来自：FRM > 一级 > 数量分析 2024-08-07 17:01
spearman's correlation和kendal'tao的优缺点有什么区别？
查看更多
175****5082
提问
11
上次登录
343天前
查看更多
175****5082
提问
11
上次登录
343天前
Ben 2024-08-08 09:13
致精进的你:
同学你好，Spearman's correlation和Kendall's tau的优缺点及其区别主要体现在它们的适用条件和计算方式上。 1. Spearman's correlation，也称为斯皮尔曼等级相关系数，是一种非参数的统计方法，用于衡量两个变量的依赖性。它基于变量值的排序位置和相关性，而不是基于变量值本身的大小。Spearman's correlation不需要变量呈正态分布的假设，也不要求变量之间是线性关系，因此它对于非线性关系和异常值具有一定的容忍度。这使得它在处理非正态分布或非线性关系的数据时表现出色。然而，Spearman's correlation的一个潜在缺点是，当数据中存在大量的重复值时，它的结果可能会受到影响，因为它基于排序位置来计算相关性1。 2. Kendall's tau，也称为肯德尔等级相关系数，是一种度量两个变量之间等级相关性的统计量。与Spearman's correlation类似，Kendall's tau也不假设变量呈正态分布，因此对于非线性关系的数据也有较好的适应性。Kendall's tau可以处理数据中的并列情况，即当两个变量的值相同时，它能够正确地计算相关性。这一点上，Kendall's tau相对于Spearman's correlation有一定的优势。然而，Kendall's tau的计算相对复杂，需要计算一致对数和分歧对数，这在大数据集上可能会比较耗时。
The real talent is resolute aspirations.
真正的才智是刚毅的志向。
