似乎对于使用有序测量进行管理,研究人员通常会处理Polychoric Correlation。(例如,在进行因子分析之前制作矩阵。)为什么会这样?
Kendall Tau 秩相关系数和Spearman 秩相关系数也适用于有序数据。
这些相关系数的任何“赞成”和“反对”点都是受欢迎的。
似乎对于使用有序测量进行管理,研究人员通常会处理Polychoric Correlation。(例如,在进行因子分析之前制作矩阵。)为什么会这样?
Kendall Tau 秩相关系数和Spearman 秩相关系数也适用于有序数据。
这些相关系数的任何“赞成”和“反对”点都是受欢迎的。
在评论中部分回答:
正如您的维基百科链接所述,多变量相关性假设明显的序数变量来自对潜在正常变量的分类;Kendall 的 tau 和 Spearman 的相关性不假设这一点。除此之外,Kendall Tau 或 Spearman 的 rho 中涵盖了差异?如果还有任何尚未涵盖的内容,请编辑以澄清。– 枪
(这是否意味着 Polychoric 在一般情况下不太适合? – drobnbobn)
这意味着当明显的序数变量来自对潜在的正常变量进行分类而不是其他情况时,多色是合适的。(在实践中,这更像是你愿意假设这个而不是其他假设,因为你很少知道并且无法真正检查这个假设。) OTOH,在大多数情况下,它可能没有太大区别,进行类比,请在此处查看我的答案:logit 和 probit 模型之间的区别。– 枪