Калькулятор тау Кендалла
Введіть два парні списки значень, щоб обчислити тау-b Кендалла, кількість узгоджених і неузгоджених пар, z-статистику та p-значення для рангового зв’язку між змінними.
Оцінка рангового зв’язку між двома парними змінними
Формула тау Кендалла
Де:
- \(C\) — кількість узгоджених пар (X і Y змінюються в одному напрямі)
- \(D\) — кількість неузгоджених пар (X і Y змінюються в протилежних напрямах)
- \(T_x\) — пари зі зв’язками лише за X, \(T_y\) — пари зі зв’язками лише за Y
- \(S\) — статистика Кендалла, \(S = C - D\)
- \(n\) — кількість парних спостережень
- \(\Phi\) — інтегральна функція стандартного нормального розподілу
\(\tau_B\) порівнює кожну можливу пару спостережень: якщо більшість пар узгоджені за порядком обох змінних, тау додатна; якщо більшість неузгоджені — від’ємна. Статистика z перевіряє нульову гіпотезу \(\tau = 0\) за допомогою нормального наближення.
Тау Кендалла — приклад обчислення
Приклад: десять парних спостережень з \(X = 1; 2; 3; 4; 5; 6; 7; 8; 9; 10\) і \(Y = 2; 2; 1; 4; 5; 5; 7; 6; 9; 10\) (типові значення калькулятора).
З \(\frac{10 \times 9}{2} = 45\) пар: \(C = 40\), \(D = 3\), \(T_x = 0\), \(T_y = 2\), отже \(S = 40 - 3 = 37\).
\[ \tau_B = \frac{37}{\sqrt{(40 + 3 + 0)(40 + 3 + 2)}} = \frac{37}{\sqrt{43 \times 45}} = \frac{37}{\sqrt{1935}} \approx 0.8412 \]
\[ z = \frac{37}{\sqrt{10 \times 9 \times 25 / 18}} = \frac{37}{\sqrt{125}} \approx 3.3094 \]
Результат: \(\tau_B \approx 0.8412\) — дуже сильний додатний монотонний зв’язок; двостороннє p-значення \(\approx 0.0009\), значуще на рівні 1 %.
Як користуватися калькулятором
- Введіть значення Першої змінної (X) у першому текстовому полі — по одному числу на кожне спостереження, розділяючи їх пробілами, крапками з комою або новими рядками. Підійдуть як ранги, так і вихідні значення, адже тау залежить лише від порядку.
- Введіть значення Другої змінної (Y) у другому текстовому полі, з такою ж кількістю елементів. Кожне значення Y утворює пару зі значенням X на тій самій позиції.
- Виберіть Альтернативну гіпотезу: Двостороння (τ ≠ 0) — для звичайної перевірки будь-якого зв’язку, або один із односторонніх варіантів, якщо ви очікуєте лише додатний чи від’ємний тренд.
- Ознайомтеся з результатами: тау-b Кендалла, кількості пар (узгоджених, неузгоджених і зв’язаних), \(S\), статистика z, p-значення та коротка інтерпретація сили, напряму і значущості зв’язку.
Що таке тау Кендалла?
Тау Кендалла — непараметрична міра зв’язку між двома змінними. Замість порівняння самих значень вона враховує порядок спостережень: пара точок даних є узгодженою, якщо спостереження з більшим X має також більше Y, і неузгодженою — якщо навпаки. Тау — це, по суті, різниця між часткою узгоджених і неузгоджених пар, нормована так, щоб змінюватися від \(-1\) (ідеальний спадний зв’язок) через 0 (відсутність монотонного зв’язку) до \(+1\) (ідеальний зростаючий зв’язок).
Обчислювана тут версія, тау-b, враховує зв’язки: пари з однаковим значенням X або Y неможливо класифікувати як узгоджені чи неузгоджені, і тау-b виключає їх зі знаменника, завдяки чому граничні значення \(\pm 1\) залишаються досяжними, коли дані ідеально монотонні без суперечливих зв’язків. Якщо в даних узагалі немає зв’язків, тау-b дорівнює тау-a, а також більш звичній формі \(S / \binom{n}{2}\).
Оскільки тау працює з рангами, вона охоплює будь-який монотонний зв’язок — експоненціальне зростання, криві з насиченням, порядкові шкали — а не лише прямолінійні закономірності, і є стійкою до викидів та ненормально розподілених даних. Орієнтовно: |τ| менше 0,2 — дуже слабкий зв’язок, 0,2–0,4 — слабкий, 0,4–0,6 — помірний, 0,6–0,8 — сильний, понад 0,8 — дуже сильний. Поширений орієнтир: \(\tau_B \approx \frac{2}{\pi}\arcsin(r)\), де \(r\) — кореляція Пірсона, тобто кореляція Пірсона 0,9 відповідає приблизно \(\tau \approx 0.71\).
p-значення відповідає на питання: якби X і Y справді не були пов’язані, з якою ймовірністю випадково виникла б тау щонайменше така сама екстремальна, як спостережувана? Мале p-значення (за усталеною домовленістю менше 0,05) свідчить про статистично значущий монотонний зв’язок. Щоб перетворювати z-статистику на p-значення в інших перевірках, можете також скористатися нашим калькулятором p-значення.
Тау Кендалла проти ро Спірмена
Обидві статистики вимірюють монотонний зв’язок на основі рангів і зазвичай приводять до тих самих висновків. Тау Кендалла будується на попарних порівняннях і має простішу інтерпретацію (різниця між парами, що узгоджуються, і тими, що не узгоджуються); вона менш чутлива до помилок і викидів, а її вибірковий розподіл краще поводиться в малих вибірках. Ро Спірмена — це кореляція Пірсона, застосована до рангів, і її простіше обчислити вручну. У більшості наборів даних обидві міри дають подібні висновки щодо значущості — щоб перевірити альтернативну міру на тих самих даних, скористайтеся нашим калькулятором рангової кореляції Спірмена.
Припущення, обмеження та поради
- Парні дані: кожне значення X повинно мати відповідне значення Y з того самого спостереження; обидва списки мають мати однакову довжину, а парність має бути осмисленою (порядок елементів визначає, які значення належать одне одному).
- Монотонність, а не лінійність: тау виявляє зв’язки, що послідовно зростають або спадають. U-подібний зв’язок може давати тау близьку до нуля, навіть якщо X і Y сильно пов’язані.
- Підходить для порядкових даних: оскільки важливі лише ранги, тау працює для впорядкованих категорій (наприклад, оцінок задоволеності), а не лише для неперервних вимірювань. Для невпорядкованих категорій у таблиці сполученості використовуйте натомість критерій хі-квадрат або точний критерій Фішера.
- Нормальне наближення: p-значення використовує \(z = S/\sqrt{n(n-1)(2n+5)/18}\), що дає прийнятну точність приблизно від \(n \ge 10\). Для менших вибірок або великої кількості зв’язків краще скористайтеся точними таблицями або статистичним програмним забезпеченням, яке обчислює точну дисперсію S.
- Незалежність: спостереження мають бути незалежними одне від одного; повторні вимірювання на тих самих об’єктах потребують спеціальних варіантів, як-от W Кендалла.
Коротка довідка: інтерпретація тау
| \(|\tau_B|\) | Сила зв’язку |
|---|---|
| 0,00–0,19 | Дуже слабкий |
| 0,20–0,39 | Слабкий |
| 0,40–0,59 | Помірний |
| 0,60–0,79 | Сильний |
| 0,80–1,00 | Дуже сильний |
Пам’ятайте, що це неформальні орієнтири, а не суворі межі: за достатньо великої вибірки статистично значущою може бути навіть крихітна тау, тоді як за малої кількості спостережень велика тау може не досягти значущості. Завжди повідомляйте обсяг вибірки разом із тау та p-значенням.
Часті запитання
Як обчислити тау Кендалла вручну?
Випишіть свої парні спостереження та порівняйте всі можливі пари рядків — за n спостережень їх \(\frac{n(n-1)}{2}\). Для кожної пари позначте її узгодженою, якщо більший X супроводжується більшим Y, неузгодженою, якщо більший X супроводжується меншим Y, і зв’язаною, якщо одне зі значень однакове. Потім порахуйте C, D, \(T_x\) і \(T_y\) та підставте їх у \(\tau_B = (C - D)/\sqrt{(C+D+T_x)(C+D+T_y)}\). Калькулятор робить це автоматично і показує всі кількості пар.
Яка різниця між тау-a і тау-b Кендалла?
Тау-a — це просто \(S/\binom{n}{2}\): різниця між узгодженими та неузгодженими парами, поділена на загальну кількість пар. За наявності зв’язків вона не може сягати ±1. Тау-b коригує знаменник, виключаючи зв’язані пари, тому навіть зі зв’язаними даними здатна досягати граничних значень −1 або +1. Якщо в даних узагалі немає зв’язків, обидві версії дають однаковий результат — і обидві відрізняються від ро Спірмена, яка є кореляцією Пірсона для рангів.
Скільки спостережень потрібно для надійного результату?
Тау-b можна обчислити вже за 2 пари, але p-значення спирається на нормальне наближення, точне лише приблизно від n ≥ 10. Для менших вибірок скористайтеся точними таблицями розподілу Кендалла або статистичним програмним забезпеченням із точним критерієм. Також пам’ятайте, що в малих вибірках важко досягти значущості: за n = 5 навіть ідеальний монотонний порядок може не дати p < 0,05.
Чому моя тау значуща, хоча виглядає малою?
Статистична значущість і величина ефекту — різні речі. У великій вибірці навіть дуже слабкий зв’язок (скажімо, \(\tau = 0.08\)) може давати крихітне p-значення, адже пар достатньо, щоб надійно його виявити. Завжди повідомляйте тау разом із n і p-значенням, а практичну доцільність оцінюйте за величиною тау, а не лише за значущістю. У цьому допомагають неформальні межі сили зв’язку (дуже слабкий — нижче 0,2, дуже сильний — понад 0,8).
Що станеться, якщо мої два списки мають різну довжину або містять помилки?
Калькулятор вимагає точно однакової кількості елементів в обох списках, адже пари утворюються за позицією: перший X відповідає першому Y і так далі. Якщо кількості різні або якесь значення неможливо розпізнати як число, ви побачите повідомлення про помилку замість результату. Значення можна розділяти пробілами, крапками з комою або новими рядками; приймаються як десяткові коми (наприклад, 3,5), так і десяткові крапки.
Чи можна застосовувати тау Кендалла до порядкових або рангових даних?
Так — це одна з її головних переваг. Оскільки тау використовує лише порядок значень, вона підходить для впорядкованих категорій, як-от оцінки за шкалою Лікерта, місця у змаганнях або ступені тяжкості, без припущення про рівні інтервали між рівнями. А от із невпорядкованими категоріями, як-от група крові чи країна, вона не працює: для них використовуйте критерій хі-квадрат або точний критерій Фішера для таблиці сполученості.
Чи можна перетворити тау Кендалла на коефіцієнт кореляції Пірсона?
Лише наближено, і лише коли зв’язок приблизно лінійний, а змінні неперервні та без зв’язків. Поширене наближення: \(r \approx \sin(\pi\tau/2)\) — обернене до \(\tau \approx \frac{2}{\pi}\arcsin(r)\). Наприклад, \(\tau = 0.6\) відповідає \(r \approx 0.95\). Обережно застосовуйте його до порядкових даних або даних із великою кількістю зв’язків — там ці дві міри безпосередньо не порівнянні.