Đã cập nhật
Câu hỏi yêu cầu chúng ta lựa chọn giữa phương pháp của Pearson và Spearman khi tính chất bình thường được đặt ra. Hạn chế cho mối quan tâm này, tôi nghĩ rằng bài viết sau đây nên thông báo quyết định của bất kỳ ai:
Nó khá hay và cung cấp một cuộc khảo sát về các tài liệu quan trọng, kéo dài hàng thập kỷ, về chủ đề này - bắt đầu từ "các bề mặt bị cắt xén và biến dạng" của Pearson và sự phân phối mạnh mẽ của . Ít nhất một phần của bản chất mâu thuẫn của "sự thật" là phần lớn công việc này đã được thực hiện trước khi có sức mạnh tính toán - điều phức tạp vì loại hình phi quy tắc phải được xem xét và khó kiểm tra nếu không có mô phỏng.r
Phân tích Kowalski của kết luận rằng sự phân bố của là không mạnh mẽ trong sự hiện diện của không bình thường và đề nghị thủ tục thay thế. Toàn bộ bài viết khá nhiều thông tin và khuyến nghị nên đọc, nhưng bỏ qua phần kết luận rất ngắn ở phần cuối của bài viết để tóm tắt.r
Nếu được yêu cầu lựa chọn giữa một trong những Spearman và Pearson khi tính quy phạm bị vi phạm, thì phương án thay thế miễn phí phân phối đáng để ủng hộ, tức là phương pháp của Spearman.
Trước đây ..
Mối tương quan của Spearman là một thước đo tương quan dựa trên cấp bậc; nó không tham số và không dựa trên giả định về tính quy tắc.
Phân phối lấy mẫu cho mối tương quan của Pearson không giả định tính bình thường; đặc biệt điều này có nghĩa là mặc dù bạn có thể tính toán nó, các kết luận dựa trên thử nghiệm quan trọng có thể không đúng.
Như Rob chỉ ra trong các ý kiến, với mẫu lớn thì đây không phải là vấn đề. Tuy nhiên, với các mẫu nhỏ, khi tính bình thường bị vi phạm, mối tương quan của Spearman nên được ưu tiên.
Cập nhật thông tin về các bình luận và câu trả lời, đối với tôi, dường như điều này làm sôi sục cuộc tranh luận về các tham số không tham số so với thông số thông thường. Phần lớn tài liệu, ví dụ như trong thống kê sinh học, không đề cập đến các mẫu lớn. Tôi thường không ung dung khi dựa vào tiệm cận. Có lẽ nó hợp lý trong trường hợp này, nhưng điều đó không dễ thấy đối với tôi.