欢迎来到回归与相关分析的世界！

在你的统计学 1 (S1) 学习中，你已经学过如何利用积差相关系数 (PMCC) 来判断两个变量之间是否存在线性关系。现在，在 S3 单元中，我们要更进一步！我们将学习如何处理并非完美线性的数据，更重要的是，如何证明一个相关关系是“真实存在”的，而非仅仅由随机误差造成。别担心统计学听起来很深奥——我们会把它拆解成简单、易于掌握的步骤。


1. 斯皮尔曼等级相关系数 \( (r_s) \)

有时候，我们想知道两件事物之间是否有关联，但它们在图表上并不呈直线分布。又或者，这些数据是基于排名 (Ranks) 的（例如才艺表演中参赛者获得第 1、第 2 和第 3 名）。这就是斯皮尔曼等级相关系数 (Spearman's Rank Correlation Coefficient) 大显身手的时候了。

为什么要用斯皮尔曼而不是 PMCC？

  • 非线性关系： 如果数据趋势一致（同时上升或同时下降）但并非呈直线，使用斯皮尔曼系数会更准确。
  • 等级数据： 当你手头上只有项目的先后顺序，而没有确切的数值时。
  • 极端值 (Outliers)： 斯皮尔曼系数受一两个“奇怪”数据点的影响较小，因为它只关注顺序，而不是具体的数值。

如何逐步计算 \( r_s \)

即使计算机可以帮你完成部分运算，你仍然需要理解其中的过程。以下是该公式：

\( r_s = 1 - \frac{6\sum d^2}{n(n^2 - 1)} \)

逐步指南：

  1. 将第一组数据 (\(x\)) 排名，由小到大（1 为最小）。
  2. 将第二组数据 (\(y\)) 排名，由小到大。
  3. 找出每一对数据在排名上的差值 (\(d\))。
  4. 将每个差值平方 (\(d^2\))。
  5. 将所有这些平方差值求和，得出 \( \sum d^2 \)。
  6. 代入公式计算，其中 \(n\) 是数据对的总数。

快速复习：结果代表什么？
就像 PMCC 一样，答案永远介于 +1 和 -1 之间。
+1： 完美的正等级相关（排名完全一致）。
0： 完全没有等级相关。
-1： 完美的负等级相关（排名完全相反）。

等等，如果出现“并列 (Ties)”怎么办？

如果两个人同时获得“第 2 名”，这就是并列。在考试中，你通常不会被要求计算带有并列情况的斯皮尔曼系数，但你应该知道处理方式：我们会给予他们这些名次的平均值。例如，如果有两项并列第 2 和第 3 名，那么它们都会得到 2.5 名。

重点总结： 斯皮尔曼相关系数的核心在于数据的顺序，而非实际数值。它非常适合用于比赛评分，或是判断一个变量是否随另一个变量增加，即便它们之间的关系并非直线。


2. 零相关性检验

想象一下，你计算出的相关系数是 0.5。这个数值是否“足够强”以证明两者相关，还是你只是运气好刚好抽样到了这个结果？在 S3 中，我们使用假设检验 (Hypothesis Testing) 来找出答案。

设定假设

当检验是否存在相关性时，我们的“预设”假设是整个总体中没有任何关系。

  • 虚无假设 (\( H_0 \))： \( \rho = 0 \)（没有相关性）。
  • 对立假设 (\( H_1 \))：
    • \( \rho > 0 \)（怀疑存在正相关——单尾检验）。
    • \( \rho < 0 \)（怀疑存在负相关——单尾检验）。
    • \( \rho \neq 0 \)（仅怀疑存在某种相关性——双尾检验）。

注意：我们使用希腊字母 \( \rho \) (rho) 来表示 PMCC 的总体相关系数，使用 \( \rho_s \) 表示斯皮尔曼的总体相关系数。

使用统计查表

你不需要从头计算“p-value”。在考试中，你会得到一张临界值 (Critical Values) 表。这就像是你测试的“及格分数”。

  1. 查看你的样本大小 (\(n\))。
  2. 查看你的显著性水平 (Significance Level)（通常为 5% 或 1%）。
  3. 在表中找出临界值。

决策规则：
如果你计算出来的数值（忽略任何负号）大于表格中的临界值，你就有了足够的证据！这时你拒绝 \( H_0 \)，并得出结论：两者之间确实存在相关性。

记忆小技巧： 将临界值想象成一道跨栏。如果你的相关系数“够强”，足以跳过这道栏，你就成功证明了两者之间的关系！

加油： 如果起初觉得困难也不要灰心！最棘手的部分通常只是从表格中选对栏位。在查表之前，请务必再三确认你的测试是单尾还是双尾。

重点总结： 假设检验能告诉我们样本相关性是否强到足以代表整个总体。请善用提供的表格，并记得在结论中联系题目原本的背景！


3. 总结与常见错误

常见陷阱

  • 查错表： PMCC 和斯皮尔曼有不同的表格，确保你使用的表格与你的计算方法匹配！
  • 忘记将 \(d\) 平方： 在计算斯皮尔曼时，必须将差值平方 (\(d^2\))。如果不这样做，总和通常会变成零！
  • 混淆双尾检验： 对于 5% 显著性水平的双尾检验，有些表格需要查看 0.025 的栏位（将 5% 分配到两端）——请务必仔细检查特定表格的标题！
  • 误解 \( \rho = 0 \)： 记住，对于 PMCC 而言，\( \rho = 0 \) 仅表示没有线性相关，但两者之间可能仍存在非线性关系。

你知道吗？

发明等级相关系数的查尔斯·斯皮尔曼 (Charles Spearman) 其实是一位心理学家。他利用这些统计方法发展了关于人类智力的理论！
快速复习栏

公式： \( r_s = 1 - \frac{6\sum d^2}{n(n^2 - 1)} \)
\(H_0\)： 总是假设相关系数为零 (\( \rho = 0 \))。
决策： 计算值 > 表格临界值 = 显著结果！

你现在已经掌握了 S3 回归与相关分析章节的核心内容。做得好！继续练习查表，因为一旦掌握了技巧，这就是考试中的“必得分数”。