Spearman-Korrelation in SPSS
Der Korrelationskoeffizient von Spearman (auch Spearman-Korrelation, Spearman Rangkorrelation oder einfach nur Rangkorrelationskoeffizient) ist die non-parametrische Alternative zu der Produkt-Moment-Korrelation von Pearson. Wie auch die Produkt-Moment-Korrelation schätzt die Spearman-Korrelation die Stärke des Zusammenhangs zwischen zwei Variablen. Sie wird meistens durch den griechischen Buchstaben ρ (rho) abgekürzt, auch wenn vor allem in wissenschaftlichen Publikationen meist der Buchstabe rs verwendet wird. Der Korrelationskoeffizient ist definiert zwischen −1 und +1, wobei ein Wert von +1 einen perfekten positiven Zusammenhang zwischen beiden Variablen beschreibt, während eine Korrelation von −1 einen perfekten negativen (inversen) Zusammenhang (Antikorrelation) beschreibt. Eine Korrelation von Null bedeutet, dass kein Zusammenhang zwischen beiden Variablen existiert.
Die Spearman-Korrelation zwischen zwei Variablen ist gleich der Pearson-Korrelation zwischen den Rangwerten dieser beiden Variablen. Während die Pearson-Korrelation lineare Beziehungen betrachtet, bewertet die Spearman-Korrelation monotone Beziehungen (unabhängig davon, ob sie linear sind oder nicht). Nähere Information über die Berechnung der Spearman-Korrelation, besprechen wir auf den nächsten Seiten.
Auch wenn wir im meist noch überprüfen, ob sich der Spearman-Korrelationskoeffizient statistisch signifikant von Null unterscheidet, so zählt der Spearman-Korrelationskoeffizient dennoch nur zu den deskriptiven Statistiken. Korrelation kann nicht verwendet werden, um Kausalität zu beweisen.
Als nicht-parametrische Statistik wird sie vor allem dort eingesetzt, wo Voraussetzungen der Produkt-Moment-Korellation nicht erfüllt wurden. Dies ist beispielsweise auch der Fall, wenn eine oder beide Variablen ordinal skaliert sind. Auch wenn man vermutet, dass Ausreißer in den Daten sein könnten, kann es Vorteilhaft sein, die Spearman Korrelation zu berechnen, da sie meist deutlich besser mit extremen Daten umgehen kann, als die normale Korrelation.
Schwierigkeiten
Neben der bereits erwähnten Unfähigkeit, Kausalität zu beweisen, kann durch Korrelation auch nicht die Richtung des Effekts nachgewiesen werden. Bei einer starken Korrelation wissen wir daher nicht, welche der beiden Variablen die abhängige und welche die unabhängige ist und damit, welche Variable Einfluss ausgeübt hat.