Spearmans Korrelationskoeffizienten in Excel

Dieses Tutorium wird Ihnen helfen, einen nichtparametrischen Korrelationstest nach Spearman zu quantitativen Variablen in Excel mithilfe von XLSTAT auszuführen und zu interpretieren. Sie sind sich nicht sicher, ob dies der statistische Test ist, nach dem Sie suchen? Weitere Hinweise finden Sie hier.

Datensatz für die Durchführung eines Korrelationskoeffizienten-Tests nach Spearman

Die Daten in diesem Tutorial bestehen aus Kundenakzeptanzdaten einer Studie, bei der gegebene Marken von Kartoffelchips von 100 Konsumenten beurteilt wurden. Jeder Konsument gab eine Bewertung auf einer Skala von 1 bis 5 für die vier Attribute (Salzigkeit, Süße, Säuregehalt und Knusprigkeit). — 1 bedeutet „wenig“ und 5 „stark“ — und anschließend wurde eine globale Bewertung auf einer likert-Skala von 1 bis 10 berechnet. Ziel ist es zu überprüfen, wie die Attribute mit den Bewertungen korreliert sind.

Korrelationen werden in vielen XLSTAT Tools berechnet. Jedoch gibt es zwei speziell zu diesem Zweck bestimmte Funktionen: Die Funktion „Beschreibung der Daten/Ähnlichkeits- Unähnlichkeitsmatrizen“ und die Funktion „Korrelations-/ Assoziations-Tests/Korrelationstests“. In diesem Tutorial wird das Tool „Korrelations-/ Assoziations-Tests/Korrelationstests“ verwendet.

Einrichten eines Korrelationskoeffizienten-Tests nach Spearman

Nach dem Start von XLSTAT wählen Sie den XLSTAT/Korrelations-/ Assoziations-Tests/Korrelationstests Befehl.

Nach dem Klicken des Buttons, erscheint das Dialogfenster. Wählen Sie die Bewertungen und die vier Attribute im Feld „Beobachtungen/Variablen“. Da die erste Zeile der Tabelle einer Kopfzeile entspricht, aktivieren Sie die Option „Variablenbeschriftung“. Da es sich um ordinale und keine kontinuierlichen Daten handelt, wählen wir den Spearman Korrelationskoeffizient anstatt des Pearson Korrelationskoeffizienten, der in der Regel für kontinuierliche Daten benutzt wird.

Im Reiter „Ausgabe“ werden die anzuzeigenden Ergebnisse aktiviert.

Im Reiter "Diagramme" werden die anzuzeigenden Korrelationskarten ausgewählt.

Nach dem Klicken auf den OK Button beginnen die Berechnungen und die Ergebnisse werden angezeigt.

Interpretieren der Ergebnisse eines Korrelationskoeffizienten-Tests nach Spearman

Das erste Ergebnis stellt die deskriptiven Statistiken für die Bewertungsdaten und die Attribute dar. Die Korrelationsmatrix wird anschließend angezeigt.

Die Korrelationen zwischen den Bewertungen und den Attributen sind überwiegend niedrig. Die Korrelation zwischen den Bewertungen und der Knusprigkeit ist höher als der Mittelwert von 0.466. Die lässt den Schluss zu, dass das einzige Kriterium, das „je mehr, desto besser“ gilt die Knusprigkeit ist. Für die übrigen Kriterien ist es wahrscheinlich, dass ein mittleres Optimum existiert, über das hinaus die Konsumenten ihre Abneigung ausdrücken.

Fettgedruckte Werte sind zu einem 0.05 Niveau signifikant. Dies bedeutet, dass das Risiko falsch zu entscheiden beim Zurückweisen der Nullhypothese, dass die Korrelationen nicht signifikant verschieden sind, bei weniger als 5% liegt.

Die zugehörigen p-values (des zugehörigen Risikos) werden in der nächsten Tabelle angezeigt. Je kleiner der p-value, desto mehr ist die Korrelation von 0 verschieden. Bemerkung: Die Tests sind zweiseitig.

XLSTAT ist unter den wenigen Softwarepaketen, die Korrelationskarten erzeugen. Korrelationskarten erlauben es visuell Muster in Korrelationen zu erkennen. Während dies im Fall von vielen Dimensionen von größerer Bedeutung ist, so zeigen wir in diesem Beispiel auf, wie diese Karten eingesetzt werden können.

Die erste Korrelationskarte benutzt eine Blau-rot-Skala (kalt-heiß) zur Darstellung der Korrelationen. Die blaue Farbe entspricht einer Korrelation nahe bei -1 und die rote Farbe einer Korrelation nahe bei 1. Grün entspricht einer Korrelation nahe bei 0.

Die zweite Korrelationskarte benutzt schwarz und weiß, um positive und negative Korrelationen zu identifizieren. Die Diagonale ist in grau dargestellt.

Die dritte Korrelationskarte benutzt Muster zur Identifikation sowohl des Vorzeichens, als auch der Intensität der Korrelationen: - Linien, die von unten links nach oben rechts verlaufen entsprechen einer positiven Korrelation und umgekehrt; - je enger die Linien gezogen sind, desto näher ist die Korrelation bei 0.

Bemerkung: Falls Sie nur die Korrelationskoeffizienten zwischen zwei Stichproben berechnen möchten, können Sie in Excel im Excelblatt direkt auf die XLSTAT-Funktion XLSTAT_Spearman zugreifen. Beispiel: Auf dem Blatt „Daten“ geben Sie in der Zelle G2 den folgenden Text ein: "=XLSTAT_Spearman(A2:A101,B2:B101)".