이론적 인 이유로 스피어 맨의 ρ에 대한 Maurice Kendall의 를 옹호하는 Andrew Gilpin (1993)의 인용문은 다음과 같습니다 .τρ
[켄달 ]보다 더 빠르게 정규 분포에 가까워 ρ 로서, N , 샘플 크기 증가; τ 는 수학적으로 더 다루기 쉬우 며 특히 넥타이가있을 때 더욱 그렇습니다. τρNτ
Goodman-Kruskal 에 대해 많이 추가 할 수는 없습니다. 단 , 최근에 작업 한 설문 조사 데이터 샘플에서 Kendall의 τ 보다 약간 더 큰 추정치를 생성하는 것 같습니다. Spearman 's ρ 보다 더 낮은 추정치 . 그러나 몇 개의 부분 γ 추정값을 계산하려고 시도했는데 (Foraita & Sobotka, 2012), 부분 τ 보다 부분 ρ에 더 가깝게 나왔습니다. 하지만 처리 시간이 많이 걸렸습니다. 다른 사람과의 시뮬레이션 테스트 또는 수학적 비교 ... (그 방법을 아는 사람은 ...)γτργρτ
으로 ttnphns는 의미, 당신은 당신의 결론 수 없습니다 추정이 더 나은보다 τ 자신의 비늘 (한계가 아니더라도) 다르기 때문에, 혼자 규모로 추정하고있다. Gilpin은 ρ 대 τ 의 비율을 대부분의 값 범위에서 대략 1.5 로 설명하면서 Kendall (1962)을 인용 합니다. 크기가 증가함에 따라 점진적으로 가까워 지므로 둘 다 1 (또는 -1)에 가까워 질수록 차이는 무한대가됩니다. 길핀은 ρ , r , r 2 , d , Z r 에 해당하는 τ에 대한 세 번째 숫자까지 큰 값을 제공합니다.ρτρτρ아르 자형아르 자형2지아르 자형τ인트로 통계 교과서의 표지 내부에서 볼 수 있듯이 범위 내에서 .01 씩 증가 할 때마다 그는 다음과 같이 있습니다 켄달의 특정 공식에 해당 값을 기반 :
(나는Gilpin이 쓴 양식에서 Pearson의r과 관련하여이 공식을ρ로단순화했습니다.)
아르 자형ρ= 죄( τ⋅ π2)= 6π( τ⋅ 아크 신( 죄( τ⋅ π2)2) )
ρ아르 자형
아마 감각을 만들 것입니다 귀하의 변환 로 ρτρ 및 계산 변경하여 효과 크기 추정에 미치는 영향을 참조하십시오. 비교는 Spearman의 가 더 민감한 문제가 데이터에 존재 하는 정도를 어느 정도 나타내는 것으로 보입니다 . 각 특정 문제를 개별적으로 식별하기위한보다 직접적인 방법이 반드시 존재합니다. 내 제안은 그 문제에 대해 더 빠르고 더러운 옴니버스 효과 크기를 더 많이 만들 것입니다. 차이가 없으면 (척도 차이를 수정 한 후) ρ 에만 적용되는 문제를 더 이상 찾을 필요가 없다고 주장 할 수 있습니다.ρρ. 상당한 차이가 있다면, 아마도 책임있는 것을 결정하기 위해 돋보기 렌즈를 깰 때입니다.
Kendall의 사용할 때 사람들이 일반적으로 효과 크기를보고하는 방법을 잘 모르겠습니다 (유감스럽게도 사람들이 일반적으로 효과 크기를보고하는 것에 대해 걱정하는 정도는 제한적입니다). 그러나 익숙하지 않은 독자는 Pearson r , 위의 변환 공식을 사용 하여 τ 통계량과 r 의 척도에 대한 효과 크기를 모두보고하는 것이 현명 할 수 있습니다 ... 적어도 규모의 차이를 지적하고 편리한 변환 테이블을 위해 Gilpin에게 소리 지르십시오. .τ아르 자형τ아르 자형
참고 문헌
Foraita, R. & Sobotka, F. (2012). 그래픽 모델의 유효성 검사 gmvalid 패키지, v1.23. 종합적인 R 아카이브 네트워크. URL : http://cran.r-project.org/web/packages/gmvalid/gmvalid.pdf
아칸소 길핀 (1993). 메타 분석에 대한 효과의 크기 측정치 내에서 Kendall 's Tau를 Spearman 's Rho로 변환하기위한 표. 교육 및 심리 측정, 53 (1), 87-92.
MG Kendall (1962). 순위 상관 방법 (제 3 판). 런던 : 그리핀.