𝑪𝒐𝒓𝒓𝒆́𝒍𝒂𝒕𝒊𝒐𝒏 𝒅𝒆 𝑺𝒑𝒆𝒂𝒓𝒎𝒂𝒏 : 𝒒𝒖𝒂𝒏𝒅 𝒍’𝒐𝒓𝒅𝒓𝒆 𝒅𝒆𝒔 𝒅𝒐𝒏𝒏𝒆́𝒆𝒔 𝒑𝒂𝒓𝒍𝒆 𝒑𝒍𝒖𝒔 𝒒𝒖𝒆 𝒍𝒆𝒖𝒓 𝒗𝒂𝒍𝒆𝒖𝒓

En statistique, toutes les relations entre deux variables ne sont pas forcément linéaires.

Parfois, ce qui compte n’est pas la valeur exacte observée, mais plutôt le rang, l’ordre ou la position des observations.

C’est exactement là qu’intervient la 𝒄𝒐𝒓𝒓𝒆́𝒍𝒂𝒕𝒊𝒐𝒏 𝒅𝒆 𝑺𝒑𝒆𝒂𝒓𝒎𝒂𝒏.

Contrairement à la corrélation de Pearson, qui compare directement les valeurs numériques, Spearman compare plutôt les classements.

En d’autres termes, Spearman ne demande pas seulement :

“Les points suivent-ils une droite ?”

Il demande surtout :

“Les rangs évoluent-ils dans le même sens ?”

Si une variable augmente et que l’autre augmente aussi régulièrement, alors la corrélation de Spearman se rapproche de +1.

Si une variable augmente pendant que l’autre diminue régulièrement, elle se rapproche de −1.

Et si aucun ordre clair n’apparaît entre les deux variables, elle se rapproche de 0.

𝑄𝑢𝑎𝑛𝑑 𝑢𝑡𝑖𝑙𝑖𝑠𝑒𝑟 𝑆𝑝𝑒𝑎𝑟𝑚𝑎𝑛 ?

On l’utilise surtout lorsque les données sont ordinales, lorsque les variables ne respectent pas la normalité, lorsqu’il existe des valeurs extrêmes, ou lorsque la relation est monotone mais pas forcément linéaire.

Exemple simple :

plus le rang d’expérience d’un employé augmente, plus son rang de performance peut aussi augmenter, sans que la relation soit parfaitement linéaire.

𝑳’𝒊𝒅𝒆́𝒆 𝒄𝒍𝒆́ :

La corrélation de Spearman mesure la force et le sens d’une relation en se basant sur l’ordre des données, pas seulement sur leurs valeurs exactes.

𝑨̀ 𝒓𝒆𝒕𝒆𝒏𝒊𝒓 :

Pearson regarde les valeurs.

Spearman regarde les rangs.

Et parfois, les rangs révèlent mieux la vraie structure d’une relation.

Inscrivez-vous dès maintenant pour réserver votre place pour la prochaine session de notre formation en É𝗰𝗼𝗻𝗼𝗺é𝘁𝗿𝗶𝗲 𝗲𝘁 𝗧𝗲𝗰𝗵𝗻𝗶𝗾𝘂𝗲𝘀 quantitatives https://forms.gle/yZAZimRXbTFbUWZk6

#Statistique

#DataScience

#AnalyseDeDonnées #Corrélation #Spearman