Đây là một trích dẫn của Andrew Gilpin (1993) ủng hộ Maurice Kendall over Spearman'sτ vì những lý do lý thuyết:ρ
[Kendall ] tiếp cận một phân phối chuẩn nhanh hơn ρ , như N , kích thước mẫu, tăng; vàτρN cũng dể làm hơn về mặt toán học, đặc biệt là khi quan hệ có mặt. τ
Tôi không thể thêm nhiều về Goodman-Kruskal , trừ rằng nó dường như để sản xuất ước tính luôn cái hơi lớn hơn của Kendall τ trong một mẫu số liệu điều tra tôi đã làm việc với thời gian gần đây ... và dĩ nhiên, đáng chú ý ước tính thấp hơn Spearman ρ . Tuy nhiên, tôi cũng đã cố gắng tính toán một vài phần γ ước tính (Foraita & Sobotka, 2012), và những người ra gần gũi hơn với các phần ρ hơn một phần τ ... Phải mất một số tiền hợp lý của chế biến thời gian mặc dù, vì vậy tôi sẽ rời các bài kiểm tra mô phỏng hoặc so sánh toán học với người khác ... (người sẽ biết cách thực hiện chúng ...)γτργρτ
Như ttnphns ngụ ý, bạn không thể kết luận rằng ước tính của bạn tốt hơn τ ước tính của bạn theo độ lớn, bởi vì thang đo của chúng khác nhau (mặc dù giới hạn không). Gilpin trích dẫn Kendall (1962) khi mô tả tỷ lệρτ để τ là khoảng 1,5 so với hầu hết các loạt các giá trị. Họ tiến gần hơn dần dần khi cường độ của họ tăng lên, do đó, khi cả hai tiếp cận 1 (hoặc -1), sự khác biệt trở nên vô hạn. Gilpin đưa ra một bảng lớn tốt đẹp của các giá trị tương đương với ρ , r , r 2 ,d, và Z r ra đến chữ số thứ ba cho τρτρrr2Zrτở mọi mức tăng 0,01 trên phạm vi của nó, giống như bạn mong đợi sẽ thấy bên trong trang bìa của sách giáo khoa giới thiệu. Ông dựa trên những giá trị đó dựa trên các công thức cụ thể của Kendall, như sau:
(Tôi đơn giản hóa công thức này choρtừ hình thức, trong đó Gilpin đã viết, mà là về Pearsonr.)
rρ=sin(τ⋅π2)=6π(τ⋅arcsin(sin(τ⋅π2)2))
ρr
Có lẽ nó sẽ có ý nghĩa để chuyển đổi của bạn thành một ρτρ và xem cách thay đổi tính toán ảnh hưởng ước tính kích thước hiệu quả của bạn. Dường như so sánh đó sẽ đưa ra một số dấu hiệu cho thấy mức độ mà những vấn đề mà Spearman ρ là nhạy cảm hơn với có mặt trong dữ liệu của bạn, nếu ở tất cả. Nhiều phương pháp trực tiếp chắc chắn tồn tại để xác định từng vấn đề cụ thể; đề nghị của tôi sẽ tạo ra nhiều kích thước hiệu ứng omnibus nhanh và bẩn cho những vấn đề đó. Nếu không có sự khác biệt (sau khi sửa chữa cho sự khác biệt về quy mô), sau đó người ta có thể tranh luận không cần phải nhìn xa hơn cho các vấn đề mà chỉ áp dụng đối với ρ. Nếu có sự khác biệt đáng kể, thì có lẽ đã đến lúc phá vỡ ống kính phóng đại để xác định trách nhiệm.
Tôi không chắc mọi người thường báo cáo kích thước hiệu ứng như thế nào khi sử dụng Kendall (ở mức độ hạn chế đáng tiếc là mọi người lo lắng về kích thước hiệu ứng báo cáo nói chung), nhưng có vẻ như các độc giả lạ sẽ cố gắng diễn giải nó theo thang đo của Pearson r , nó có thể là khôn ngoan để báo cáo cả bạn τ thống kê và kích thước ảnh hưởng của nó trên quy mô của rτrτr bằng cách sử dụng công thức chuyển đổi trên ... hoặc ít nhất là điểm ra sự khác biệt về quy mô và đưa ra một tiếng hét ra Gilpin cho bảng chuyển đổi tiện dụng của mình .
Tài liệu tham khảo
Foraita, R., & Sobotka, F. (2012). Xác nhận các mô hình đồ họa. Gói gmvalid, v1,23. Mạng lưu trữ R toàn diện. URL: http://cran.r-project.org/web/packages/gmvalid/gmvalid.pdf
Gilpin, AR (1993). Bảng chuyển đổi Tau của Kendall thành Spearman's Rho trong các thước đo mức độ ảnh hưởng của phân tích tổng hợp. Đo lường giáo dục và tâm lý, 53 (1), 87-92.
Kendall, MG (1962). Xếp hạng các phương pháp tương quan (tái bản lần 3). Luân Đôn: Griffin.