Analisis korelasi adalah metode yang memungkinkan Anda mendeteksi ketergantungan antara sejumlah variabel acak tertentu. Tujuan analisis korelasi adalah untuk mengidentifikasi penilaian kekuatan hubungan antara keduanya variabel acak atau tanda-tanda yang mencirikan proses nyata tertentu.
Hari ini kami mengusulkan untuk mempertimbangkan bagaimana analisis korelasi Spearman digunakan untuk menampilkan secara visual bentuk-bentuk komunikasi dalam perdagangan praktis.
Korelasi Spearman atau dasar analisis korelasi
Untuk memahami apa itu analisis korelasi, Anda perlu memahami konsep korelasi terlebih dahulu.
Pada saat yang sama, jika harga mulai bergerak ke arah yang Anda inginkan, Anda perlu membuka posisi Anda tepat waktu.
Untuk strategi ini, yang didasarkan pada analisis korelasi, instrumen perdagangan dengan tingkat korelasi yang tinggi paling cocok (EUR/USD dan GBP/USD, EUR/AUD dan EUR/NZD, AUD/USD dan NZD/USD, kontrak CFD dan sejenisnya).
Video: Penerapan korelasi Spearman di pasar Forex
Disiplin “matematika tingkat tinggi” menimbulkan penolakan di kalangan sebagian orang, karena sebenarnya tidak semua orang dapat memahaminya. Tetapi mereka yang cukup beruntung untuk mempelajari mata pelajaran ini dan memecahkan masalah dengan menggunakan berbagai persamaan dan koefisien dapat membanggakan kesadarannya yang hampir sempurna. DI DALAM ilmu psikologi Tidak hanya fokus kemanusiaan, tetapi juga rumus dan metode tertentu untuk pengujian matematis terhadap hipotesis yang dikemukakan selama penelitian. Berbagai koefisien digunakan untuk ini.
Koefisien korelasi Spearman
Ini adalah pengukuran umum untuk menentukan kekuatan hubungan antara dua karakteristik. Koefisien disebut juga metode nonparametrik. Ini menunjukkan statistik komunikasi. Artinya, kita tahu, misalnya, bahwa pada seorang anak, agresi dan lekas marah saling berhubungan, dan koefisien korelasi peringkat Spearman menunjukkan hubungan matematis statistik antara kedua karakteristik ini.
Bagaimana cara menghitung koefisien peringkat?
Secara alami, semua definisi atau besaran matematika memiliki rumusnya sendiri untuk menghitungnya. Koefisien korelasi Spearman juga memilikinya. Rumusnya adalah sebagai berikut:
Sekilas rumusnya tidak sepenuhnya jelas, namun jika dilihat, semuanya sangat mudah untuk dihitung:
- n adalah banyaknya fitur atau indikator yang diperingkat.
- d adalah selisih antara dua peringkat tertentu yang berhubungan dengan dua variabel spesifik untuk setiap mata pelajaran.
- ∑d 2 - jumlah semua selisih kuadrat antara peringkat suatu fitur, yang kuadratnya dihitung secara terpisah untuk setiap peringkat.
Lingkup penerapan ukuran koneksi matematis
Untuk menerapkan koefisien peringkat, data kuantitatif suatu atribut perlu diberi peringkat, yaitu diberi nomor tertentu tergantung pada tempat di mana atribut tersebut berada dan nilainya. Telah dibuktikan bahwa dua rangkaian karakteristik yang dinyatakan dalam bentuk numerik agak sejajar satu sama lain. Koefisien korelasi peringkat Spearman menentukan derajat paralelisme ini, kedekatan hubungan antar karakteristik.
Untuk operasi matematika menghitung dan menentukan hubungan karakteristik menggunakan koefisien yang ditentukan, Anda perlu melakukan beberapa tindakan:
- Setiap nilai dari subjek atau fenomena apa pun diberi nomor secara berurutan - peringkat. Ini dapat sesuai dengan nilai suatu fenomena dalam urutan menaik atau menurun.
- Selanjutnya rangking nilai ciri dari dua deret kuantitatif dibandingkan untuk mengetahui perbedaannya.
- Untuk setiap selisih yang diperoleh, kuadratnya ditulis pada kolom tersendiri pada tabel, dan hasilnya dirangkum di bawah ini.
- Setelah langkah-langkah ini, rumus diterapkan untuk menghitung koefisien korelasi Spearman.
Sifat koefisien korelasi
Sifat-sifat utama koefisien Spearman adalah sebagai berikut:
- Mengukur nilai antara -1 dan 1.
- Tidak ada tanda-tanda koefisien interpretasi.
- Ketatnya sambungan ditentukan oleh prinsip: semakin tinggi nilainya, semakin dekat sambungannya.
Bagaimana cara memeriksa nilai yang diterima?
Untuk memeriksa hubungan antar tanda, Anda perlu melakukan tindakan tertentu:
- Hipotesis nol (H0) diajukan yang juga merupakan hipotesis utama, kemudian dirumuskan alternatif lain dari hipotesis pertama (H 1). Hipotesis pertama adalah koefisien korelasi Spearman adalah 0 yang berarti tidak akan ada hubungan. Sebaliknya yang kedua menyatakan bahwa koefisiennya tidak sama dengan 0, maka ada hubungan.
- Langkah selanjutnya adalah mencari nilai observasi dari kriteria tersebut. Itu ditemukan menggunakan rumus dasar koefisien Spearman.
- Selanjutnya, nilai kritis dari kriteria yang diberikan ditemukan. Hal ini hanya dapat dilakukan dengan menggunakan tabel khusus, yang menampilkan berbagai nilai untuk indikator tertentu: tingkat signifikansi (l) dan angka penentu (n).
- Sekarang Anda perlu membandingkan dua nilai yang diperoleh: nilai yang dapat diamati dan nilai kritis. Untuk melakukan hal ini, perlu dibangun wilayah kritis. Anda perlu menggambar garis lurus, tandai titik-titik nilai kritis koefisien dengan tanda “-” dan tanda “+”. Kiri dan kanan dari nilai-nilai kritis Area kritis diplot dalam bentuk setengah lingkaran dari titik-titik tersebut. Di tengah, menggabungkan dua nilai, ditandai dengan OPG setengah lingkaran.
- Setelah itu diambil kesimpulan tentang eratnya hubungan antara kedua sifat tersebut.
Di manakah tempat terbaik untuk menggunakan nilai ini?
Ilmu pertama yang menggunakan koefisien ini secara aktif adalah psikologi. Bagaimanapun, ini adalah ilmu yang tidak didasarkan pada angka, tetapi untuk membuktikan hipotesis penting mengenai perkembangan hubungan, karakter orang, dan pengetahuan siswa, diperlukan konfirmasi statistik atas kesimpulannya. Ini juga digunakan dalam perekonomian, khususnya dalam transaksi valuta asing. Di sini fitur dievaluasi tanpa statistik. Koefisien korelasi peringkat Spearman sangat cocok untuk bidang penerapan ini karena penilaian dilakukan terlepas dari distribusi variabel, karena variabel tersebut diganti dengan nomor peringkat. Koefisien Spearman digunakan secara aktif di perbankan. Sosiologi, ilmu politik, demografi dan ilmu-ilmu lainnya juga menggunakannya dalam penelitian mereka. Hasilnya diperoleh dengan cepat dan seakurat mungkin.
Koefisien korelasi Spearman di Excel mudah dan cepat digunakan. Ada fungsi khusus di sini yang membantu Anda dengan cepat mendapatkan nilai yang diperlukan.
Koefisien korelasi apa lagi yang ada?
Selain apa yang kita pelajari tentang koefisien korelasi Spearman, terdapat juga berbagai koefisien korelasi yang memungkinkan kita mengukur dan mengevaluasi karakteristik kualitatif, hubungan antara karakteristik kuantitatif, dan kedekatan hubungan di antara keduanya, yang disajikan dalam skala peringkat. Ini adalah koefisien seperti biserial, rank-biserial, kontingensi, asosiasi, dan sebagainya. Koefisien Spearman dengan sangat akurat menunjukkan kedekatan hubungan, tidak seperti semua metode penentuan matematis lainnya.
- ini adalah penilaian kuantitatif studi statistik hubungan antar fenomena yang digunakan dalam metode nonparametrik.
Indikator tersebut menunjukkan bagaimana jumlah perbedaan kuadrat antara peringkat yang diperoleh selama observasi berbeda dengan kasus tidak ada hubungan.
Tujuan layanan. Dengan menggunakan kalkulator online ini Anda dapat:
- perhitungan koefisien korelasi peringkat Spearman;
- perhitungan interval kepercayaan untuk koefisien dan penilaian signifikansinya;
Koefisien korelasi peringkat Spearman mengacu pada indikator untuk menilai kedekatan komunikasi. Sifat kualitatif keeratan hubungan koefisien korelasi pangkat, serta koefisien korelasi lainnya, dapat dinilai dengan menggunakan skala Chaddock.
Perhitungan koefisien terdiri dari langkah-langkah berikut:
Sifat koefisien korelasi peringkat Spearman
Daerah aplikasi. Koefisien korelasi peringkat digunakan untuk menilai kualitas komunikasi antara dua populasi. Selain itu, miliknya signifikansi statistik digunakan ketika menganalisis data untuk heteroskedastisitas.
Contoh. Berdasarkan sampel variabel X dan Y yang diamati:
- membuat tabel peringkat;
- temukan koefisien korelasi peringkat Spearman dan periksa signifikansinya pada level 2a
- menilai sifat ketergantungan
| X | Y | peringkat X, dx | peringkat Y, d y |
| 28 | 21 | 1 | 1 |
| 30 | 25 | 2 | 2 |
| 36 | 29 | 4 | 3 |
| 40 | 31 | 5 | 4 |
| 30 | 32 | 3 | 5 |
| 46 | 34 | 6 | 6 |
| 56 | 35 | 8 | 7 |
| 54 | 38 | 7 | 8 |
| 60 | 39 | 10 | 9 |
| 56 | 41 | 9 | 10 |
| 60 | 42 | 11 | 11 |
| 68 | 44 | 12 | 12 |
| 70 | 46 | 13 | 13 |
| 76 | 50 | 14 | 14 |
Matriks peringkat.
| peringkat X, dx | peringkat Y, d y | (dx - dy) 2 |
| 1 | 1 | 0 |
| 2 | 2 | 0 |
| 4 | 3 | 1 |
| 5 | 4 | 1 |
| 3 | 5 | 4 |
| 6 | 6 | 0 |
| 8 | 7 | 1 |
| 7 | 8 | 1 |
| 10 | 9 | 1 |
| 9 | 10 | 1 |
| 11 | 11 | 0 |
| 12 | 12 | 0 |
| 13 | 13 | 0 |
| 14 | 14 | 0 |
| 105 | 105 | 10 |
Pengecekan kebenaran matriks berdasarkan perhitungan checksum:
Jumlah kolom-kolom matriks sama satu sama lain dan check sum berarti matriks tersusun dengan benar.
Dengan menggunakan rumus tersebut, kami menghitung koefisien korelasi peringkat Spearman.
Hubungan antara sifat Y dan faktor X kuat dan langsung
Signifikansi koefisien korelasi peringkat Spearman
Untuk menguji hipotesis nol pada tingkat signifikansi α bahwa koefisien korelasi peringkat Spearman secara umum sama dengan nol berdasarkan hipotesis bersaing Hi. p ≠ 0, kita perlu menghitung titik kritisnya:
dimana n adalah ukuran sampel; ρ adalah sampel koefisien korelasi rank Spearman: t(α, k) adalah titik kritis daerah kritis dua sisi, yang didapat dari tabel titik kritis distribusi Student, sesuai dengan taraf signifikansi α dan bilangan derajat kebebasan k = n-2.
Jika |p|< Т kp - нет оснований отвергнуть нулевую гипотезу. Ранговая koneksi korelasi tidak signifikan antar karakteristik kualitatif. Jika |p| > T kp - hipotesis nol ditolak. Terdapat korelasi peringkat yang signifikan antara karakteristik kualitatif.
Dengan menggunakan tabel Siswa kita menemukan t(α/2, k) = (0,1/2;12) = 1,782
Sejak T kp< ρ , то отклоняем гипотезу о равенстве 0 коэффициента ранговой корреляции Спирмена. Другими словами, коэффициент ранговой корреляции статистически - значим и ранговая корреляционная связь между оценками по двум тестам значимая.
Koefisien korelasi rank Spearman adalah metode non-parametrik yang digunakan untuk mempelajari hubungan antar fenomena secara statistik. Dalam hal ini, tingkat paralelisme sebenarnya antara keduanya ditentukan. seri kuantitatif karakteristik yang dipelajari dan penilaian kedekatan hubungan yang terjalin diberikan dengan menggunakan koefisien yang dinyatakan secara kuantitatif.
1. Sejarah perkembangan koefisien korelasi pangkat
Kriteria ini dikembangkan dan diusulkan untuk analisis korelasi pada tahun 1904 Charles Edward Spearman, psikolog Inggris, profesor di Universitas London dan Chesterfield.
2. Koefisien Spearman digunakan untuk apa?
Koefisien korelasi rank Spearman digunakan untuk mengidentifikasi dan mengevaluasi keeratan hubungan antara dua rangkaian yang dibandingkan indikator kuantitatif. Jika peringkat indikator, yang diurutkan berdasarkan tingkat kenaikan atau penurunan, dalam banyak kasus bertepatan (nilai yang lebih besar dari satu indikator berarti semakin besar nilai indikator lainnya - misalnya, saat membandingkan tinggi badan dan berat badan pasien), disimpulkan ada lurus koneksi korelasi. Jika peringkat indikator memiliki arah yang berlawanan (nilai yang lebih tinggi dari satu indikator berarti nilai yang lebih rendah dari indikator lainnya - misalnya, saat membandingkan usia dan detak jantung), lalu mereka membicarakan balik hubungan antar indikator.
- Koefisien korelasi Spearman memiliki sifat sebagai berikut:
- Koefisien korelasi dapat mengambil nilai dari minus satu ke satu, dan dengan rs=1 terdapat hubungan yang sangat langsung, dan dengan rs= -1 terdapat hubungan yang sangat erat. Masukan.
- Jika koefisien korelasinya negatif maka terdapat hubungan umpan balik; jika positif maka terdapat hubungan searah.
- Jika koefisien korelasinya nol, maka praktis tidak ada hubungan antar besaran.
- Semakin dekat modul koefisien korelasi dengan kesatuan, semakin kuat hubungan antara besaran-besaran yang diukur.
3. Dalam hal apa koefisien Spearman dapat digunakan?
Karena koefisien adalah sebuah metode analisis nonparametrik, tidak diperlukan tes untuk distribusi normal.
Indikator yang sebanding dapat diukur baik dalam skala berkelanjutan(misalnya, jumlah sel darah merah dalam 1 l darah), dan c urut(misalnya, penilaian ahli poin dari 1 sampai 5).
Efektivitas dan kualitas penilaian Spearman menurun jika perbedaan antara nilai-nilai yang berbeda dari setiap besaran yang diukur cukup besar. Tidak disarankan menggunakan koefisien Spearman jika terdapat distribusi nilai besaran yang diukur tidak merata.
4. Bagaimana cara menghitung koefisien Spearman?
Perhitungan koefisien korelasi rank Spearman meliputi langkah-langkah sebagai berikut:
5. Bagaimana mengartikan nilai koefisien Spearman?
Saat menggunakan koefisien korelasi peringkat, kedekatan hubungan antar karakteristik dinilai secara kondisional, dengan mempertimbangkan nilai koefisien sama dengan 0,3 atau kurang sebagai indikator hubungan lemah; nilai lebih dari 0,4, tetapi kurang dari 0,7 merupakan indikator keeratan keterhubungan sedang, dan nilai 0,7 atau lebih merupakan indikator keeratan keterhubungan yang tinggi.
Signifikansi statistik dari koefisien yang diperoleh dinilai dengan menggunakan uji-t Student. Jika nilai uji-t hitung lebih kecil dari nilai tabulasi untuk sejumlah derajat kebebasan tertentu, maka hubungan yang diamati tidak signifikan secara statistik. Jika lebih besar, maka korelasi tersebut dianggap signifikan secara statistik.
Koefisien korelasi peringkat, yang dikemukakan oleh K. Spearman, mengacu pada ukuran nonparametrik dari hubungan antar variabel yang diukur pada skala peringkat. Saat menghitung koefisien ini, tidak diperlukan asumsi mengenai sifat distribusi karakteristik dalam populasi. Koefisien ini menentukan derajat keeratan hubungan antar sifat ordinal, yang dalam hal ini mewakili barisan besaran yang dibandingkan.
Koefisien korelasi Spearman juga terletak pada kisaran +1 dan -1. Koefisien ini, seperti koefisien Pearson, bisa positif dan negatif, mencirikan arah hubungan antara dua karakteristik yang diukur pada skala peringkat.
Pada prinsipnya jumlah fitur yang diperingkat (kualitas, ciri, dll) bisa berapa saja, tetapi proses pemeringkatan lebih dari 20 fitur sulit dilakukan. Mungkin inilah sebabnya tabel nilai kritis koefisien korelasi peringkat dihitung hanya untuk empat puluh fitur peringkat (n< 40, табл. 20 приложения 6).
Koefisien korelasi peringkat Spearman dihitung dengan menggunakan rumus:
dimana n adalah jumlah fitur yang diperingkat (indikator, subjek);
D adalah selisih rangking dua variabel untuk setiap mata pelajaran;
Jumlah perbedaan peringkat kuadrat.
Dengan menggunakan koefisien korelasi peringkat, perhatikan contoh berikut.
Contoh: Seorang psikolog mencari tahu bagaimana indikator individu kesiapan sekolah, yang diperoleh sebelum mulai bersekolah di antara 11 siswa kelas satu, berhubungan satu sama lain dan rata-rata kinerja mereka pada akhir tahun ajaran.
Untuk mengatasi masalah ini, kami memberi peringkat, pertama, nilai indikator kesiapan sekolah yang diperoleh saat masuk sekolah, dan kedua, indikator akhir kinerja akademik pada akhir tahun rata-rata untuk siswa yang sama. Kami menyajikan hasilnya dalam tabel. 13.
Tabel 13
|
Siswa no. | |||||||||||
|
Peringkat Indikator Kesiapan Sekolah | |||||||||||
|
Peringkat kinerja tahunan rata-rata | |||||||||||
Kami mengganti data yang diperoleh ke dalam rumus dan melakukan perhitungan. Kita mendapatkan:
Untuk mengetahui tingkat signifikansinya, lihat tabel. 20 dari Lampiran 6, yang menunjukkan nilai kritis koefisien korelasi peringkat.
Kami menekankan hal itu dalam tabel. 20 Lampiran 6, seperti pada tabel untuk korelasi linier Pearson, semua nilai koefisien korelasi diberikan menurut nilai mutlak. Oleh karena itu, tanda koefisien korelasi hanya diperhitungkan ketika menafsirkannya.
Pencarian tingkat signifikansi pada tabel ini dilakukan dengan angka n, yaitu dengan jumlah subjek. Dalam kasus kita n = 11. Untuk bilangan ini kita temukan:
0,61 untuk P 0,05
0,76 untuk P 0,01
Kami membangun ``sumbu signifikansi"" yang sesuai:
Koefisien korelasi yang dihasilkan bertepatan dengan nilai kritis pada tingkat signifikansi 1%. Oleh karena itu, dapat dikatakan bahwa indikator kesiapan sekolah dan nilai akhir siswa kelas satu dihubungkan oleh korelasi positif - dengan kata lain, semakin tinggi indikator kesiapan sekolah, semakin baik pula pembelajaran siswa kelas satu. Dalam hal hipotesis statistik, psikolog harus menolak hipotesis nol kesamaan dan menerima hipotesis alternatif perbedaan, yang menunjukkan bahwa hubungan antara indikator kesiapan sekolah dan rata-rata prestasi akademik berbeda dari nol.
Kasus pangkat yang identik (sama).
Jika terdapat rangking yang sama maka rumus menghitung koefisien korelasi linier Spearman akan sedikit berbeda. Dalam hal ini, dua istilah baru ditambahkan ke rumus untuk menghitung koefisien korelasi, dengan mempertimbangkan peringkat yang sama. Mereka disebut koreksi peringkat yang sama dan ditambahkan ke pembilang rumus perhitungan.
dimana n adalah banyaknya rangking identik pada kolom pertama,
k adalah banyaknya rangking identik pada kolom kedua.
Jika ada dua kelompok dengan peringkat yang sama di kolom mana pun, maka rumus koreksi menjadi lebih rumit:
di mana n adalah jumlah peringkat identik pada kelompok pertama kolom peringkat,
k adalah banyaknya peringkat identik pada kelompok kedua kolom peringkat. Modifikasi rumus di kasus umum Apakah ini:
Contoh: Seorang psikolog menggunakan tes perkembangan mental (MDT) melakukan penelitian kecerdasan pada 12 siswa kelas 9. Pada saat yang sama, ia meminta guru sastra dan matematika untuk mengurutkan siswa yang sama berdasarkan indikator perkembangan mental. Tugasnya adalah mengetahui bagaimana indikator objektif perkembangan mental (data SHTUR) dan penilaian ahli guru saling berhubungan.
Kami menyajikan data eksperimen masalah ini dan kolom tambahan yang diperlukan untuk menghitung koefisien korelasi Spearman dalam bentuk tabel. 14.
Tabel 14
|
Siswa no. |
Menguji peringkat menggunakan SHTURA |
Penilaian ahli terhadap guru matematika |
Penilaian ahli guru tentang sastra |
D (kolom kedua dan ketiga) |
D (kolom kedua dan keempat) |
(kolom kedua dan ketiga) |
(kolom kedua dan keempat) |
Karena peringkat yang sama digunakan dalam pemeringkatan, maka perlu untuk memeriksa kebenaran peringkat pada kolom kedua, ketiga dan keempat pada tabel. Menjumlahkan masing-masing kolom ini menghasilkan total yang sama - 78.
Kami memeriksanya rumus perhitungan. Cek tersebut memberikan:
Tabel kolom kelima dan keenam menunjukkan nilai selisih rangking antara penilaian ahli psikolog pada tes SHTUR masing-masing siswa dengan nilai penilaian ahli guru masing-masing bidang matematika dan sastra. Jumlah nilai selisih pangkat harus sama dengan nol. Menjumlahkan nilai D pada kolom kelima dan keenam memberikan hasil yang diinginkan. Oleh karena itu, pengurangan pangkat dilakukan dengan benar. Pemeriksaan serupa harus dilakukan setiap kali melakukan pemeringkatan jenis kompleks.
Sebelum memulai penghitungan menggunakan rumus, perlu dilakukan penghitungan koreksi peringkat yang sama pada kolom kedua, ketiga, dan keempat tabel.
Dalam kasus kami, di kolom kedua tabel ada dua peringkat yang identik, oleh karena itu, menurut rumus, nilai koreksi D1 adalah: 
Kolom ketiga mempunyai tiga rangking yang identik, sehingga menurut rumus nilai koreksi D2 adalah: 
Pada kolom keempat tabel terdapat dua kelompok yang terdiri dari tiga rangking yang identik, sehingga menurut rumus nilai koreksi D3 adalah: 
Sebelum melanjutkan ke pemecahan masalah, mari kita ingat bahwa psikolog mengklarifikasi dua pertanyaan - bagaimana nilai peringkat pada tes SHtUR terkait dengan penilaian ahli dalam matematika dan sastra. Oleh karena itu penghitungannya dilakukan dua kali.
Kami menghitung koefisien peringkat pertama dengan memperhitungkan aditif sesuai dengan rumus. Kita mendapatkan:
Mari kita hitung tanpa memperhitungkan aditif:
Seperti yang bisa kita lihat, perbedaan nilai koefisien korelasinya ternyata sangat kecil.
Kami menghitung koefisien peringkat kedua dengan memperhitungkan aditif sesuai dengan rumus. Kita mendapatkan:
Mari kita hitung tanpa memperhitungkan aditif:
Sekali lagi, perbedaannya sangat kecil. Karena jumlah siswa pada kedua kasus tersebut sama, berdasarkan Tabel. 20 dari Lampiran 6 kita menemukan nilai kritis pada n = 12 untuk kedua koefisien korelasi sekaligus.
0,58 untuk P 0,05
0,73 untuk P 0,01
Kami memplot nilai pertama pada ``sumbu signifikansi'':
Dalam kasus pertama, koefisien korelasi peringkat yang diperoleh berada pada zona signifikansi. Oleh karena itu, psikolog harus menolak hipotesis nol bahwa koefisien korelasi sama dengan nol dan menerima hipotesis alternatif bahwa koefisien korelasi berbeda secara signifikan dari nol. Dengan kata lain, hasil yang diperoleh menunjukkan bahwa semakin tinggi penilaian ahli siswa pada tes SHTUR, semakin tinggi penilaian ahli matematika mereka.
Kami memplot nilai kedua pada ``sumbu signifikansi'':
Dalam kasus kedua, koefisien korelasi peringkat berada di zona ketidakpastian. Oleh karena itu, seorang psikolog dapat menerima Hipotesis nol bahwa koefisien korelasi sama dengan nol dan menolak Hipotesis alternatif bahwa koefisien korelasi berbeda signifikan dari nol. Dalam hal ini, hasil yang diperoleh menunjukkan bahwa penilaian ahli siswa pada tes SHTUR tidak berhubungan dengan penilaian ahli literatur.
Untuk menerapkan koefisien korelasi Spearman, kondisi berikut harus dipenuhi:
1. Variabel-variabel yang dibandingkan harus diperoleh dalam skala ordinal (peringkat), tetapi dapat juga diukur dalam skala interval dan rasio.
2. Sifat distribusi besaran-besaran yang berkorelasi tidak menjadi masalah.
3. Banyaknya variasi karakteristik pada variabel X dan Y yang dibandingkan harus sama.
Tabel penentuan nilai kritis koefisien korelasi Spearman (Tabel 20, Lampiran 6) dihitung dari jumlah karakteristik sama dengan n = 5 sampai n = 40, dan dengan jumlah variabel yang dibandingkan lebih banyak, tabel untuk Koefisien korelasi Pearson harus digunakan (Tabel 19, Lampiran 6). Pencarian nilai kritis dilakukan pada k = n.
