为什么Spearman在zscore上产生不同的结果？

Question

嗨，看来spearman相关性应该产生相同的结果，而不管其zscore还是raw。这是两个例子。

https://stats.stackexchange.com/questions/77562/why-does-correlation-come-out-the-same-on-raw-data-and-z-scored-standardized-d

https://stats.stackexchange.com/questions/13952/can-spearmans-correlation-be-run-on-z-scores

但是，在此示例中，这两个相关性是不同的，我想知道发生了什么。

df = read.csv("https://www.dropbox.com/s/jdktw9jugzm97v3/test.csv?dl=1", head=F)

cor(df[, 1], df[,2], method="spearman")
cor(scale(df[, 1]), scale(df[,2]), method="spearman")

# 0.8462699 vs 0.8905341

有趣的是，皮尔森给出了相同的结果。我想知道我在做什么或在这里思考不正确吗？

编辑： 所以除此之外，我认为这可能是由于领带造成的，所以我也使用kendall应该处理领带，但是它也会给出不同的结果。

cor(as.matrix ( df[, 1] ) , as.matrix ( df[,2] ), method="kendall" )
cor(scale(as.matrix ( df[, 1] )), scale(as.matrix ( df[,2] )),  method="kendall")

谢谢。

Answer 1

您好，如上所述，这是由于舍入错误引起的。没有人回答，但我想补充一下，以防其他人在类似问题上绊倒。因此，当我四舍五入到15-16位数字时，结果是相同的。

df = read.csv("https://www.dropbox.com/s/jdktw9jugzm97v3/test.csv?dl=1", head=F)

df = round(df, digits = 15)

cor(as.matrix ( df[, 1] ) , as.matrix ( df[,2] ), method="spearman" )
cor(scale(df[, 1] ), scale(df[,2] ),  method="spearman")

感谢大家的帮助。