Die Rangkorrelationsanalyse nach Spearman dient dazu, den linearen Zusammenhang zwischen zwei Variablen zu untersuchen, die mindestens ordinalskaliert sind. Da stets zwei Variablen gemeinsam betrachtet werden, spricht man von einem bivariaten Zusammenhang.

Ein solcher Zusammenhang liegt vor, wenn zwei Variablen in einer bestimmten Weise gemeinsam variieren, was als Kovariation bezeichnet wird. Diese Kovariation kann verschiedene Formen annehmen, die in der Analyse berücksichtigt werden.

Zusammenhang

Die Spearman-Rangkorrelation misst den ungerichteten linearen Zusammenhang zwischen zwei Variablen. Ungerichtet bedeutet, dass keine Unterscheidung zwischen abhängigen und unabhängigen Variablen gemacht wird, und daher keine kausalen Schlussfolgerungen gezogen werden können.

Diese Methode ist das nicht-parametrische Pendant zur bekannten Bravais-Pearson-Korrelationsanalyse. Sie wird insbesondere dann angewandt, wenn die Voraussetzungen für parametrische Verfahren, wie etwa die Normalverteilung der Daten, nicht erfüllt sind. Da nicht-parametrische Verfahren weniger strenge Anforderungen an die Daten stellen, spricht man auch von voraussetzungsfreien Verfahren. Weder müssen die Daten normalverteilt sein, noch ist eine Intervallskalierung erforderlich. Die Spearman-Korrelation eignet sich zudem hervorragend bei kleinen Stichproben oder in Fällen, in denen Ausreißer die Ergebnisse beeinflussen könnten.

Begriffe wie Spearman-Korrelation oder Spearman's Rho werden häufig synonym verwendet, wenn von der Rangkorrelation nach Spearman die Rede ist.

Die zentrale Frage bei der Rangkorrelation lautet oft vereinfacht: "Besteht ein Zusammenhang zwischen zwei Variablen?"