{"id":3891,"date":"2026-10-08T08:31:14","date_gmt":"2026-10-08T07:31:14","guid":{"rendered":"https:\/\/wpcalc.com\/de\/statistik\/spearman-rangkorrelation-rechner\/"},"modified":"2026-10-08T08:31:14","modified_gmt":"2026-10-08T07:31:14","slug":"spearman-rangkorrelation-rechner","status":"publish","type":"post","link":"https:\/\/wpcalc.com\/de\/statistik\/spearman-rangkorrelation-rechner\/","title":{"rendered":"Spearman-Rangkorrelationsrechner"},"content":{"rendered":"<section class=\"not-prose calculator-box\" aria-labelledby=\"calculator-title\"><div class=\"flex items-baseline sm:items-center justify-between gap-2 sm:gap-3\"><div class=\"flex flex-col sm:flex-row sm:items-center gap-2\"><span class=\"icon icon-calculator text-primary-700! text-base! dark:text-primary-300!\" aria-hidden=\"true\"><\/span><h2 id=\"calculator-title\" class=\"text-lg font-display font-bold\">Zwei Variablen in R\u00e4nge \u00fcberf\u00fchren und ihren monotonen Zusammenhang pr\u00fcfen<\/h2><\/div><div class=\"calcdash-favorite group\">\n  <button type=\"button\" class=\"favorite\" id=\"favorite\" data-favorite-id=\"3891\" data-favorite-title=\"Spearman-Rangkorrelation\" data-favorite-url=\"https:\/\/wpcalc.com\/de\/statistik\/spearman-rangkorrelation-rechner\/\" data-favorite-excerpt=\"Geben Sie zwei gepaarte Datenreihen ein, und dieser Rechner ermittelt den Rangkorrelationskoeffizienten nach Spearman (\u03c1), bildet die R\u00e4nge beider Variablen und pr\u00fcft den Zusammenhang mit einem ungef\u00e4hren p-Wert.\" aria-label=\"Zu Favoriten hinzuf\u00fcgen\" data-favorite-icon=\"icon icon-wpcalc-regression-plot\">\n    <span class=\"icon icon-shape-star-empty\" aria-hidden=\"true\"><\/span>\n  <\/button>\n  <div class=\"calcdash-favorite__tip\" aria-hidden=\"true\">\n   <span class=\"favorite-tooltip\" id=\"favorite-tooltip\"><\/span>\n  <\/div>\n  <span class=\"sr-only\" role=\"status\" id=\"favorite-status\"><\/span>\n<\/div><\/div><form action=\"https:\/\/wpcalc.com\/de\/statistik\/spearman-rangkorrelation-rechner\/\" method=\"POST\" class=\"calculator\" id=\"calculator-3891\" data-post=\"3891\"><fieldset class=\"fieldset-input is-1\"><legend class=\"sr-only\">Eingabefelder<\/legend><div class=\"field is-single\" id=\"input-1\"><label for=\"field-1\">X-Werte<\/label><textarea id=\"field-1\" name=\"xwerte\">2; 4; 6; 8; 10; 12; 14; 16; 18; 20<\/textarea><\/div><div class=\"field is-single\" id=\"input-2\"><label for=\"field-2\">Y-Werte<\/label><textarea id=\"field-2\" name=\"ywerte\">55; 62; 58; 70; 70; 71; 80; 85; 82; 90<\/textarea><\/div><div class=\"field is-single\" id=\"input-3\"><label for=\"field-3\">Alternativhypothese<\/label><div class=\"grid grid-cols-1\"><select id=\"field-3\" name=\"alternativhypothese\"><option value=\"two\" selected>Zweiseitig: \u03c1 \u2260 0 (Zusammenhang in beide Richtungen)<\/option><option value=\"greater\">Rechtsseitig: \u03c1 &gt; 0 (steigender Zusammenhang)<\/option><option value=\"less\">Linksseitig: \u03c1 &lt; 0 (fallender Zusammenhang)<\/option><\/select><svg class=\"pointer-events-none col-start-1 row-start-1 mr-2 size-5 self-center justify-self-end text-gray-500 sm:size-4\" viewBox=\"0 0 16 16\" fill=\"currentColor\" aria-hidden=\"true\" data-slot=\"icon\">\n              <path fill-rule=\"evenodd\" d=\"M4.22 6.22a.75.75 0 0 1 1.06 0L8 8.94l2.72-2.72a.75.75 0 1 1 1.06 1.06l-3.25 3.25a.75.75 0 0 1-1.06 0L4.22 7.28a.75.75 0 0 1 0-1.06Z\" clip-rule=\"evenodd\" \/>\n            <\/svg><\/div><\/div><\/fieldset><div class=\"buttons\"><button type=\"submit\" data-text=\"Neu berechnen\" id=\"calculate-button\" data-post=\"3891\">Berechnen<\/button><button type=\"reset\">Zur\u00fccksetzen<\/button><\/div><div class=\"field is-checkbox hidden!\" id=\"field-auto-calc\"><input type=\"checkbox\" id=\"auto-calc\"><label for=\"auto-calc\">Automatisch berechnen<\/label><small>Wenn aktiviert, wird das Ergebnis automatisch aktualisiert, sobald Sie einen Wert \u00e4ndern.<\/small><\/div><div class=\"fieldset-result is-hidden\" aria-labelledby=\"result-title\" aria-live=\"polite\" role=\"region\"> <h3 class=\"result-title bg-gradient-to-r from-primary-50 to-gray-50 dark:from-primary-900 dark:to-gray-800\" id=\"result-title\"><span class=\"icon icon-s-pulse\" aria-hidden=\"true\"><\/span> Ihre Ergebnisse<\/h3><div class=\"result-box\"><div class=\"field-result\" id=\"output-1\"><span class=\"field-title\"><span>Rangkorrelation nach Spearman<\/span><span class=\"result-term\">\u03c1<\/span><\/span><span class=\"field-value\" id=\"result-1\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Ergebnis kopieren\" aria-label=\"Ergebnis kopieren\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-2\"><span class=\"field-title\"><span>Anzahl der gepaarten Beobachtungen<\/span><span class=\"result-term\">n<\/span><\/span><span class=\"field-value\" id=\"result-2\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Ergebnis kopieren\" aria-label=\"Ergebnis kopieren\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-3\"><span class=\"field-title\"><span>N\u00e4herungsweiser p-Wert<\/span><span class=\"result-term\">p<\/span><\/span><span class=\"field-value\" id=\"result-3\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Ergebnis kopieren\" aria-label=\"Ergebnis kopieren\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result is-column\" id=\"output-4\"><span class=\"field-title\"><span>Interpretation, R\u00e4nge und Methode<\/span><\/span><span class=\"field-value\" id=\"result-4\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Ergebnis kopieren\" aria-label=\"Ergebnis kopieren\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><\/div><div class=\"result-actions\"><button type=\"button\" class=\"copy-link\"><svg viewBox=\"0 0 20 20\" fill=\"currentColor\" aria-hidden=\"true\"><path d=\"M12.232 4.232a2.5 2.5 0 0 1 3.536 3.536l-1.225 1.224a.75.75 0 0 0 1.061 1.06l1.224-1.224a4 4 0 0 0-5.656-5.656l-3 3a4 4 0 0 0 .225 5.865.75.75 0 0 0 .977-1.138 2.5 2.5 0 0 1-.142-3.667l3-3Z\"\/><path d=\"M11.603 7.963a.75.75 0 0 0-.977 1.138 2.5 2.5 0 0 1 .142 3.667l-3 3a2.5 2.5 0 0 1-3.536-3.536l1.225-1.224a.75.75 0 0 0-1.061-1.06l-1.224 1.224a4 4 0 1 0 5.656 5.656l3-3a4 4 0 0 0-.225-5.865Z\"\/><\/svg><span class=\"copy-link__text\">Link zu dieser Berechnung kopieren<\/span><\/button><span class=\"sr-only\" role=\"status\" id=\"copy-link-status\"><\/span><\/div><\/div><a href=\"#respond\" class=\"hidden transition-opacity duration-300 opacity-0 w-50 text-sm justify-center items-center gap-2 px-4 py-2 rounded bg-gray-200 text-gray-700 hover:bg-gray-300\" id=\"leave-comment\"><span class=\"icon icon-comments\" aria-hidden=\"true\"><\/span>Kommentar schreiben<\/a><\/form><\/section><section id=\"calc-reactions\" class=\"not-prose hidden my-12 bg-gradient-to-r from-primary-50 to-gray-50 border border-indigo-100 rounded-xl px-6 py-4 shadow-sm\" data-post=\"3891\" aria-live=\"polite\" aria-labelledby=\"calc-reactions-title\"><p id=\"calc-reactions-title\" class=\"text-sm text-gray-500 text-center mb-2\">Wie finden Sie dieses Ergebnis?<\/p><div role=\"group\" aria-labelledby=\"calc-reactions-title\" class=\"grid grid-cols-3 sm:flex sm:flex-row sm:justify-around gap-4 sm:items-center sm:flex-wrap\"><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"like\"><span class=\"reaction-count\" data-reaction-count=\"like\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude00 <\/span><span class=\"reaction-description font-medium\">Gef\u00e4llt mir <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"helpful\"><span class=\"reaction-count\" data-reaction-count=\"helpful\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\udca1 <\/span><span class=\"reaction-description font-medium\">Hilfreich <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"confused\"><span class=\"reaction-count\" data-reaction-count=\"confused\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude15 <\/span><span class=\"reaction-description font-medium\">Verwirrt <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"disappointed\"><span class=\"reaction-count\" data-reaction-count=\"disappointed\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude1e <\/span><span class=\"reaction-description font-medium\">Entt\u00e4uscht <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"inaccurate\"><span class=\"reaction-count\" data-reaction-count=\"inaccurate\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\u274c <\/span><span class=\"reaction-description font-medium\">Ungenau <\/span><\/button><\/div><div id=\"reaction-message\" class=\"hidden mt-8 rounded-md border border-primary-100 bg-white\/50 backdrop-blur-sm px-4 py-2 text-sm text-center shadow-sm\"><\/div><\/section><div class=\"calcdash-ad not-prose calcdash-ad--calc_result calcdash-ad--in-article\"><ins class=\"adsbygoogle\" style=\"display:block\" data-ad-client=\"ca-pub-1721569815777345\" data-ad-slot=\"6317458308\" data-ad-layout=\"in-article\" data-ad-format=\"fluid\"><\/ins><script>(adsbygoogle = window.adsbygoogle || []).push({});<\/script><\/div>\n<style id=\"wpcoderpro-inline-1\">.formula-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section class=\"formula-box\" aria-labelledby=\"formula-title\">\r\n\t<div id=\"formula-title\" class=\"not-prose font-display mb-4\"><span class=\"icon icon-formula\" aria-hidden=\"true\"><\/span><h2>Formel der Spearman-Rangkorrelation<\/h2><\/div>\r\n\t<figure class=\"not-prose formula\">\r\n\t\t<figcaption class=\"formula-title\">Formel<\/figcaption>\r\n\t\t<div class=\"text-base text-gray-800\" id=\"formula\">\n\\[ \\rho = 1 - \\frac{6 \\sum_{i=1}^{n} d_i^2}{n (n^2 - 1)} \\]\n<strong>Dabei gilt:<\/strong>\n<ul>\n<li>\\(d_i\\) \u2014 Differenz zwischen dem Rang der i-ten Beobachtung in X und ihrem Rang in Y<\/li>\n<li>\\(n\\) \u2014 Anzahl der gepaarten Beobachtungen<\/li>\n<\/ul>\nDiese klassische Formel liefert die Korrelation zwischen den R\u00e4ngen der beiden Variablen, sofern keine Bindungen (gleiche Werte) auftreten. \u00c4quivalent dazu ist \\(\\rho\\) der Pearson-Korrelationskoeffizient, berechnet auf den R\u00e4ngen statt auf den Rohdaten \u2014 und genau diese Definition verwendet der Rechner, damit Bindungen korrekt behandelt werden (gebundene Werte erhalten den Durchschnitt ihrer R\u00e4nge).\n<\/div>\r\n\t<\/figure>\r\n\t<br \/>\r\n<\/section>\n<style id=\"wpcoderpro-inline-2\">.calculation-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section id=\"calculation\" class=\"calculation-box\" aria-labelledby=\"calculation-title\">\r\n\t<div id=\"calculation-title\" class=\"not-prose font-display\"><span class=\"icon icon-unordered-list\" aria-hidden=\"true\"><\/span><h2>Spearman-Rangkorrelation \u2013 Rechenbeispiel<\/h2><\/div>\r\n\r\n<\/p>\n<p><strong>Beispiel:<\/strong> Zehn Studierende lernen immer mehr Stunden (X) und erzielen die in Y aufgef\u00fchrten Punkte in einem Test. Es werden die Standardwerte des Rechners verwendet: X = 2; 4; 6; 8; 10; 12; 14; 16; 18; 20 und Y = 55; 62; 58; 70; 70; 71; 80; 85; 82; 90.<\/p>\n<p>Die R\u00e4nge von X sind einfach 1 bis 10. Die Rangbildung f\u00fcr Y ergibt 1, 3, 2, 4,5; 4,5; 6, 7, 9, 8, 10 (die beiden Werte 70 teilen sich den Mittelwert der R\u00e4nge 4 und 5). Wegen dieser Bindung wird \\(\\rho\\) als Pearson-Korrelation der R\u00e4nge berechnet:<\/p>\n<p>\\[ \\rho = \\frac{\\sum r_x r_y - n \\bar{r}_x \\bar{r}_y}{\\sqrt{\\left(\\sum r_x^2 - n \\bar{r}_x^2\\right)\\left(\\sum r_y^2 - n \\bar{r}_y^2\\right)}} = \\frac{80}{\\sqrt{82.5 \\times 82}} \\approx 0.973 \\]<\/p>\n<p>Der Test von \\(H_0: \\rho = 0\\) mit \\(t = \\rho\\sqrt{\\frac{n-2}{1-\\rho^2}} \\approx 11.84\\) bei 8 Freiheitsgraden ergibt \\(p &lt; 0{,}0001\\).<\/p>\n<p><strong>Ergebnis:<\/strong> \\(\\rho \\approx 0.973\\) bei \\(n = 10\\) Paaren \u2014 ein sehr starker gleichl\u00e4ufiger (monoton steigender) Zusammenhang, statistisch signifikant auf dem 0,05-Niveau.<\/p>\n<p>\n\r\n<\/section>\n<h2>So verwenden Sie den Rechner<\/h2>\n<ol>\n<li>Geben Sie die <strong>X-Werte<\/strong> in das erste Feld ein \u2014 eine Zahl pro Beobachtung, getrennt durch Leerzeichen, Semikolons oder Zeilenumbr\u00fcche (Dezimalkommas sind zul\u00e4ssig).<\/li>\n<li>Geben Sie die <strong>Y-Werte<\/strong> in das zweite Feld ein, und zwar in exakt derselben Reihenfolge, damit jedes X dem richtigen Y zugeordnet ist.<\/li>\n<li>W\u00e4hlen Sie die <strong>Alternativhypothese<\/strong>: zweiseitig (\\(\\rho \\neq 0\\)), rechtsseitig (\\(\\rho &gt; 0\\)) oder linksseitig (\\(\\rho &lt; 0\\)). Damit legen Sie fest, welche Seite des Signifikanztests f\u00fcr den p-Wert verwendet wird.<\/li>\n<li>Lesen Sie die Ergebnisse ab: Spearman-\\(\\rho\\), die Anzahl der gepaarten Beobachtungen \\(n\\), den ungef\u00e4hren p-Wert sowie eine ausf\u00fchrliche Tabelle mit jedem Wert, seinen R\u00e4ngen, den Rangdifferenzen und der verwendeten Methode.<\/li>\n<\/ol>\n<p>Beide Listen m\u00fcssen dieselbe Anzahl von Werten enthalten (mindestens 3), und keine der beiden Variablen darf konstant sein, da die Korrelation sonst nicht definiert ist.<\/p>\n<h2>Was ist die Rangkorrelation nach Spearman?<\/h2>\n<p>Der Rangkorrelationskoeffizient nach Spearman, meist als \\(\\rho\\) (rho) oder \\(r_s\\) geschrieben, misst St\u00e4rke und Richtung des <em>monotonen<\/em> Zusammenhangs zwischen zwei Variablen: Tendiert die eine Variable dazu zu steigen, wenn die andere steigt (\\(\\rho &gt; 0\\)), oder zu sinken, wenn die andere steigt (\\(\\rho &lt; 0\\))? Das Verfahren ersetzt jeden Wert durch seinen Rang innerhalb der eigenen Variable und korreliert anschlie\u00dfend die R\u00e4nge. \\(\\rho\\) liegt immer zwischen \u22121 und +1, wobei +1 bedeutet, dass beide Rangfolgen identisch sind, und \u22121, dass sie exakt umgekehrt sind.<\/p>\n<p>Der entscheidende Unterschied zum <a href=\"https:\/\/wpcalc.com\/de\/statistik\/korrelationskoeffizient-rechner\/\">Korrelationskoeffizienten nach Pearson<\/a> liegt in der Art des erfassten Zusammenhangs. Pearson misst, wie gut eine <em>Gerade<\/em> zu den Daten passt, w\u00e4hrend Spearman nur pr\u00fcft, ob der Zusammenhang durchg\u00e4ngig steigend oder fallend ist \u2014 jede monotone Kurve z\u00e4hlt. Deshalb ist Spearman die nat\u00fcrliche Wahl, wenn die Daten ordinal sind (R\u00e4nge, Bewertungen, Noten), stark schief verteilt oder mit Ausrei\u00dfern behaftet sind, denn ein einziger extremer Wert kann Pearsons \\(r\\) stark verzerren, w\u00e4hrend er einen Rang kaum verschiebt.<\/p>\n<p>Der p-Wert beantwortet die Frage: Wie wahrscheinlich w\u00e4re eine derart gro\u00dfe Stichprobenkorrelation allein durch Zufall, wenn in der Grundgesamtheit tats\u00e4chlich kein monotoner Zusammenhang best\u00fcnde (\\(\\rho = 0\\))? Ein kleiner p-Wert (\u00fcblicherweise unter 0,05) spricht f\u00fcr einen echten Zusammenhang. Falls Sie mit p-Werten allgemein noch unsicher sind, erkl\u00e4rt der <a href=\"https:\/\/wpcalc.com\/de\/statistik\/p-wert-rechner\/\">p-Wert-Rechner<\/a> das Konzept ausf\u00fchrlicher.<\/p>\n<h2>Wie Sie das Ergebnis interpretieren<\/h2>\n<p>Beachten Sie Vorzeichen und Betrag von \\(\\rho\\) gemeinsam mit dem p-Wert:<\/p>\n<ul>\n<li><strong>Vorzeichen:<\/strong> \\(\\rho &gt; 0\\) zeigt einen steigenden Zusammenhang an, \\(\\rho &lt; 0\\) einen fallenden.<\/li>\n<li><strong>Betrag (grobe Orientierung):<\/strong> |\\(\\rho\\)| \u2265 0,9 sehr stark, 0,7\u20130,9 stark, 0,4\u20130,7 mittel, 0,2\u20130,4 schwach, unter 0,2 vernachl\u00e4ssigbar.<\/li>\n<li><strong>p-Wert:<\/strong> Er sagt Ihnen, ob sich der Zusammenhang statistisch von null unterscheidet. Ein gro\u00dfes \\(\\rho\\) aus einer winzigen Stichprobe kann trotzdem insignifikant sein.<\/li>\n<\/ul>\n<p>Bedenken Sie, dass Korrelation keine Kausalit\u00e4t ist: Selbst ein sehr starker monotoner Zusammenhang beweist nicht, dass die eine Variable die andere antreibt. Beide k\u00f6nnen von einem dritten Faktor beeinflusst werden, oder das Muster kann zuf\u00e4llig zustande gekommen sein.<\/p>\n<h2>Voraussetzungen, Grenzen und praktische Hinweise<\/h2>\n<ul>\n<li><strong>Monoton, nicht linear:<\/strong> Spearman erkennt jedes durchg\u00e4ngig steigende oder fallende Muster. Steigt der Zusammenhang erst und f\u00e4llt dann (etwa in U-Form), kann \\(\\rho\\) nahe null liegen, obwohl die Variablen klar zusammenh\u00e4ngen.<\/li>\n<li><strong>Ordinale Daten sind kein Problem:<\/strong> Es wird keine Normalverteilung vorausgesetzt \u2014 nur, dass sich die Werte sinnvoll ordnen lassen.<\/li>\n<li><strong>Bindungen:<\/strong> Tritt derselbe Wert mehrfach in einer Variable auf, erhalten die gebundenen Beobachtungen den Durchschnitt ihrer R\u00e4nge, und \\(\\rho\\) wird als Pearson-Korrelation der R\u00e4nge berechnet. Die klassische Formel \\(1 - 6\\sum d^2 \/ (n(n^2-1))\\) stimmt nur ohne Bindungen exakt; bei vielen Bindungen ist der Rang-Pearson-Ansatz der korrekte \u2014 deshalb verwendet der Rechner ihn durchg\u00e4ngig.<\/li>\n<li><strong>Kleine Stichproben:<\/strong> Der p-Wert beruht auf der Standardn\u00e4herung \\(t = \\rho\\sqrt{(n-2)\/(1-\\rho^2)}\\) mit \\(n-2\\) Freiheitsgraden, die ab \\(n \\geq 10\\) genau ist. F\u00fcr \\(n &lt; 10\\) sollten Sie \\(\\rho\\) vor Schlussfolgerungen mit exakten kritischen Werten der Spearman-Verteilung vergleichen.<\/li>\n<li><strong>Die Paarung entscheidet:<\/strong> Das k-te X muss zum k-ten Y geh\u00f6ren. Eine verdrehte Y-Liste liefert ein sinnloses Ergebnis.<\/li>\n<li><strong>Ausrei\u00dfer:<\/strong> Rangbasierte Kennzahlen sind robust dagegen \u2014 pr\u00fcfen Sie aber, ob eine extreme Beobachtung ein echter Datenpunkt oder ein Erfassungsfehler ist.<\/li>\n<\/ul>\n<p>Wenn Sie \u00fcber den Zusammenhang hinausgehend eine Variable durch die andere vorhersagen m\u00f6chten, passt der <a href=\"https:\/\/wpcalc.com\/de\/statistik\/lineare-regression-rechner\/\">Rechner f\u00fcr lineare Regression<\/a> ein Modell an und liefert dessen Koeffizienten; der <a href=\"https:\/\/wpcalc.com\/de\/statistik\/cohens-d-rechner\/\">Cohens-d-Rechner<\/a> ist n\u00fctzlich, wenn Sie Unterschiede zwischen Gruppen quantifizieren wollen statt Zusammenh\u00e4nge.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Geben Sie zwei gepaarte Datenreihen ein, und dieser Rechner ermittelt den Rangkorrelationskoeffizienten nach Spearman (\u03c1), bildet die R\u00e4nge beider Variablen und pr\u00fcft den Zusammenhang mit einem ungef\u00e4hren p-Wert.<\/p>\n","protected":false},"author":3168,"featured_media":0,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[12],"tags":[30],"class_list":["post-3891","post","type-post","status-publish","format-standard","hentry","category-statistik","tag-korrelation-regression"],"acf":[],"_links":{"self":[{"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/posts\/3891","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/users\/3168"}],"replies":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/comments?post=3891"}],"version-history":[{"count":0,"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/posts\/3891\/revisions"}],"wp:attachment":[{"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/media?parent=3891"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/categories?post=3891"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/tags?post=3891"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}