Wichtige Fakten
- Kategorie
- Mathe, Datum & Finanzen
- Eingabetypen
- textarea, text, number, checkbox
- Ausgabetyp
- json
- Sample-Abdeckung
- 1
- API verfügbar
- Yes
Überblick
Der Spearman-Korrelationsrechner berechnet den Spearman-Rangkorrelationskoeffizienten für gepaarte numerische Daten. Dieses statistische Werkzeug wandelt Rohwerte in Ränge um und misst die Stärke und Richtung monotoner Beziehungen zwischen zwei Variablen. Es ist ideal für ordinale Daten oder Datensätze mit Ausreißern, bei denen die klassische Pearson-Korrelation möglicherweise nicht geeignet ist.
Wann verwenden
- •Wenn Sie die Beziehung zwischen ordinalen Variablen oder Rangdaten analysieren möchten.
- •Wenn Ihre Daten nicht normalverteilt sind oder starke Ausreißer aufweisen.
- •Wenn Sie prüfen müssen, ob ein monotoner Zusammenhang (steigend oder fallend) zwischen zwei Variablen besteht.
So funktioniert es
- •Geben Sie Ihre Datenpaare zeilenweise in das Textfeld ein oder nutzen Sie die separaten Felder für X- und Y-Werte.
- •Legen Sie die gewünschte Anzahl der Dezimalstellen für das Ergebnis fest.
- •Aktivieren Sie optional die Rangdetails, um die berechneten Ränge für jeden Wert einzusehen.
- •Das Tool berechnet den Spearman-Korrelationskoeffizienten und gibt das Ergebnis im JSON-Format aus.
Anwendungsfälle
Beispiele
1. Analyse von Umfragedaten
Marktforscher- Hintergrund
- Ein Marktforscher hat Daten zur Kundenzufriedenheit (1-5) und zur Kaufwahrscheinlichkeit (1-10) gesammelt.
- Problem
- Es soll geprüft werden, ob eine höhere Zufriedenheit mit einer höheren Kaufwahrscheinlichkeit einhergeht, ohne eine lineare Beziehung vorauszusetzen.
- Verwendung
- Tragen Sie die Zufriedenheitswerte als X-Werte und die Kaufwahrscheinlichkeit als Y-Werte ein. Aktivieren Sie die Rangdetails.
- Beispielkonfiguration
-
X-Werte: 4, 2, 5, 3, 1 | Y-Werte: 8, 3, 9, 5, 2 | Rangdetails einschliessen: true - Ergebnis
- Das Tool berechnet den Spearman-Korrelationskoeffizienten und zeigt in der JSON-Ausgabe zusätzlich die Ränge der einzelnen Bewertungen an.
2. Auswertung von Testergebnissen
Lehrer- Hintergrund
- Ein Lehrer möchte wissen, ob Schüler, die in Mathematik gut abschneiden, auch in Physik gute Noten erzielen.
- Problem
- Die Noten sind ordinale Daten, weshalb eine Rangkorrelation erforderlich ist, um den Zusammenhang zu messen.
- Verwendung
- Geben Sie die Notenpaare (Mathe, Physik) zeilenweise in das Feld für Datenpaare ein.
- Beispielkonfiguration
-
Datenpaare: 1, 2\n3, 3\n2, 1\n4, 5\n5, 4 - Ergebnis
- Der Rechner gibt den Spearman-Koeffizienten aus, der die Stärke des monotonen Zusammenhangs zwischen den Leistungen in beiden Fächern quantifiziert.
Mit Samples testen
math-&-numbersFAQ
Was ist der Unterschied zwischen Spearman- und Pearson-Korrelation?
Die Pearson-Korrelation misst lineare Zusammenhänge, während die Spearman-Korrelation auf Rängen basiert und monotone Beziehungen misst. Spearman ist zudem robuster gegenüber Ausreißern.
Welche Werte kann der Spearman-Korrelationskoeffizient annehmen?
Der Wert liegt immer zwischen -1 und 1. Ein Wert von 1 bedeutet eine perfekte positive monotone Beziehung, -1 eine perfekte negative und 0 keinen monotonen Zusammenhang.
Wie gebe ich die Daten richtig ein?
Sie können die Datenpaare kommagetrennt pro Zeile eingeben (z. B. '1, 10') oder die X- und Y-Werte als kommagetrennte Listen in die separaten Felder eintragen.
Kann ich die Ränge der einzelnen Werte sehen?
Ja, aktivieren Sie die Option 'Rangdetails einschliessen', um die zugewiesenen Ränge für alle X- und Y-Werte in der Ausgabe anzuzeigen.
Wie geht das Tool mit gebundenen Rängen (Ties) um?
Wenn mehrere Werte identisch sind, weist das Tool ihnen den Durchschnitt ihrer Ränge zu, um eine korrekte Berechnung des Korrelationskoeffizienten zu gewährleisten.