![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEi2Y5Vx_o797AizMVLb8AKcBKSoTu6NHgDO0RoYcHgvdrCmMvsWp3-qKEtv31OWnokt8KaL14nK9W2rE2SKarSpLr-Mtr4oxhfPulhSKR8wuNrcvxgdZi8KwPPWrSXvq_tXpdJDwjQyPbI/s1600/%25E3%2582%25B9%25E3%2583%2592%25E3%2582%259A%25E3%2582%25A2%25E3%2583%259E%25E3%2583%25B3%25E3%2581%25AE%25E9%25A0%2586%25E4%25BD%258D%25E7%259B%25B8%25E9%2596%25A2%25E4%25BF%2582%25E6%2595%25B0.png)
Charcot(@StudyCH)です。
相関係数は2つの変数の直線的な関係性をみたいときに使われます。相関係数にはいくつかの種類があって、今回ご紹介するSpearman(スピアマン)の順位相関係数はそのうちの一つです。ここではSpearmanの順位相関係数の特徴や使用方法について、SPSSでの実践例を含めてわかりやすく説明します。
どんな時にこの検定を使うか
集めたデータのある変数とある変数の直線関係の強さを知りたい時で、変数が正規分布に従っていない場合にこの検定を使います。例えば、ある集団の体重(正規分布に従う)とアンケート調査の得点(正規分布に従わない)との関係を知りたいときなどに相関係数として表します。
データの尺度や分布
正規分布に従っておらず、尺度水準が比率、間隔尺度、順序尺度のデータを用いることができます。同じ集団の(対応のある)2変数以上のデータである必要があります。正規分布を仮定しない検定なので、ノンパラメトリックな手法に含まれます。
検定の指標
相関係数と、相関係数の有意性(p値)を用います。相関係数の解釈は目安として以下のものがあります。| r | は相関係数の絶対値です。
- | r | = 1.0 〜 0.7:かなり強い相関がある
- | r | = 0.7 〜 0.4:強い相関がある
- | r | = 0.4 〜 0.2:やや相関がある
- | r | = 0.2 〜 0.0:ほぼ相関がない
実際の使い方(SPSSでの実践例)
B市A施設の男性職員に朝食摂取についてのアンケートを行なったデータが手元にあるとします。アンケートは「毎日朝食を食べる=1、週4回以上朝食を食べる=2、週2〜3回朝食を食べる=3、ほとんど朝食を食べない=4」という4段階で得点化しました。
それでは実際に体重とアンケート得点との直線的な関係性がどの程度かSpearman(スピアマン)の順位相関係数を求めてみましょう。ちなみにSPSSではKendallの順位相関係数も同時に求めることができます。
それでは実際に体重とアンケート得点との直線的な関係性がどの程度かSpearman(スピアマン)の順位相関係数を求めてみましょう。ちなみにSPSSではKendallの順位相関係数も同時に求めることができます。
この例では帰無仮説と対立仮説を以下のように設定します。
帰無仮説 (H0) :体重とアンケート得点の間に関連はない
対立仮説 (H1) :体重とアンケート得点の間に関連がある
- データをSPSSに読み込む。体重とアンケート得点のデータを2列に並べます。
- メニューの「分析 → 相関 (C) → 2変量 (B)... を選択します(下図)。
- 「体重」と「朝食摂取状況」を「↪」で変数に移動(下図①)。
- 「相関係数」のKandallのタウ b とSpearman にチェックします(下図②)。
- 「有意差検定」 の両側 (T) にチェックします(下図③)。
- 「OK」ボタンを押せば検定が開始(下図④)。
- 結果のダイアログがでたら「相関係数」、「有意確率(両側)」で、p < 0.05(あるいは < 0.01)を満たしているかを確認します(下図)。
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhh5yJJ9gMVmYB8tO6Z_-bds3oJuQIHMk2tc9CaKyHo0eDydQkj2sTLedYrlzLcIplqJjBGae4czgBMolHXrrsPXf1P76KsTFi_sOE1Im8YxNQ-vuf7AO0cPGHtgnQT3EhgAATzn4bv878/s1600/SPSS18.png)
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjDzgizJx5AboWujROcF8hvZi1LHBgyMnnP2kAQKfjSuGKz03T9tFVWz9f54D2-z4rt1Xk7cS9I0OSi6mMSngYlnjhwRbfTrFNgVRyznQO_S7ZCm4nT8mlbvbwwxI-vWg7ByF2XmY6eC_0/s1600/SPSS25.png)
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEh5eYcWFKRN6laNhcF1YMWQFsJUY4AC_N6nCrl2foudhzGdZNfCsKnSRcWHVs9L_pQSM3iTMs8fWH93FEcTjJUM0u53vNL10dUhjc3c2Esm8l-bMFDC-zjTFTls4i5P8OKkIOb0ug7yl2M/s1600/SPSS26.png)
今回の結果だとKendallで相関係数が「.022」で有意確率が「.475」、Spearmanで相関係数が「.029」で有意確率が「.466」なので、どちらの検定でも有意な相関はほとんどないという結果でした。このようにKendallの順位相関係数、Spearmanの順位相関係数のいずれもSPSSで検定できますが、Spearmanの順位相関係数の方が一般的です。
まとめ
Spearman(スピアマン)の順位相関係数は、正規分布に従がわない2つの変数間の直線的な関係の強さを知りたい時に使用します。データが正規分布に従う場合はPearsonの積率相関係数を使う必要があります。正規分布に従うか否かを事前に確認して、これらを混同して用いないように注意して下さい。その他の統計学的検定一覧