斯皮爾曼相關係數計算器 - 等級相關
計算兩組資料之間的斯皮爾曼等級相關係數 (ρ)，在不假設常態分布的情況下衡量單調關係的強度與方向。
輸入兩組長度相同、以逗號分隔的資料。計算器會為每組資料排名，並在正確處理並列值後，用排名上的皮爾森公式計算 ρ。
斯皮爾曼相關係數計算器 - 等級相關
計算兩組資料之間的斯皮爾曼等級相關係數 (ρ)，在不假設常態分布的情況下衡量單調關係的強度與方向。
輸入以逗號或空格分隔的數字
數值個數必須與資料集 X 相同
關於斯皮爾曼相關係數計算器
斯皮爾曼等級相關係數通常記作 ρ (rho) 或 rs，是衡量兩個變數之間單調關係的非參數指標。皮爾森相關衡量線性關係，並要求資料服從常態分布且以區間或比率尺度測量；與之不同，斯皮爾曼係數使用資料值的排名。因此，它適用於序位資料、含有離群值的資料，以及變數關係單調但不一定線性的任何情況。
計算分三步進行。首先，對每個資料集排名：最小值排名為 1，第二小值排名為 2，依此類推。若存在並列值，每個並列值會取得其原本會占據排名的平均值。其次，對每一對觀測值計算配對排名之間的差 dᵢ。第三，計算 ρ。對於沒有並列值的資料，經典公式 ρ = 1 − (6 Σdᵢ²) / (n(n²−1)) 可得到精確結果。對於有並列值的資料，本計算器使用更一般的公式——在排名上計算皮爾森相關——可由結構上正確處理並列值。
係數範圍為 −1 到 +1。+1 表示完全正向單調關係：一個變數每次增加，另一個變數也隨之增加。−1 表示完全負向單調關係：一個變數每次增加，另一個變數隨之減少。0 表示沒有單調關係。實務上，絕對值高於 0.7 通常視為強相關，0.5 到 0.7 為中等，0.3 到 0.5 為弱，低於 0.3 可忽略；不過「顯著」的門檻始終取決於樣本數與脈絡。
斯皮爾曼相關廣泛用於心理學（偏好或態度排名）、教育（比較班級排名與考試成績）、醫學（比較症狀嚴重度分數）、生態學（豐度計數與棲地品質）、金融（按風險調整後報酬為共同基金排名）以及市場研究（消費者偏好排名）。任何處理排名、有序或非常態資料的領域都能受益。
一項重要限制是：斯皮爾曼 ρ 只能偵測單調關係。如果關係呈 U 形或其他非單調形式，即使存在強關係，ρ 也可能接近 0。在這種情況下，應始終搭配散布圖和其他視覺診斷來解讀數值係數，確保結果解釋正確。
斯皮爾曼相關範例
四個完整範例，說明不同的相關強度與資料結構。
| 資料集 | ρ | 解釋 |
|---|---|---|
| X: 10, 20, 30, 40, 50 | Y: 2, 4, 6, 8, 10 | ρ = 1.0000 | 完全正向單調關係——兩個變數總是一起增加。 |
| X: 105, 120, 90, 150, 135 | Y: 4.5, 3.2, 5.0, 2.1, 2.9 | ρ = −1.0000 | 完全負相關——X 和 Y 的排名順序完全相反。 |
| X: 1, 2, 3, 4, 5 | Y: 3, 1, 5, 2, 4 | ρ = 0.3000 | 兩個排名順序之間存在弱正向單調關係。 |
| X: 8, 9, 10, 10, 12 | Y: 4, 6, 5, 5, 7 | ρ ≈ 0.6842 | 中等正相關；並列值透過平均排名處理。 |
如何使用斯皮爾曼相關計算器
- 在資料集 X 欄位中輸入第一組資料 (X)，數字以逗號分隔。
- 在資料集 Y 欄位中輸入第二組資料 (Y)，其數值個數必須與 X 完全相同。
- 點擊計算。計算器會為兩個資料集排名，透過平均排名處理所有並列值，並用排名上的皮爾森公式計算 ρ。
- 從結果面板讀取 ρ 值、樣本數和強度解釋。
- 使用範例按鈕載入預設資料集，查看典型的正相關、負相關和零相關情境。
斯皮爾曼相關常見問題
斯皮爾曼相關和皮爾森相關有什麼差異？
皮爾森 r 衡量線性關係的強度，並假設兩個變數服從常態分布且以區間尺度測量。斯皮爾曼 ρ 衡量任何單調關係——不只是線性關係——並基於排名資料，因此對離群值更穩健，也適用於序位資料。當常態性假設不成立、資料為序位型或存在離群值時，請使用斯皮爾曼相關。
斯皮爾曼相關需要最小樣本數嗎？
技術上，公式在 n ≥ 2 時可用，但樣本非常小 (n < 5) 時，係數對個別數值高度敏感，顯著性檢定的檢定力也很低。建議至少有 10–15 對觀測值以獲得可靠估計；若要進行正式顯著性檢定，最好 n ≥ 20。
計算器如何處理並列值？
當兩個或更多觀測值相同時，每個並列觀測值會取得其原本會占據排名的平均值。例如，如果第 3 和第 4 個位置的值相等，兩者都取得排名 3.5。接著計算器使用排名上的皮爾森公式；在沒有並列值時，它與簡單的 dᵢ² 公式在代數上等價，在有並列值時也能正確處理。
斯皮爾曼 ρ 為 0 代表什麼？
ρ 恰好為 0 表示 X 和 Y 的排名順序之間沒有單調關係。它不代表變數彼此獨立——非單調關係（例如 U 形）也可能產生接近 0 的 ρ。請始終將資料圖形與係數一起查看，以確保沒有遺漏模式。
斯皮爾曼相關可以用於類別資料嗎？
斯皮爾曼相關至少需要序位資料，也就是可以有意義排序的資料。它不能套用於名目類別資料（例如顏色、姓名、標籤），因為這類資料沒有排名順序概念。對於名目資料，可改用 Cramér's V 或其他關聯度量。