1. 应用前提不同: - Pearson相关性分析要求变量是连续的,且满足正态分布,同时变量之间的关系应为线性关系。 - Spearman相关性分析不要求变量服从正态分布,也不要求变量之间存在线性关系,适用于顺序变量或等级变量。 2. 计算方法不同: - Pearson相关性系数是基于变量的均值来计算的,它衡量的是两个变量之间的线性相...
Pearson相关系数在出现奇异值，或者长尾分布的时候稳定性差，不太靠，而Spearman要相对稳健很多。
只要两个变量具有严格单调的函数关系,那么它们就是完全Spearman相关的,这与Pearson相关不同,Pearson相关只有在变量具有线性关系时才是完全相关的。 Spearman 和 Pearson 相关系数在算法上完全相同. 只是 Pearson 相关系数是用原来的数值计算积差相关系数, 而 Spearman 是用原来数值的秩次计算积差相关系数。最后编辑于 :...
spearman相关只能计算等级数据,但pearson相关却既可以用来算等级相关,也可以算连续数据的相关,只不过一般默认用pearson相关计算连续数据的相关。在 统计学中, 以查尔斯·斯皮尔曼命名的斯皮尔曼等级相关系数,即spearman相关系数。经常用希腊字母ρ表示。 它是衡量两个变量的依赖性的 非参数 指标。 它利用单调方程评价两...