与 Excel 不同时如何解释 R 中的 Spearman 相关性

Question

我已经运行在 R 和 Excel 中找到了一些相关性，并且由于我在同一数据上得到了非常不同的结果，所以我很困惑到底是什么正确的。我想运行 R 中较大数据的相关性，所以 excel 分析只是为了了解会发生什么，但现在我不相信自己会用 R 来解决这个问题。

这是数据和结果

X  Y
1  166
2  197
3  172
5  169
6  173
6  237
7  389
8  232
8  208

cor.test(X, Y, method="spearman")

S = 34.283, p-value = 0.03062
alternative hypothesis: true rho is not equal to 0
sample estimates:
      rho 
0.7143109

但根据excel（使用“correl”），它们之间的相关性约为 0.48。它应该对应于 S 或 rho，还是我遗漏的其他东西？

Answer 1

tl;dr 看起来 Excel 给出的是 Pearson 相关性，而不是 Spearman 相关性。（实际上，这正是您链接的帮助页面所说的内容，尽管它从未使用“Pearson”一词。您是如何得出结论 method = "spearman" 与 Excel 计算的正确匹配的。 .?)

cor.test(d$X,d$Y)（我将数据框保存为d）给出

    Pearson's product-moment correlation

data:  d$X and d$Y
t = 1.4448, df = 7, p-value = 0.1918
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 -0.2711667  0.8673254
sample estimates:
      cor 
0.4792647

与 Excel 不同时如何解释 R 中的 Spearman 相关性

How to interpret Spearman correlation in R when it's different from Excel

r

excel

correlation