ความสัมพันธ์ที่เป็นศูนย์ไม่จำเป็นต้องบอกอะไรคุณมากนักเนื่องจากข้อมูลเหล่านั้น 'น้ำหนัก' โดยเฉพาะอย่างยิ่งข้อมูลที่รุนแรงมากแตกต่างกัน ฉันแค่ไปเล่นกับตัวอย่าง แต่ตัวอย่างที่คล้ายกันสามารถสร้างขึ้นด้วยการแจกแจง / โคปิล่าแบบ bivariate
1. Spearman correlation 0 ไม่ได้หมายความถึง Pearson correlation 0 :
ดังที่ได้กล่าวไว้ในคำถามมีตัวอย่างในความคิดเห็น แต่โครงสร้างพื้นฐานคือ "สร้างกรณีที่ความสัมพันธ์ของสเปียร์แมนคือ 0 จากนั้นนำจุดที่มากที่สุดและทำให้มันสุดขั้วมากขึ้นโดยไม่เปลี่ยนความสัมพันธ์สเปียร์แมน"
ตัวอย่างในความคิดเห็นนั้นดีมาก แต่ฉันจะเล่นกับตัวอย่าง 'สุ่ม' มากขึ้นที่นี่ ดังนั้นให้พิจารณาข้อมูลนี้ (ใน R) ซึ่งจากการก่อสร้างมีทั้ง Spearman และ Pearson correlation 0:
x=c(0.660527211673069, 0.853446087136149, -0.00673848667511427,
-0.730570343152498, 0.0519171047989013, 0.00190761493801791,
-0.72628058443299, 2.4453231076856, -0.918072410495674, -0.364060229489348,
-0.520696233492491, 0.659907250608776)
y=c(-0.0214697990371976, 0.255615059485107, 1.10561181413232, 0.572216886959267,
-0.929089680725018, 0.530329993414123, -0.219422799586819, -0.425186120279194,
-0.848952532832652, 0.859700836483046, -0.00836246690850083,
1.43806947831794)
cor(x,y);cor(x,y,method="sp")
[1] 1.523681e-18
[1] 0
ทีนี้เพิ่ม 1,000 ถึง y [12] และลบ 0.6 จาก x [9]; ความสัมพันธ์ของสเปียร์แมนนั้นไม่เปลี่ยนแปลง แต่ความสัมพันธ์ของเพียร์สันอยู่ในขณะนี้ 0.1841:
ya=y
ya[12]=ya[12]+1000
xa=x
xa[9]=xa[9]-.6
cor(xa,ya);cor(xa,ya,method="sp")
[1] 0.1841168
[1] 0
(หากคุณต้องการความสำคัญอย่างยิ่งต่อความสัมพันธ์ของเพียร์สันให้ทำซ้ำตัวอย่างทั้งหมดหลายครั้ง)
2. เพียร์สันสหสัมพันธ์ 0 ไม่ได้บ่งบอกถึงความสัมพันธ์ของสเปียร์แมน 0 :
ต่อไปนี้เป็นสองตัวอย่างที่มีค่าสหสัมพันธ์แบบเพียร์สัน แต่ไม่มีความสัมพันธ์แบบสเปียร์แมน (และอีกครั้งหากคุณต้องการความสำคัญอย่างยิ่งสำหรับความสัมพันธ์สเปียร์แมนเหล่านี้เพียงทำซ้ำตัวอย่างทั้งหมดหลายครั้ง)
ตัวอย่างที่ 1:
x1=c(rep(-3.4566679074320789866,20),-2:5)
y1=x1*x1
cor(x1,y1);cor(x1,y1,method="spe")
[1] -8.007297e-17
[1] -0.3512699
ตัวอย่างที่ 2:
k=16.881943016134132
x2=c(-9:9,-k,k)
y2=c(-9:9,k,-k)
cor(x2,y2);cor(x2,y2,method="spe")
[1] -9.154471e-17
[1] 0.4805195
ในตัวอย่างสุดท้ายนี้ความสัมพันธ์ของสเปียร์แมนสามารถทำให้แข็งแกร่งขึ้นโดยการเพิ่มคะแนนมากขึ้นใน y = x ในขณะที่ทำให้ทั้งสองจุดที่มุมบนซ้ายและขวาล่างสุดสุดขีดมากขึ้นเพื่อรักษาความสัมพันธ์ของเพียร์สันที่ 0