scipy.stats.mstats.

spearmanr

scipy.stats.mstats.spearmanr(x, y=None, use_ties=True, axis=None, nan_policy='propagate', alternative='two-sided')

計算 Spearman 等級順序相關係數以及檢定無相關性的 p 值。

Spearman 相關係數是一種衡量兩個資料集之間線性關係的非參數方法。與 Pearson 相關係數不同，Spearman 相關係數不假設兩個資料集都呈常態分佈。與其他相關係數一樣，此係數的變動範圍介於 -1 和 +1 之間，0 表示沒有相關性。相關係數為 -1 或 +1 表示單調關係。正相關表示當 x 增加時，y 也會增加。負相關表示當 x 增加時，y 會減少。

遺失值會成對捨棄：如果 x 中遺失值，則 y 中的對應值會被遮罩。

p 值大致表示不相關系統產生資料集的機率，而這些資料集的 Spearman 相關性至少與從這些資料集計算出的相關性一樣極端。p 值並非完全可靠，但對於大於 500 左右的資料集而言，可能尚屬合理。

參數:

x, y1D 或 2D 類陣列，y 為選用性參數

一個或兩個 1 維或 2 維陣列，包含多個變數和觀測值。當這些陣列為 1 維時，每個陣列代表單一變數的觀測值向量。關於 2 維情況下的行為，請參閱下方的 axis。

use_tiesbool，選用性參數

請勿使用。沒有任何作用，保留此關鍵字僅是為了向後相容性考量。

axisint 或 None，選用性參數

如果 axis=0 (預設值)，則每個欄代表一個變數，而列包含觀測值。如果 axis=1，則關係會轉置：每一列代表一個變數，而欄包含觀測值。如果 axis=None，則兩個陣列都會被展平。

nan_policy{‘propagate’, ‘raise’, ‘omit’}，選用性參數

定義輸入包含 nan 時的處理方式。「propagate」傳回 nan，「raise」擲回錯誤，「omit」執行計算時忽略 nan 值。預設值為 ‘propagate’。

alternative{‘two-sided’, ‘less’, ‘greater’}，選用性參數

定義對立假設。預設值為 ‘two-sided’。以下選項可用

• ‘two-sided’：相關性為非零

• ‘less’：相關性為負值 (小於零)

• ‘greater’：相關性為正值 (大於零)

在 1.7.0 版本中新增。

回傳值:

resSignificanceResult

包含屬性的物件

statisticfloat 或 ndarray (2 維正方形)

Spearman 相關矩陣或相關係數 (如果僅提供 2 個變數作為參數)。相關矩陣為正方形，長度等於 a 和 b 中變數 (欄或列) 的總數組合。

pvaluefloat

假設檢定的 p 值，其虛無假設是兩組資料呈線性不相關。請參閱上方的 alternative 以了解對立假設。pvalue 的形狀與 statistic 相同。

參考文獻

[CRCProbStat2000] 第 14.7 節