在線即時計算器 · 純前端本地秒算 · 零數據上傳

🧮 Spearman Correlation 計算機

專業免費的 Spearman Correlation 計算機。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
0.8 範圍介於 −1 到 +1 之間
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

什麼是斯皮爾曼等級相關?

斯皮爾曼等級相關係數(ρ,讀作「rho」)用來衡量兩個變數之間單調關係的強度與方向。與皮爾森(Pearson)相關不同,它是以資料的等級(排名)而非原始數值來計算,因此對離群值較不敏感,也特別適合用於順序尺度資料,或是「非線性但呈單調趨勢」的關係。其值介於 −1(完全負向單調關係)、0(無單調關係)到 +1(完全正向單調關係)之間。

如何使用本計算器

請以逗號或空格分隔,分別輸入你的 X 值與 Y 值。每一個 X 都必須對應到相同位置的 Y,因此兩組清單的資料筆數必須相同。計算器會分別為兩個變數排名(遇到同分時採用平均等級),計算各組等級差的平方,並回傳 ρ,同時附上 Σd² 與配對數 n。

公式說明

經典公式為

\rho = 1 - ((6 \sum d_i^{2}) ÷ (n≤ft(n^{2}-1\right)))

其中 d 是某個 X 值的等級與其配對 Y 值等級之間的差,n 則是配對數。

≤ft{ \begin{aligned} d_i &= rank\!≤ft(X values\right) - rank\!≤ft(Y values\right) \\ n &= number of paired values \end{aligned} \right.

這個簡化公式只有在「完全沒有同分」時才會完全精確;本工具在遇到同分時改用平均等級,計算結果會與標準慣例高度一致,屬於非常接近的近似值。

實例演算

假設 X =(1, 2, 3, 4, 5)、Y =(2, 1, 4, 3, 5)。排名後,X 的等級為(1,2,3,4,5),Y 的等級為(2,1,4,3,5)。各組差值 d 為(−1, 1, −1, 1, 0),因此 d² =(1, 1, 1, 1, 0),\sum d_i^{2} = 4。代入 n = 5:

\rho = 1 - ((6(4)) ÷ (5(25 - 1))) = 1 - ((24) ÷ (120)) = 1 - 0.2 = 0.8

使用注意事項與精準校對原則(6 大核心守則)

📐 1. 嚴格對齊輸入量綱與單位

輸入各項數值時請務必確認量綱(例如小時、天數、金額、百分比),避免單位不匹配引發推算偏差。

🔒 2. 純前端本機毫秒級隱私保障

所有計算邏輯 100% 在您的終端瀏覽器內完成,資料絕不上傳伺服器,嚴格守護商業與個人隱私。

📊 3. 符合公認學術與產業計算模型

演算法嚴格遵循國際通用數學公式與標準計算模型,經多重情境交叉核對,數值嚴密精確。

📋 4. 一鍵複製與免登入 PDF 匯出

支援一鍵複製推算結果字串至剪貼簿,亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。

🔄 5. 多情景敏感度動態對比

建議針對極端值與多組預期情景分別試算,觀察輸出數據的波動區間,輔助做出更穩健的決策。

🛡️ 6. 專業諮詢與日常參考免責聲明

本工具運算結果供日常排程、學業研習與事前參考之用,如涉及重大法規或投資決策請諮詢持證專家。

常見問題 (FAQ)

它和皮爾森 r 有什麼不同?
皮爾森相關以原始數值衡量「線性」相關;斯皮爾曼則以等級衡量「單調」相關,因此能捕捉到任何持續上升或下降的趨勢關係。
如果我的資料有同分怎麼辦?
本計算器會將同分的數值都指派為它們所涵蓋等級的平均值,這也是標準的同分處理方式。
多強才算強相關?
作為粗略的參考:\(|\rho|\) 大於 0.7 屬於強相關,0.4–0.7 為中等相關,低於 0.4 則為弱相關——但務必結合實際情境來判讀。