นี่เป็นคำพูดจากแอนดรูกิลพิน (1993) เกื้อหนุนมอริเคนดอลกว่าสเปียร์แมนด้วยเหตุผลทางทฤษฎี:ρτρ
[Kendall's ] เข้าใกล้การแจกแจงแบบปกติเร็วกว่าเมื่อขนาดตัวอย่างเพิ่มขึ้น และก็ยังง่ายกว่าทางคณิตศาสตร์โดยเฉพาะอย่างยิ่งเมื่อมีความสัมพันธ์ ρ N ττρยังไม่มีข้อความτ
ฉันไม่สามารถเพิ่มมากเกี่ยวกับกู๊ดแมน-Kruskalอื่น ๆ กว่าว่ามันดูเหมือนว่าจะผลิตตลอดจึงใหญ่กว่าเล็กน้อยกว่าประมาณการเคนดอลในกลุ่มตัวอย่างของการสำรวจข้อมูลที่ผมได้ทำงานกับเมื่อเร็ว ๆ นี้ ... และแน่นอนอย่างเห็นได้ชัด ลดประมาณการกว่าสเปียร์แมนρแต่ผมยังพยายามคำนวณคู่บางส่วนประมาณการ (Foraita & Sobotka, 2012) และผู้ที่ออกมาใกล้ชิดกับบางส่วนกว่าบางส่วน ... มันต้องใช้เวลาจำนวนเงินที่ยุติธรรมของเวลาการประมวลผลแม้ว่าดังนั้นฉันจะออกจาก การทดสอบการจำลองหรือการเปรียบเทียบทางคณิตศาสตร์กับคนอื่น ... (ใครจะรู้ว่าจะทำอย่างไร ... )τ ρ แกมมาρ τγτργρτ
ในฐานะที่เป็นttnphnsหมายถึงคุณไม่สามารถสรุปได้ว่าคุณประมาณการจะดีกว่าของคุณประมาณการโดยขนาดเพียงอย่างเดียวเพราะเครื่องชั่งน้ำหนักของพวกเขาต่าง (แม้ว่าข้อ จำกัด ไม่) Gilpin อ้างอิง Kendall (1962) ตามที่อธิบายอัตราส่วนของถึงประมาณ 1.5 โดยประมาณในช่วงของค่าส่วนใหญ่ พวกเขาเข้าใกล้กันมากขึ้นเมื่อขนาดเพิ่มขึ้นดังนั้นเมื่อทั้งสองวิธีเข้าใกล้ 1 (หรือ -1) ความแตกต่างจะน้อยมาก Gilpin ให้ค่าตารางที่ดีที่มีค่าเท่ากับ , , , dและเป็นตัวเลขสามตัวสำหรับτ ρ τ ρ R R 2 Z R τ RρτρτρRR2ZRτในทุก ๆ การเพิ่มขึ้นของ. 01 ในช่วงของมันเช่นเดียวกับที่คุณคาดหวังที่จะเห็นภายในปกของตำราเรียนสถิติเบื้องต้น เขายึดตามค่าเหล่านั้นกับสูตรเฉพาะของเคนดัลซึ่งมีดังต่อไปนี้:
(ฉันทำให้สูตรนี้ง่ายสำหรับจาก แบบฟอร์มที่กิลพินเขียนซึ่งเป็นรูปแบบของเพียร์สัน )ρr
Rρ= บาป( τ⋅ เธ2)= 6π( τ⋅ arcsin(บาป( τ⋅ เธ2)2) )
ρR
บางทีมันอาจจะทำให้ความรู้สึกในการแปลงของคุณเป็นρτρและดูว่าการเปลี่ยนแปลงที่มีผลต่อการคำนวณประมาณการขนาดของผลของคุณ ดูเหมือนว่าการเปรียบเทียบที่จะให้ข้อบ่งชี้ของขอบเขตที่ปัญหาที่สเปียร์แมนบางมีความสำคัญมากขึ้นในการที่มีอยู่ในข้อมูลของคุณถ้าทุก วิธีการที่ชัดเจนกว่านั้นแน่นอนสำหรับการระบุปัญหาเฉพาะแต่ละรายการ ข้อเสนอแนะของฉันจะทำให้ขนาดผลของรถโดยสารที่รวดเร็วและสกปรกมากขึ้นสำหรับปัญหาเหล่านั้น หากไม่มีความแตกต่าง (หลังจากแก้ไขความแตกต่างในสเกล) แล้วอาจมีการโต้แย้งว่าไม่จำเป็นต้องค้นหาปัญหาเพิ่มเติมที่ใช้กับρρρ. หากมีความแตกต่างอย่างมีนัยสำคัญอาจถึงเวลาที่ต้องแยกเลนส์ขยายออกเพื่อพิจารณาว่ามีอะไรรับผิดชอบ
ผมไม่แน่ใจว่าวิธีการที่คนมักจะรายงานขนาดผลเมื่อใช้เคนดอล (ในขอบเขตที่ จำกัด แต่น่าเสียดายที่คนกังวลเกี่ยวกับการรายงานขนาดอิทธิพลทั่วไป) แต่เนื่องจากมันดูเหมือนว่าผู้อ่านที่ไม่คุ้นเคยจะพยายามที่จะตีความมันโยเพียร์สันฯมันอาจจะฉลาดที่จะรายงานทั้งสองของคุณสถิติและขนาดผลกระทบต่อขนาดของโดยใช้สูตรการแปลงดังกล่าวข้างต้น ... หรือที่จุดน้อยแตกต่างในระดับและให้ตะโกนออกไปยังกิลพินสำหรับตารางการแปลงของเขาที่มีประโยชน์ . r τ rτRτR
อ้างอิง
Foraita, R. , & Sobotka, F. (2012) การตรวจสอบรูปแบบกราฟิก แพ็คเกจ gmvalid, v1.23 เครือข่ายเก็บถาวร R ที่ครอบคลุม URL: http://cran.r-project.org/web/packages/gmvalid/gmvalid.pdf
Gilpin, AR (1993) ตารางสำหรับการแปลง Tend ของ Kendall เป็น Spearman's Rho ภายในมาตรการบริบทของขนาดของผลกระทบสำหรับการวิเคราะห์อภิมาน การวัดทางการศึกษาและจิตวิทยา, 53 (1), 87-92
เคนดัลล์ MG (2505) วิธีการจัดอันดับความสัมพันธ์ (อันดับที่ 3) ลอนดอน: กริฟฟิน