В каких случаях следует использовать Spearman's rank correlation вместо Pearson's?

Spearman's rank correlation следует использовать вместо Pearson's в следующих случаях: www.numberanalytics.com

• Данные не соответствуют критериям нормального распределения. www.numberanalytics.com
• Переменные являются порядковыми или упорядоченными. www.numberanalytics.com
• Связь между переменными монотонная, но не обязательно линейная. www.geeksforgeeks.org www.numberanalytics.com
• В данных есть выбросы, которые могут негативно повлиять на результаты Pearson's корреляции. www.theiotacademy.co www.numberanalytics.com

Pearson's корреляцию используют, когда: www.numberanalytics.com

• связь между переменными линейная; www.numberanalytics.com
• данные следуют нормальному распределению; www.numberanalytics.com
• важна точная величина изменений. www.numberanalytics.com

При выборе между Spearman's и Pearson's необходимо оценивать распределение данных и характер связи. www.numberanalytics.com