch grup, a Spearman mierzy siłę związku między dwiema zmiennymi.

Potrzebujesz pomocy z analizą korelacji?

Dobiorę właściwy współczynnik, sprawdzę założenia i opiszę wyniki gotowym akapitem do Twojej pracy. Zobacz usługi →