散点图的消隐功能与Spearman's rho不匹配

Question

我知道在散点图中，正的rho通常与上升的趋势线相关，而负的则与下降的趋势线相关。

然而，我得到了一个正的rho（rho=0.02，p=0.91）和一个趋势线向下的散点图，如下图所示。

我使用的代码如下，数据集可以在下面找到 此处

cor.test(Finale_from_trials_online$Mean_lat_LG, Finale_from_trials_online$Mean_Lat_cue_1, method = "spearman", exact = FALSE) 

plot(Finale_from_trials$Mean_Lat_cue_1, Finale_from_trials$Mean_lat_LG, main="LG and cue 1",
     xlab="Mean latency 1", ylab="Mean latency LG", pch=19) 
abline(lm(Finale_from_trials$Mean_lat_LG~Finale_from_trials$Mean_Lat_cue_1), col="red") # regression line (y~x)

我在代码中做错了什么吗？问题是关于 lm 在 abline 论点，因为Spearman只是检查单调相关，而我绘制的是线性趋势线？

还是说，既然p值这么大，结果也不显著，就只能这样了？

有谁知道为什么p值大了会造成这种情况？

Answer 1

Spearman's r是用数值的等级来计算的。这就是为什么图中左侧y值大的离群值会被比图中手边y值稍低的数值多的数值所抵消。但正如你所指出的，r值太小了，根据你的假设检验，你不能说Spearman的r值是否真的与0不同。

相反，你所包含的线性模型对这些异常值很敏感。事实上，一个双变量线性模型的β值与皮尔逊r值的符号总是相同的，因为两种情况下的符号都来自于协方差。如果你做 cor.test() 与 method = "pearson" 你会发现它是负的。然而，由于Spearman's r不是基于协方差，这些符号可以不同。