Lähdekoodi sivulle Spearmanin järjestyskorrelaatiokerroin

[[Image:spearman fig1.svg|300px|right|thumb|Spearmanin järjestyskorrelaatiokertoimeksi saadaan 1 mikäli tutkittavat kaksi muuttujaa riippuvat toisistaan monotonisesti. Spearmanin kerroin voi saada arvon 1 vaikka muuttujien välillä ei ole lineaarista riippuvuutta. Toisaalta, Pearsonin korrelaatiokerroin ei ole 1, koska tutkittavien muuttujien suhde ei ole täysin lineaarinen.]][[Image:spearman fig2.svg|300px|right|thumb| Kun parametrien välillä ei ole suuria poikkeamia, sekä Spearmanin että Pearsonin korrelaatiotesteillä saadaan yhtä suuret korrelaatiokertoimet.]]
[[Image:spearman fig3.svg|300px|right|thumb|Spearmanin korrelaatiokerroimeksi saatiin 0.84, kun taas Pearsonin korrelaatiokertoimeksi 0.67. Spearmanin järjestyskorrelaatio ei ole yhtä herkkä havaintoarvojen suurille poikkeamille kuin Pearsonin korrelaatio, johtuen siitä että Spearmanin korrelaatiossa havaintojen arvot korvataan järjestysluvuilla, jolloin suuret poikkeavuudet eliminoidaan.]]
{| class="wikitable floatright"
|+Spearmanin jarjestyskorrelaatiokertoimen kriittiset<br />rajat eri merkitsevyystasoilla
!n
!0.1
!0.05
!0.025
!0.01
!0.005
|-
|4
|1.0000
|1.0000
|1.0000
|1.0000
|1.0000
|-
|5
|0.7000
|0.9000
|0.9000
|1.0000
|1.0000
|-
|6
|0.6571
|0.7714
|0.8286
|0.9429
|0.9429
|-
|7
|0.5714
|0.6786
|0.7857
|0.8571
|0.8929
|-
|8
|0.5476
|0.6429
|0.7381
|0.8095
|0.8571
|-
|9
|0.4833
|0.6000
|0.6833
|0.7667
|0.8167
|-
|10
|0.4424
|0.5636
|0.6485
|0.7333
|0.7818
|-
|11
|0.4182
|0.5273
|0.6091
|0.7000
|0.7545
|-
|12
|0.3986
|0.5035
|0.5874
|0.6713
|0.7273
|-
|13
|0.3791
|0.4780
|0.5604
|0.6484
|0.6978
|-
|14
|0.3670
|0.4593
|0.5385
|0.6220
|0.6747
|-
|15
|0.3500
|0.4429
|0.5179
|0.6000
|0.6536
|-
|16
|0.3382
|0.4265
|0.5029
|0.5824
|0.6324
|-
|17
|0.3271
|0.4124
|0.4821
|0.5577
|0.6055
|-
|18
|0.3170
|0.4000
|0.4683
|0.5425
|0.5897
|-
|19
|0.3077
|0.3887
|0.4555
|0.5285
|0.5751
|-
|20
|0.2992
|0.3783
|0.4438
|0.5155
|0.5614
|-
|21
|0.2914
|0.3687
|0.4329
|0.5034
|0.5487
|-
|22
|0.2841
|0.3598
|0.4227
|0.4921
|0.5368
|-
|23
|0.2774
|0.3515
|0.4132
|0.4815
|0.5256
|-
|24
|0.2711
|0.3438
|0.4044
|0.4716
|0.5151
|-
|25
|0.2653
|0.3365
|0.3961
|0.4622
|0.5052
|-
|26
|0.2598
|0.3297
|0.3882
|0.4534
|0.4958
|-
|27
|0.2546
|0.3233
|0.3809
|0.4451
|0.4869
|-
|28
|0.2497
|0.3172
|0.3739
|0.4372
|0.4785
|-
|29
|0.2451
|0.3115
|0.3673
|0.4297
|0.4705
|-
|30
|0.2407
|0.3061
|0.3610
|0.4226
|0.4629
|}

'''Spearmanin järjestyskorrelaatiokerroin''', eli '''Spearmanin rho''', on ei-parametrinen ([[jakauma]]sta riippumaton) [[tilastotiede|tilastollisen]] riippuvuuden mitta, jota käytetään tutkittavien muuttujien välisen [[korrelaatio]]n mittaamiseen. Tunnusluku on saanut nimensä kehittäjänsä [[Charles Spearman]]in mukaan.

Spearmanin järjestyskorrelaatiokerroin ei reagoi parametrien suuriin poikkeamiin yhtä voimakkaasti kuin esimerkiksi [[Korrelaatio#Pearsonin_korrelaatiokerroin|Pearsonin korrelaatiotesti]]. Spearmanin korrelaatiotestissä täydellistä positiivista korrelaatiota vastaa luku 1 ja täydellistä negatiivista korrelaatiota luku -1. <ref name="hauke">Hauke, Jan, and Tomasz Kossowski. "Comparison of values of Pearson's and Spearman's correlation coefficients on the same sets of data." Quaestiones geographicae 30, no. 2 (2011): 87-93.</ref>

== Määritelmä ==
Spearmanin järjestyskorrelaatiokertoimen laskemiseksi tarvitaan jokin havaintoaineisto. Olkoon tutkittavina muuttujina <math>x</math> ja <math>y</math> satunnaismuuttujia, joiden havainnot ovat toisistaan riippumattomia. Tällöin havaintoaineisto koostuu muuttujan x havaittujen arvojen <math>x_1, x_2, ..., x_n</math> ja vastaavasti muuttujan y havaittujen arvojen <math>y_1, y_2, ..., y_n</math> muodostamista pareista <math>(x_i, y_i) = 1, 2, ..., n</math>.

Muuttujien havaitut arvot järjestetään suuruusjärjestykseen pienimmästä suurimpaan ja arvoihin liitetään järjestysnumerot:

:<math>R(x_i)</math> = havainnon <math>x_i</math> järjestysnumero

:<math>R(y_i)</math> = havainnon <math>y_i</math> järjestysnumero <ref name="mellin">Mellin, Ilkka. “Tilastolliset menetelmät: Kaavat”, Teknillinen korkeakoulu, 2007</ref>

Jos keskenään yhtäsuuria havaintoja ei ole ja järjestysluvut ovat täten kaikki erillisiä kokonaislukuja, niin Spearmanin järjestyskorrelaatiokerroin lasketaan kaavalla

:<math> \rho = {1- \frac {6 \sum d_i^2}{(n^2 - 1)n}}</math>

missä <math>d_i = R(x_i) - R(y_i)</math>. <ref name="mellin"/>

Spearmanin järjestyskorrelaatiokerroin, <math>\rho</math>, voi saada arvoja väliltä +1 ja -1. Kertoimen arvon ollessa lähellä arvoa +1 muuttujien välillä vallitsee voimakas positiivinen riippuvuus. Tämä tarkoittaa, että toisen muuttujan arvon kasvaessa myös toisen muuttujan arvo kasvaa. Vastaavasti korrelaatiokertoimen arvon ollessa lähellä arvoa -1 vallitsee muuttujien välillä voimakas negatiivinen riippuvuus. Tällöin toisen muuttujan arvon kasvaessa toisen muuttujan arvo pienenee. Korrelaatiokertoimen arvon lähestyessä arvoa 0 muuttujien keskinäinen riippuvuus vähenee. Kertoimen arvo 0 merkitsee, ettei lineaarista riippuvuutta ole. <ref>Heikkilä, Tarja. "Tilastollinen tutkimus". 7 uudistettu painos. Edita Prima Oy, 2008.</ref>

Täytyy muistaa, että Spearmanin järjestyskorrelaatiokerrointa, kuten muitakin korrelaatioanalyysin mittoja, käytetään pääasiassa mittaamaan kahden eri muuttujan lineaarisen yhteyden voimakkuutta. Se ei siis kerro selitettävän ja selittävän muuttujien välisestä kausaalisesta yhteydestä.

== Merkitsevyyden testaaminen ==
Tilastollisen merkitsevyystason testaamisella pyritään tutkimaan ja mahdollisesti sulkemaan pois [[sattuma]]n vaikutus kahden muuttujan väliseen riippuvuuteen. Korrelaatiokertoimen [[p-arvo]], eli [[todennäköisyys]] havaita vähintään näin poikkeavia testisuureen arvoja nollahypoteesin ollessa totta, voidaan laskea seuraavan testisuureen avulla. <ref name="numerical">Press, William H., Brian P. Flannery, Saul A. Teukolsky, and William T. Vetterling. "Numerical recipes." (1990).</ref>

:<math>t = \rho \sqrt {\frac{n-2}{1- \rho^2}} </math>

missä <math>t</math> noudattaa Studentin t-jakaumaa vapausastein <math>n-2</math>. <ref name="numerical"/>

== Esimerkki ==
Olkoon, että halutaan tutkia erään kalalajin massan yhteyttä sen pituuteen, eli korreloiko kalan [[massa]] sen pituuteen. Alla olevaan taulukkoon on kerätty satunnaisesti havaintoaineisto, joka koostuu kymmenestä massan ja pituuden muodostamista pareista.
{| class="wikitable"
|-
!Massa (g), <math>x_i</math>
!Pituus (cm), <math>y_i</math>
|-
|70
|17
|-
|120
|22
|-
|90
|20
|-
|140
|23
|-
|120
|24
|-
|110
|22
|-
|100
|20
|-
|90
|19
|-
|100
|21
|-
|80
|16
|}

Seuraavaksi tulee järjestää jokaisen sarakkeen tutkimusaineisto pienimmästä luvusta suurimpaan ja antaa jokaiselle vastaava järjestysluku. Sarakkeen <math>x_i</math> viereen luodaan uusi sarake <math>R(x_i)</math>, johon tulee havainnon <math>x_i</math> järjestysnumero. Vastaavasti sarakkeen <math>y_i</math> havaintojen järjestysnumeroille luodaan sarake <math>R(y_i)</math>. Mikäli kahden tai useamman aineiston järjestysluku on sama, tällöin niille tulee antaa niiden varaamien järjestyslukujen keskiarvo. Taulukossa nähdään, että <math>x_i</math>-sarakkeessa luku 90 toistuu kahdesti. Luku 90 on kyseisessä sarakkeessa kolmanneksi pienin luku, mutta koska se toistuu kahdesti, se on varannut sijat 3 ja 4. Tällöin tulee luvulle 90 annetaan järjestysluvuksi järjestyslukujen 3 ja 4 keskiarvo. Samoten luku 100 on toistunut kahdesti. Koska se on varannut sijat 5 ja 6, tulee sen järjestysluvuksi 5.5. Sama tapa on toistettu muiden toistuvien lukujen tapauksessa. Mikäli luku toistuu kolmesti, järjestysluvuksi annetaan tällöin sen kolmen varaaman sijan keskiarvo. <ref name="ilmonen">Ilmonen, Pauliina ja Virtanen, Kai. "Tilastollisen analyysin perusteet". Kurssin MS-C2104 luentokalvot. Aalto Yliopisto, 2015.</ref>

{| class="wikitable"
|-
!Massa (g), <math>x_i</math>
!Pituus (cm), <math>y_i</math>
|<math>R(x_i)</math>
|<math>R(y_i)</math>
|-
|70
|17
|1
|2
|-
|120
|22
|8.5
|7.5
|-
|90
|20
|3.5
|4.5
|-
|140
|23
|10
|9
|-
|120
|24
|8.5
|10
|-
|110
|22
|7
|7.5
|-
|100
|20
|5.5
|4.5
|-
|90
|19
|3.5
|3
|-
|100
|21
|5.5
|6
|-
|80
|16
|2
|1
|}

Lopuksi täytyy vielä laskea järjestyslukujen erotus <math>d_i = R(x_i) - R(y_i)</math>. Luodaan uusi sarake <math>d_i</math>, johon tulee jokaisen rivin järjestyslukujen erotus, sekä myös sarake <math>d^2_i</math>, jossa erotus korotetaan toiseen.

{| class="wikitable"
|-
!Massa (g), <math>x_i</math>
!Pituus (cm), <math>y_i</math>
!<math>R(x_i)</math>
!<math>R(y_i)</math>
!<math>d_i</math>
!<math>d^2_i</math>
|-
|70
|17
|1
|2
| -1
|1
|-
|120
|22
|8.5
|7.5
|1
|1
|-
|90
|20
|3.5
|4.5
| -1
|1
|-
|140
|23
|10
|9
|1
|1
|-
|120
|24
|8.5
|10
| -1.5
|2.25
|-
|110
|22
|7
|7.5
| -0.5
|0.25
|-
|100
|20
|5.5
|4.5
|1
|1
|-
|90
|19
|3.5
|3
|0.5
|0.25
|-
|100
|21
|5.5
|6
| -0.5
|0.25
|-
|80
|16
|2
|1
|1
|1
|}

Summaamalla sarakkeen <math>d^2_i</math> kaikki alkiot yhteen saadaan,

:<math>\sum d^2_i = 1+1+1+1+2.25+0.25+1+0.25+0.25+1 =9</math>

Nyt voidaan laskea Spearmanin järjestyskorrelaatiokerroin, 

:<math> \rho = {1- \frac {6 \sum d^2_i}{(n^2 - 1)n}} = {1- \frac {6 \cdot 9}{(10^2 - 1)10}} = {1- \frac {54}{990}} \approx 0.945</math>

Saatiin siis Spearmanin järjestyskorrelaatiokertoimeksi <math>\rho \approx 0.945</math>. Voidaan sanoa, että tämän kalalajin massan ja pituuden välillä vallitsee voimakas positiivinen korrelaatio, eli pituuden kasvaessa myös massa kasvaa.

Testataan seuraavaksi saatua korrelaatiokerrointa 5%:n merkitsevyystasolla. Olkoon [[nollahypoteesi]] <math>H_0</math>, että pituuden ja massan välillä ei ole riippuvuutta. Vaihtoehtoisena hypoteesina <math>H_1</math> olkoon, että pituuden ja massan välillä on korrelaatio, oli se sitten positiivinen tai negatiivinen. Tällöin vaihtoehtoinen hypoteesi on kaksisuuntainen. Eli asetelma on
:<math>H_0: \rho=0</math>
:<math>H_1: \rho \neq 0</math>

Lasketaan testisuure,
:<math>t = \rho \sqrt {\frac{n-2}{1- \rho^2}} = 0.945 \cdot \sqrt {\frac{10-2}{1- 0.945^2}} \approx 8.17</math>

Testisuure <math>t</math> noudattaa Studentin t-jakaumaa vapausastein <math>n-2</math>. Testisuuretta vastaava p-arvo lasketaan jakaumasta <math>t(8)</math> ja, koska vaihtoehtoinen hypoteesi on kaksisuuntainen, testisuureen arvoa vastaava p-arvo on 
:<math> Pr(|t|>8.17) = 2\cdot 1-Pr(t<8.17) = 0.00002</math>

Laskettu p-arvo 0.002% on paljon pienempi kuin asetettu 5% ja tällöin nollahypoteesi hylätään ja vaihtoehtoinen hypoteesi jää voimaan.
Spearmanin järjestyskorrelaatiokertoimen merkitsevyyttä voidaan tutkia myös kriittisten arvojen avulla. Esimerkiksi kaksisuuntaisessa testissä merkitsevyystason ollessa 5% ja n=10, korrelaatiokertoimen on oltava vähintään 0.6485 jotta se jäisi voimaan. <ref>Ramsey, P. H. (1989)." Critical values for Spearman’s rank order correlation". Journal of Educational Statistics, 14(3), 245–253.</ref>

== Vertailua ==
Spearmanin järjestyskorrelaatiokerroin on Pearsonin korrelaatiokertoimen erityistapaus. Spearmanin järjestyskorrelaatiossa mitattavien muuttujien arvot on korvattu järjestysluvuilla. Spearmanin järjestyskorrelaatio ei reagoi parametrien poikkeamille lineaarisuudesta yhtä voimakkaasti kuin Pearsonin korrelaatiotesti, koska Spearmanin järjestyskorrelaatio mittaa kahden satunnaismuuttujan välistä monotonista riippuvuutta. Pienen hajonnan omaavien muuttujien osalta molemmat korrelaatioanalyysit antavat lähes samanlaiset arvot. <ref name="hauke"/> <ref name="ilmonen"/> 

Pearsonin korrelaatio perustuu normaalisuusoletukseen, kun taas Spearmanin järjestyskorrelaatio ei, koska se on ei-parametrinen.

Eräs toinen ei-parametrinen menetelmä on [[Kendallin järjestyskorrelaatiokerroin]] (Kendallin tau). Kun aineiston normaalisuudesta on epävarmuutta, on parempi käyttää Kendallin tai Spearmanin järjestyskorrelaatiokerrointa. Sekä Kendallin että Spearmanin järjestyskorrelaatiokerroin sopivat järjestys-, välimatka- ja suhdeasteikollisille muuttujille<ref name="mellin"/>.

== Lähteet ==
{{Viitteet}}

[[Luokka:Tilastotiede]]
[[Luokka:Todennäköisyyslaskenta]]