Коэффициент ранговой корреляции Спирмена¶

Коэффициент ранговой корреляции Спирмена (или коэффициент корреляции рангов Спирмена, обозначается греческой буквой ρ (ро) или rₛ) — это непараметрический статистический показатель, используемый для измерения силы и направления монотонной связи между двумя переменными, представленными в порядковой (ранговой) шкале. В отличие от параметрического коэффициента корреляции Пирсона, который оценивает линейную зависимость, коэффициент Спирмена основан на рангах значений, а не на их абсолютных величинах, что делает его устойчивым к выбросам и пригодным для анализа данных, не подчиняющихся нормальному распределению.

¶История

Метод ранговой корреляции был предложен английским психологом и статистиком Чарльзом Спирменом в 1904 году. Спирмен разработал этот показатель в контексте исследований в области психометрии, где требовалось оценивать связи между переменными, измеренными в порядковых шкалах (например, результаты тестов способностей или ранги предпочтений). Первоначально Спирмен использовал коэффициент для анализа интеллектуальных способностей, что стало важным шагом в развитии непараметрической статистики. Позднее метод был формализован и включён в стандартный инструментарий статистического анализа.

¶Определение и формула

Коэффициент ранговой корреляции Спирмена вычисляется на основе рангов — порядковых номеров, присвоенных каждому значению переменной после сортировки данных по возрастанию. Для двух переменных X и Y, имеющих n наблюдений, расчёт производится следующим образом:

1. Каждому значению X и Y присваивается ранг (от 1 до n). При наличии одинаковых значений (связей) используется средний ранг.
2. Вычисляется разность рангов dᵢ для каждой пары наблюдений: dᵢ = R(Xᵢ) − R(Yᵢ).
3. Коэффициент ρ рассчитывается по формуле:

ρ = 1 − (6 Σ dᵢ²) / (n (n² − 1))

где Σ dᵢ² — сумма квадратов разностей рангов, n — количество наблюдений.

В случае наличия большого числа связанных рангов (повторяющихся значений) применяется поправочная формула, использующая ковариацию рангов и их стандартные отклонения.

¶Свойства

• Диапазон значений: ρ принимает значения от −1 до +1.
• ρ = +1 указывает на полную прямую монотонную зависимость: с увеличением ранга одной переменной ранг другой строго возрастает.
• ρ = −1 указывает на полную обратную монотонную зависимость: с увеличением ранга одной переменной ранг другой строго убывает.
• ρ = 0 означает отсутствие монотонной связи (но не обязательно отсутствие любой зависимости, например, нелинейной).
• Непараметричность: Для расчёта не требуется предположение о нормальном распределении данных или о линейности связи.
• Устойчивость к выбросам: Поскольку используются ранги, а не исходные значения, экстремальные наблюдения оказывают меньшее влияние на результат.
• Монотонность: Коэффициент измеряет именно монотонную зависимость (когда одна переменная изменяется в одном направлении при изменении другой), а не только линейную.

¶Интерпретация

Интерпретация коэффициента Спирмена зависит от контекста исследования. Общепринятые эмпирические ориентиры (условные):

• |ρ| < 0,3 — слабая связь;
• 0,3 ≤ |ρ| < 0,7 — умеренная связь;
• |ρ| ≥ 0,7 — сильная связь.

Знак коэффициента указывает на направление связи: положительный — прямая зависимость, отрицательный — обратная. Важно помнить, что даже сильная корреляция не означает причинно-следственной связи.

¶Применение

Коэффициент Спирмена широко используется в различных областях науки и практики:

¶Психология и социология

• Оценка связи между ранговыми переменными, например, между уровнем образования и социальным статусом, или между результатами тестов и экспертными оценками.
• Анализ данных опросов, где ответы представлены в порядковых шкалах (например, «никогда», «иногда», «часто»).

¶Медицина и биология

• Изучение зависимости между дозировкой лекарства (в порядковой шкале) и степенью выраженности симптомов.
• Анализ экологических данных, где переменные не подчиняются нормальному распределению.

¶Экономика и финансы

• Оценка связи между рейтингами компаний (например, кредитными рейтингами) и их финансовыми показателями.
• Анализ ранговых предпочтений потребителей.

¶Машинное обучение и анализ данных

• Использование в качестве метрики для оценки качества ранжирования (например, в рекомендательных системах).
• Предварительный анализ зависимостей перед построением регрессионных моделей.

¶Пример расчёта

Рассмотрим гипотетический пример: пять студентов (n=5) получили баллы по двум тестам (X и Y):

Σ d² = 1 + 0 + 1 + 4 + 4 = 10.

ρ = 1 − (6 10) / (5 (25 − 1)) = 1 − 60 / 120 = 1 − 0,5 = 0,5.

Таким образом, между баллами по тестам наблюдается умеренная прямая монотонная связь.

¶Ограничения и критика

• Только монотонность: Коэффициент не обнаруживает немонотонные зависимости (например, U-образную или циклическую).
• Потеря информации: Перевод количественных данных в ранги приводит к потере части информации о величине различий между значениями.
• Чувствительность к размеру выборки: При малом n (менее 10–15) оценка ρ может быть ненадёжной, для проверки значимости требуются специальные таблицы или точные методы.
• Связанные ранги: При большом количестве совпадающих значений (связей) стандартная формула даёт смещённую оценку, требуется коррекция.
• Не является мерой причинности: Как и любой корреляционный показатель, ρ не доказывает наличие причинно-следственной связи.

¶Сравнение с другими коэффициентами

• Коэффициент Пирсона (r): Измеряет линейную связь, требует нормального распределения и интервальной шкалы. Спирмен менее чувствителен к выбросам и пригоден для порядковых данных.
• Коэффициент Кендалла (τ): Альтернативный непараметрический показатель, основанный на подсчёте согласованных и несогласованных пар. τ обычно даёт более консервативные оценки, чем ρ, и лучше работает при малых выборках.
• Коэффициент ранговой корреляции Гудмана — Крускала (γ): Используется для порядковых переменных с большим числом связей.

¶Программная реализация

Коэффициент Спирмена реализован во всех основных статистических пакетах и языках программирования:

• Python: функция spearmanr из модуля scipy.stats.
• R: функция cor.test(..., method = "spearman").
• SPSS: опция «Spearman» в меню корреляционного анализа.
• Excel: функция РАНГ.СР для ранжирования и последующий расчёт по формуле, либо надстройка «Пакет анализа».

¶Источники

• Спирмен, Ч. (1904). «The proof and measurement of association between two things». American Journal of Psychology, 15(1), 72–101.
• Кендалл, М. Дж. (1970). Ранговые корреляции. Москва: Статистика.
• Холлендер, М., Вульф, Д. А. (1973). Непараметрические методы статистики. Москва: Финансы и статистика.
• Закс, Л. (1976). Статистическое оценивание. Москва: Статистика.
• Математическая энциклопедия. (1982). Т. 3. Москва: Советская энциклопедия.