Updated
คำถามขอให้เราเลือกใช้วิธีของเพียร์สันและสเปียร์แมนเมื่อปกติถาม จำกัด เฉพาะข้อกังวลนี้ฉันคิดว่าบทความต่อไปนี้ควรแจ้งการตัดสินใจของทุกคน:
มันเป็นเรื่องดีมากและให้สำรวจของวรรณกรรมมากเป็นทศวรรษที่ผ่านมาทอดในหัวข้อนี้ - เริ่มต้นจากเพียร์สัน "ขาดวิ่นและบิดเบือนพื้นผิว" และความทนทานของการกระจายของRอย่างน้อยส่วนหนึ่งของธรรมชาติที่ขัดแย้งกันของ "ข้อเท็จจริง" ก็คืองานนี้ส่วนใหญ่ทำมาก่อนการถือกำเนิดของพลังการคำนวณ - สิ่งที่ซับซ้อนเพราะประเภทของการไม่ปฏิบัติตามกฎเกณฑ์จะต้องได้รับการพิจารณาและเป็นการยากที่จะตรวจสอบโดยไม่มีการจำลองr
การวิเคราะห์สกี้สรุปว่าการกระจายของคือไม่ได้มีประสิทธิภาพในการปรากฏตัวของการไม่ปกติและแนะนำขั้นตอนทางเลือก บทความทั้งหมดค่อนข้างให้ข้อมูลและการอ่านที่แนะนำ แต่ข้ามไปสู่ข้อสรุปสั้น ๆ ในตอนท้ายของบทความเพื่อสรุปr
หากถูกขอให้เลือกระหว่างหนึ่งใน Spearman และ Pearson เมื่อละเมิดกฎเกณฑ์ทางเลือกที่แจกฟรีนั้นคุ้มค่าที่จะสนับสนุนเช่นวิธีของ Spearman
ก่อนหน้านี้ ..
Spearman's correlation เป็นเครื่องมือวัดความสัมพันธ์ มันไม่ใช่พารามิเตอร์และไม่ได้อยู่บนสมมติฐานของภาวะปกติ
การแจกแจงตัวอย่างสำหรับเพียร์สันมีความสัมพันธ์กัน โดยเฉพาะอย่างยิ่งสิ่งนี้หมายความว่าแม้ว่าคุณจะสามารถคำนวณได้ข้อสรุปที่อิงจากการทดสอบที่สำคัญอาจไม่ได้ผล
ในขณะที่ Rob ชี้ให้เห็นในความคิดเห็นด้วยตัวอย่างจำนวนมากนี่ไม่ใช่ปัญหา แม้ว่าจะมีกลุ่มตัวอย่างขนาดเล็กที่ละเมิดกฎเกณฑ์ควรใช้ความสัมพันธ์ของ Spearman
อัปเดตการครุ่นคิดมากกว่าความคิดเห็นและคำตอบดูเหมือนว่าสำหรับฉันแล้วสิ่งนี้ทำให้เกิดการถกเถียงกันในการทดสอบแบบอิงพารามิเตอร์ วรรณกรรมส่วนใหญ่เช่นในชีวสถิติไม่ได้เกี่ยวข้องกับตัวอย่างจำนวนมาก ฉันมักจะไม่ใช่นักรบที่ต้องพึ่งพาซีมโทติค บางทีมันอาจจะเป็นธรรมในกรณีนี้ แต่นั่นก็ไม่ปรากฏชัดเจนสำหรับฉัน