Question

我的问题是我计算了两个变量之间的Spearman等级相关性。一位评论员问我是否可以添加所有系数的测试统计数据，其中p < 0.001

这是一个结果：

> cor.test(pl$data, pl$rang, method= "spearman")


#       Spearman's rank correlation rho

data:  pl$data and pl$rang
S = 911164.6, p-value = 1.513e-05
alternative hypothesis: true rho is not equal to 0 
sample estimates:
rho 
-0.3347658

测试统计数据是否等于 S = 911164.6 ？它是如此之大的数字可以吗？如果问题不是很专业，请提前抱歉，但我花了很长时间在书本和互联网上搜索答案。 :( 感谢您的帮助。

Answer 1

是。 ?cor.test帮助页面（在“值”部分中）将cor.test的返回值描述为：

 A list with class ‘"htest"’ containing the following components:

统计：测试统计的值。

在该页面上调整示例，我们看到

x <- c(44.4, 45.9, 41.9, 53.3, 44.7, 44.1, 50.7, 45.2, 60.1)
y <- c( 2.6,  3.1,  2.5,  5.0,  3.6,  4.0,  5.2,  2.8,  3.8)
(result <- cor.test(x, y, method = "spearman"))
#         Spearman's rank correlation rho

# data:  x and y 
# S = 48, p-value = 0.0968
# alternative hypothesis: true rho is not equal to 0 
# sample estimates:
# rho 
# 0.6 
result$statistic
#  S 
# 48

统计信息由(n ^ 3 - n) * (1 - r) / 6给出，其中n是x和r <- cor(rank(x), rank(y))的长度。

Answer 2

我找到的最佳答案是在页面上：Rpubs Spearman Rank Correlation

这个问题也在Cross Validated "Interpreting the Spearman's Rank Correlation Coefficient output in R. What is 'S'?"

上

虽然论坛(n ^ 3 - n) * (1 - r) / 6等于n等于变量的样本大小，而r等于用于计算S统计量的相关系数（rho），但是没有关于如何解释结果的明确解释。我还没有找到明确的答案：（

Spearman等级相关性的检验统计量

2 个答案: