केंडल ताऊ या स्पीयरमैन की रो?

69

किन मामलों में एक को दूसरे पर पसंद करना चाहिए?

मैंने किसी ऐसे व्यक्ति को पाया, जो शैक्षणिक कारणों से केंडल के लिए लाभ का दावा करता है , क्या अन्य कारण हैं?

यह भी देखें एक संबंधित सवाल stats.stackexchange.com/q/18112/3277 ।

— tnnphns

1

दुर्भाग्य से, आपके प्रश्न का लिंक मृत है। मुझे लगता है कि आप नॉथर (2007, शिक्षण सांख्यिकी ) का उल्लेख कर रहे हैं । क्या आप इसे संपादित करना चाहते हैं?

— स्टीफ़न कोलासा

40

मैंने पाया कि स्पीयरमैन सहसंबंध का उपयोग आम तौर पर रैखिक संबंध के स्थान पर किया जाता है, जब माप के पैमाने पर पूर्णांक मूल्यवान स्कोर के साथ काम करते हैं, जब इसमें संभावित स्कोर की एक मध्यम संख्या होती है या जब हम द्विवार्षिक रिश्तों के बारे में मान्यताओं पर भरोसा नहीं करना चाहते हैं। । पीयरसन गुणांक की तुलना में, केंडल के ताऊ की व्याख्या मुझे स्पीयरमैन की आरएचओ की तुलना में कम प्रत्यक्ष लगती है, इस अर्थ में कि यह सभी संभव जोड़ीदार घटनाओं के लिए कंसर्टेंट और डिसॉर्डर जोड़े के% के बीच अंतर को निर्धारित करता है। मेरी समझ में, केंडल के ताऊ गुडमैन-क्रुस्ल गामा से अधिक मिलते जुलते हैं ।

मैंने जे। सांख्यिकी एडुक में लैरी विनर के एक लेख को देखा। (2006) जिसमें दोनों उपायों के उपयोग की चर्चा है, 1975-2003 के लिए NASCAR विंस्टन कप रेस के परिणाम ।

मुझे इस संबंध में पियरसन या स्पीयरमैन के गैर-सामान्य डेटा के साथ सहसंबंध के बारे में @onestop उत्तर भी मिला ।

ध्यान दें, केंडल के ताऊ ( एक संस्करण) का पूर्वानुमानात्मक मॉडलिंग के लिए उपयोग किए जाने वाले सोमरस डी (और हैरेल के सी) से संबंध हैं (देखें उदाहरण के लिए, आरबी न्यूज़न द्वारा चार सरल मॉडल के तहत सोमरस डी की व्याख्या और उसमें 6 संदर्भ हैं , और न्यूज़न के लेख Stata जर्नल 2006 में प्रकाशित)। रैंक आंकड़ों के लिए जैकनेफ कॉन्फिडेंस इंटरवल की कुशल गणना में रैंक-योग परीक्षणों का अवलोकन प्रदान किया गया है, जो जेएसएस (2006) में प्रकाशित हुआ था।

— CHL
स्रोत

उत्तर के लिए धन्यवाद, मैंने इसे इसके व्यापक दायरे के लिए स्वीकार किया। सर्वश्रेष्ठ, ताल

— ताल गैलिली

स्पीयरमैन नियमित रूप से संबंधों के बारे में दो पूर्णांक चर पर प्रयोग किया जाता है, जो केंडल के ताऊ द्वारा बेहतर तरीके से संभाला जाता है।

— vinnief

29

मैं अपने पिछले उत्तर के लिए माननीय सज्जन का उल्लेख करता हूं : "... केंडल के गिब्सन (1990) के अनुसार, स्पीयरमैन के _{एस एस} के लिए आत्मविश्वास अंतराल कमेंडल के लिए आत्मविश्वास के अंतराल से कम विश्वसनीय और कम व्याख्यात्मक हैं" (1990)।

— एक बंद
स्रोत

1

मुझे लगता है कि धन्यवाद रोजर न्यूज़न के कारण है, जैसा कि मैं उनके लेख से उद्धृत कर रहा हूं।

— 15

22

फिर से कुछ दार्शनिक जवाब; बुनियादी अंतर यह है कि स्पीयरमैन की आरएचओ नॉनलाइनियर इंटरैक्शन पर आर ^ 2 (= "विचरण समझाया") विचार का विस्तार करने का एक प्रयास है, जबकि केंडल के ताऊ को नॉनलाइनर कॉरेलर टेस्ट के लिए एक परीक्षण सांख्यिकीय माना जाता है। इसलिए, ताऊ का उपयोग नॉनलाइनियर सहसंबंधों के परीक्षण के लिए किया जाना चाहिए, Rho को R एक्सटेंशन के रूप में (या R ^ 2 से परिचित लोगों के लिए - सीमित समय में दर्शकों को बिना सोचे समझे ताऊ को समझाना दर्दनाक है)।

6

क्या आप कृपया "गैर-रेखीय बातचीत" समझा सकते हैं। स्पीयरमैन Rho ऐसा लगता है कि मनोचिकित्सा के संदर्भ में वैधता गुणांक का एक उपाय दर्शाता है। मैं ताऊ के स्वभाव के बारे में नहीं जानता।

— सुभाष सी। डावर

मुझे आपकी टिप्पणी की मनोचिकित्सा समझ में नहीं आती है।

— लेओ लेपोल्ड हर्ट्ज é

1

x

$x$

x^{2}

$x^2$

1

यह केवल तभी सही है जब x गैर-नकारात्मक हो।

— एकोलाल

17

यहाँ एंड्रयू Gilpin (1993) से एक उद्धरण केंडल की वकालत है τ स्पीयरमैन की अधिक ρ सैद्धांतिक कारणों के लिए:

"[केंडल ] एक सामान्य वितरण अधिक तेजी से दृष्टिकोण , के रूप में , नमूने का आकार, बढ़ जाती है, और गणितीय भी अधिक विनयशील है, खासकर जब संबंधों मौजूद हैं।" $τ$ $ρ$ $N$ $τ$

संदर्भ

गिलपिन, एआर (1993)। मेटा-विश्लेषण के लिए प्रभाव के परिमाण के संदर्भ उपायों के भीतर कैंडल के ताऊ को स्पीयरमैन की रो में परिवर्तित करने की तालिका। शैक्षिक और मनोवैज्ञानिक मापन, 53 (1), 87-92।

— निक स्टैनर
स्रोत

3

FWIW, मायर्स एंड वेल के एक उद्धरण (अनुसंधान डिजाइन और सांख्यिकीय विश्लेषण, दूसरा संस्करण, 2003, पृष्ठ 510)। यदि आप अभी भी पी-मूल्यों के बारे में परवाह करते हैं;

Seigel और कैस्टलन (1988, व्यवहार विज्ञान के nonparametric सांख्यिकी) का कहना है कि, हालांकि और स्पीयरमैन आम तौर पर अलग-अलग मान जाएगा, जब एक ही डेटा सेट, के लिए गणना की है जब के लिए महत्व परीक्षण और स्पीयरमैन पर आधारित होते हैं उनके नमूने वितरण, वे समान पी- उपज प्राप्त करेंगे । $\tau$ $\rho$ $\tau$ $\rho$

— बुरक आइडिन
स्रोत

क्या आप जानते हैं कि क्या वे इस दावे के लिए कोई सहायता प्रदान करते हैं? मैं यह नहीं देखता कि यह वास्तव में सामान्य रूप से कैसे सच हो सकता है (वे काफी हद तक समान हो सकते हैं, लेकिन मैं वास्तव में यह नहीं देखता कि कैसे दावा किया जा सकता है कि वे समान हो सकते हैं)। [मुझे आश्चर्य है कि अगर सीगल और कास्टेलन ने वास्तव में ऐसा कहा है, या कुछ अलग है।]

— ग्लेन_बेल

मैंने साइगेल और कैस्टेलन (2ed p253) की जाँच की है। वे कुछ अलग सा कहते हैं ... लेकिन यह वास्तव में उपरोक्त पैराफ़ेज़ से थोड़ा खराब है, यहां तक कि "लगभग" के अलावा (इससे भी बदतर है क्योंकि वे इसे शून्य के तहत मामला होने तक सीमित करते हैं, लेकिन चूंकि वे डेटा पर कंडीशनिंग कर रहे हैं यह मदद नहीं करेगा। वैसे भी, एक निश्चित क्रम के लिए , सभी संभावित रैंक ऑर्डर H0 के तहत समान रूप से होने की संभावना है।) यह तथ्य कि वे डेटा मामलों पर कंडीशनिंग के बाद नल पर कंडीशनिंग सोचते हैं, एक चिंता का विषय है। मुझे आश्चर्य है कि अगर वे कुछ और कहना चाहते थे या अगर वे वास्तव में गलत समझते हैं

x

$x$

y

$y$

— Glen_b

एक प्रतिरूप के रूप में, n = 7 और सटीक p-मान लें। Let x = 1,2,3,4,5,6,7 और y = 2,1,4,3,7,6,5 ... spearman p = 0.048 देता है, Kendall 0.136 देता है ... जो हैं एक जैसे नहीं। एक अलग व्यवस्था केंडल के लिए समान मूल्य देती है लेकिन भाले का p = 0.302 है। ऐसे कई उदाहरण और विभिन्न नमूने आकार हैं

— Glen_b

3

यहाँ n = 8 केस के लिए एक प्लॉट है। जैसा कि आप देखते हैं कि सहसंबंध के दो उपायों के लिए पी-मानों के बीच बहुत भिन्नता है: i.stack.imgur.com/5JMbj.png ... मैं इस पर एक प्रश्नोत्तर लिख सकता हूं

— Glen_b

1

यहां दो उदाहरण डेटा सेट (रैंकिंग के बाद) दो मामले दिखाते हैं (इस बार n = 9 के साथ) जहां स्पीयरमैन सहसंबंध पी-मान समान हैं, लेकिन केंडल सहसंबंध पी-मान काफी भिन्न हैं: i.stack .imgur। com / 3ILD8.png

— Glen_b