タグ付けされた質問 「kendall-tau」

どちらの場合に、他よりもどちらを好むべきですか？ 教育的理由から、ケンドールの利点を主張する人を見つけましたが、他の理由はありますか？

69 correlation  nonparametric  spearman-rho  kendall-tau 

私の仕事では、いくつかのデータセットについて、予測されたランキングと実際のランキングを比較しています。最近まで、Kendall-Tauを単独で使用していました。同様のプロジェクトに取り組んでいるグループは、代わりにGoodman-Kruskal Gammaを使用しようとし、彼らがそれを好むことを提案しました。ランクの異なる相関アルゴリズムの違いは何なのかと思いまして。 私が見つけた最高の答えは、スピアマンが通常の線形相関の代わりに使用され、ケンドール-タウは直接的ではなく、グッドマン-クラスカルガンマにより似ていると主張するこの答えでした。私が使用しているデータには、明らかな線形相関はないようです。また、データは大きく歪んでおり、正常ではありません。 また、スピアマンは通常、データについてケンドール・タウよりも高い相関性を報告しており、データについて具体的に何を言っているのか疑問に思っていました。私は統計学者ではないので、これらのことについて読んでいる論文のいくつかは、私には専門用語のように見えます、ごめんなさい。

31 spearman-rho  kendall-tau  goodman-kruskal-gamma 

たぶんこの質問は素朴ですが、： 線形回帰がピアソンの相関係数と密接に関連している場合、ケンドールとスピアマンの相関係数と密接に関連する回帰手法はありますか？

27 regression  correlation  pearson-r  spearman-rho  kendall-tau 

正準相関分析（CCA）は、2つのデータセットの線形結合の通常のピアソンの積率相関（すなわち線形相関係数）を最大化することを目的としています。 これは、我々はまた、例えば、Spearman-使用する理由は非常に理由である-今、組合の直線のみの措置この相関係数があるという事実を検討またはKendall- τの間の任意のモノトーンを測定する（ランク）相関係数（必ずしも直線的ではない）の接続を変数。ρρ\rhoττ\tau したがって、私は次のことを考えていました：CCAの1つの制限は、目的関数のために、形成された線形の組み合わせ間の線形の関連付けをキャプチャしようとすることです。それが最大化することによって、ある意味でCCAを拡張することが可能ではないでしょう、Spearman-は、言う代わりPearson-ののR？ρρ\rhorrr そのような手順は、統計的に解釈可能で意味のあるものにつながりますか？（たとえば、ランクでCCAを実行することは理にかなっていますか？）非正常なデータを処理するときに役立つかどうか疑問に思っています...

15 multivariate-analysis  data-transformation  spearman-rho  kendall-tau  canonical-correlation 

順序付けられた測定を使用して管理する場合、研究者は通常ポリコリック相関を扱います。（例えば、因子分析を行う前に行列を作成する場合。）なぜそうするのですか？ ケンドールタウの順位相関係数とスピアマンの順位相関係数も、順序付けられたデータに適しています。 これらの相関係数の「賛成」と「反対」の点は大歓迎です。

9 correlation  ordinal-data  spearman-rho  kendall-tau  polychoric 

私は、スピアマンの相関とケンドールの相関の差が1以下であることを証明または証明しようとしています。 結びつきはないと思います。 反例を使用して結果を反証する試みで、長さ8のベクトルのすべての可能性をチェックしました。 差： この場合、差は決して0.4を超えないので、本当だと思いますが、証明できませんでした。

9 correlation  spearman-rho  kendall-tau