我有兴趣评估入学考试成绩与第一学期考试成绩的关系 - 两个变量都是整数。我已经计算了Pearson相关性。
但是,由于我的变量是整数,因此散点不是真正分散的。
有没有更好的方法来计算和可视化相关性?或者他们关系的任何其他衡量标准?
如果我的两个整数没有正常分布怎么办?
这是一个问题,他们不是在同一规模? final
表示为百分比,entrance_exam
表示0-15的测试核心。
test_data <- data.frame("entrance_exam" = sample(0:15,200,replace=T), "final" = sample(0:100,200,replace=T))
str(test_data)
cor.test(entrance_exam,percentage)
ggplot(test_data, aes(x=entrance_exam, y=final)) +
geom_point()+
geom_smooth(method=lm, color="black")+
# labs(title="Correlation between Diagnostic testscore and Percentage",
# x= "Total testscore", y = "Percentage" )+
theme(plot.title = element_text(size=15, face="bold", hjust = 0.5))
如果违反正态分布假设,您可以使用秩相关性检验(Spearman):cor.test(test_data$entrance_exam,test_data$final, m = 's')
它返回一个斯皮尔曼的rho
,你可以解释它好像是一个皮尔逊的r
。
您可以使用百分比值进行转换,但由于Spearman相关性测试对数据进行排名,因此它没有任何区别。
当你的一个轴被表示为离散变量时,它会成为一个问题,你必须使用肯德尔的tau
。