スピアマンの順位相関係数

この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。出典を追加して記事の信頼性向上にご協力ください。（このテンプレートの使い方） 出典検索?: "スピアマンの順位相関係数" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL（2016年4月）

スピアマンの順位相関係数（じゅんいそうかんけいすう）は統計学において順位データから求められる相関の指標である。チャールズ・スピアマン(Charles Spearman)によって提唱され^[1]、ふつうρ あるいは r_S などと書かれる。

ピアソンの積率相関係数（普通に相関係数と呼ばれるもの）と違い、ノンパラメトリックな指標である。すなわち2つの変数の分布について何も仮定せずに、変数の間の関係が任意の単調関数によってどの程度忠実に表現できるかを、評価するものである。「変数間の関係は線形である」と仮定する必要も、また変数を数値的にとる必要もなく、順位が明らかであればよい。

原理的にはスピアマンの順位相関係数はピアソンの積率相関係数の特別な（相関係数を計算する前にデータを順位に変換した）場合に当たる。しかしρ を計算するには普通もっと単純な手順が用いられる。生のスコアを順位に変換し、各観察（各ペア）における2つの変数の順位の差D を計算する。スピアマンの順位相関係数 ρ は

${\displaystyle \rho =1-{\frac {6\sum D^{2}}{N^{3}-N}}}$

で定義される。ただし

D = 対応するX とY の値の順位の差

N = 値のペアの数

である。

同順位（タイ）がある場合には、X、Y における同順位の個数をそれぞれn_x 、n_y 、それらの順位をt_i 、t_j （i = 1, 2, ... , n_x ；j = 1, 2, ... , n_y ）として、以下の式を用いる：

${\displaystyle \rho ={\frac {T_{x}+T_{y}-\sum D^{2}}{2{\sqrt {T_{x}T_{y}}}}}}$

${\displaystyle T_{x}={\frac {N^{3}-N-\sum (t_{i}^{3}-t_{i})}{12}}}$

${\displaystyle T_{y}={\frac {N^{3}-N-\sum (t_{j}^{3}-t_{j})}{12}}}$

しかし同順位が少なければそれらを無視して最初の式を用いても影響は小さい。

検定[編集]

スピアマンの順位相関係数の母集団の真のρ が有意に0と異なるかどうかを検定する方法は複数存在する。

標本数が約20以上の場合、観察値のｔ検定値は

${\displaystyle t={\frac {\rho }{\sqrt {(1-\rho ^{2})/(n-2)}}}}$

であり、これは帰無仮説（二変数が相関なし）が真であると仮定した場合、近似的にスチューデントのt分布自由度n-2に従う。

他にもフィッシャーのz変換を用いてZ値を計算する方法や、パーミュテーションテストを用いる検定方法もある。

また、教科書にはスピアマンの順位相関係数の数表が載っていることも多く、この数値と比較する方法は、応用範囲が限られていると言うものの煩雑な計算を用いる必要がなく便利である。

脚注[編集]

関連項目[編集]

• 順序尺度
• 相関係数
• ケンドールの順位相関係数

外部リンク[編集]

• 棄却限界値の数表 — Pestman, Wiebe R. (2009). Mathematical statistics. de Gruyter Textbook (Second ed.). Walter de Gruyter. ISBN 978-3-11-020852-8. MR2516478. Zbl 1251.62001. https://books.google.com/books?id=9QHcJ8WQQ5UC 

表 話 編 歴 統計学
標本調査	標本 母集団 無作為抽出 層化抽出法
要約統計量	連続確率分布 位置 平均 算術 幾何 調和 中央値 分位数 順序統計量 最頻値 階級値 分散 範囲 偏差 偏差値 標準偏差 標準誤差 変動係数 決定係数 相関係数 自己相関 共分散 自己共分散 分散共分散行列 百分率 統計的ばらつき モーメント 分散 歪度 尖度 カテゴリデータ 頻度 分割表
推計統計学	仮説検定 パラメトリック t検定 ウェルチのt検定 F検定 Z検定 二項検定 ジャック-ベラ検定 シャピロ–ウィルク検定 分散分析 共分散分析 ノンパラメトリック ウィルコクソンの符号順位検定 マン・ホイットニーのU検定 カイ二乗検定 イェイツのカイ二乗検定 累積カイ二乗検定 フィッシャーの正確確率検定 尤度比検定 G検定 アンダーソン–ダーリング検定 コルモゴロフ–スミルノフ検定 カイパー検定 マンテル検定 コクラン・マンテル・ヘンツェルの統計量 その他 帰無仮説 対立仮説 有意 棄却 区間推定 信頼区間 予測区間 モデル選択基準 AIC BIC WAIC MDL その他 偏り 偏りと分散 過剰適合 推定量 点推定 最尤推定 尤度関数 尤度方程式 最小距離推定 メタアナリシス ブートストラップ法
ベイズ統計学	確率 主観確率 ベイズ確率 事前確率 事後確率 最大事後確率 その他 ベイズ推定 ベイズ因子
相関	交絡 ピアソンの積率相関係数 順位相関（スピアマンの順位相関係数 ・ケンドールの順位相関係数 ）
モデル	一般線形モデル 一般化線形モデル 混合モデル 一般化線形混合モデル
回帰	線形 リッジ回帰 ラッソ回帰 エラスティックネット 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン 射影追跡回帰 時系列 自己回帰モデル 自己回帰移動平均モデル ARCHモデル 対移動平均比率法 トレンド定常 傾向推定 共和分 構造変化
分類	線形 線形判別分析 ロジスティック回帰 <! -- 名前に回帰とついていますが確率を回帰する分類手法です --> 単純ベイズ分類器 単純パーセプトロン 線形サポートベクターマシン 二次 二次判別分析 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン ベイジアンネットワーク 隠れマルコフモデル その他 二項分類 多クラス分類 第一種過誤と第二種過誤
教師なし学習	クラスタリング k平均法 （k-means++法 ） DBSCAN 密度推定（英語版） カーネル密度推定 （ カーネル ） その他 主成分分析 独立成分分析 自己組織化写像
統計図表	棒グラフ バイプロット（英語版） 箱ひげ図 管理図 フォレストプロット ヒストグラム 円グラフ Q-Qプロット ランチャート 散布図 幹葉表示 バイオリン図 ドットプロット ヒートマップ 階級区分図
生存分析	生存関数 カプラン＝マイヤー推定量 ログランク検定 故障率 比例ハザードモデル
歴史	統計学の創始者 確率論と統計学の歩み
応用	社会統計学 疫学 生物統計学 系統学 統計力学 計量経済学 機械学習 実験計画法
出版物	統計学に関する学術誌一覧 重要な出版物
全般	統計 頻度主義統計学 統計学および機械学習の評価指標
その他	方向統計学 S言語 R言語 統計検定 社会調査士 JDLA Deep Learning For GENERAL JDLA Deep Learning for ENGINEER 実用数学技能検定 品質管理検定
カテゴリ