Tanım olarak, sıra ölçeği çentikler arasındaki gerçek mesafelerin 1 2 3 4
bilinmediği ölçüdür . Sanki uyuşturucu / alkol altında bir cetvel görüyorsunuz. Gerçek mesafeler herhangi biri olabilir. Olabilir 1 2 3 4
ya 1 2 3 4
da her neyse. Mesafelere karar vermedikçe, bir istatistik - korelasyon gibi - hesaplayamayız.
Bir akıl yürütme aşağıdaki gibi olabilir. Ölçüm ölçeğimiz, gösterge, bilinmeyen bir monotonik yolla çarpıtılmış olduğundan, veri değerlerine inanamayız. Sadece büyüklüklerinin sırası güvenilirdir. Beynin daha fazla koşum takımı olmadan, siparişin değer olduğunu beyan edin. Böylece, gözlenen dağılımı, üniform dağılım, rütbeler ile değiştiriyoruz . Bundan sonra, dernek katsayısını hesaplayabilir, örneğin Pearson . Bildiğimiz gibi bu Spearman olacak . Pearson , doğrusal ilişkinin gücünü ölçer. Değişkenlerin sıralanması, monotonik ilişkinin başlangıçta düzgün olmayan dağılımlara atfedilen kısmını doğrusallaştırmak için bir hileydi. Böylece, Spearmanrrhorrhomarjinal dağılımları üniformlaştırma eylemi altında doğrusallığa dönüştürülebilen ilişkide bu tür tekdüzeliğin ölçüsüdür. OP sorusunda, iki değişkenden sadece biri sıralıdır (ve ikincisi süreklidir). Dolayısıyla, genel olarak her iki değişkeni de sıralamaya gerek yoktur . Sıralı olanı sıralayabilir ve sonra hesaplayabilir .r
Sıralamaya (üniformaya) alternatif olarak başka bir yaklaşım , sıra değişkeninin optimum ölçeklendirmesi olabilir . Optimal ölçeklendirme, sıralı ölçekte bu mesafeleri bulmak - yani bunun monotonik dönüşümünü bulmak - böylece değişkenler arasındaki doğrusal mümkün olan en üst düzeye çıkarılmasını amaçlayan yinelemeli bir prosedürdür . Sıralama yaklaşımı öncül "gerçek ölçek eşit dağılımlı verilere karşılık gelir", optimal ölçeklendirme yaklaşımı öncül "temel ölçeğe dayanır" gerçek ölçek maksimum doğrusal olan verilere karşılık gelirrr". En iyi ölçekleme kategorik regresyonda (CATREG) yapılabilir. Ancak, kategorik regresyon, diğer girdi değişkeninin ayrık (zorunlu olarak sıralı olmayan) olmasını gerektirir ve bu yüzden sürekli olarak birçok benzersiz değere sahipse, sizin tarafınızdan keyfi olarak ikiye ayrılmalıdır. .
Başka yaklaşımlar da var. Ama herhangi bir şekilde, ordinal ölçeği monoton olarak "öyleyse ..." (bir miktar varsayım veya bir hedef) olarak dönüştürüyoruz, çünkü ordinal ölçek bize bilinmeyen bir şekilde çarpıtıyor. Radikal olarak başka bir karar ilk önce "ayıklanmak" ve ya bozulmadığına (yani aralıklı) ya da bilinen bir şekilde çarpıtılmayacağına (noquiinterval) ya da nominal olduğuna karar vermek olacaktır.
Bazı asimetrik yaklaşımlar, ordinal değişkenin diğeriyle (aralık / sürekli) ordinal regresyonu içerebilir. Ya da ikincisinin sıralı regresyon ile doğrusal regresyonu, yordayıcının polinom kontrastı olarak alındığı modelle (yani, olarak girilir b1X + b2X^2 + b3X^3,...
). Bu yaklaşımların zayıflığı asimetrik olmalarıdır: bir değişken bağımlı, diğeri bağımsızdır.