He recogido datos de los empleados de 13 sucursales de un banco y también he administrado la escala de satisfacción de los clientes de cada una de las sucursales. Como resultado, no puedo disponer de pares de observaciones para cada caso de datos a nivel individual. Para hacer frente a esto, he contemplado la posibilidad de agregar calculando la media de cada sucursal para obtener datos a nivel de sucursal que me permitan emparejar las observaciones (datos) de cada sucursal. Quiero saber si esto es apropiado y si, debido al pequeño tamaño de la muestra, una prueba de Spearman $\rho$ es mejor que Kendall $\tau$ . Sin embargo, la lectura posterior ha revelado otras técnicas (como el índice de concordancia de Gower y el coeficiente de identidad de Zegers); ¿son éstas también contendientes?
Respuestas
¿Demasiados anuncios?
Dado que quiere utilizar la prueba de Spearman $\rho$ o Kendall $\tau$ Creo que su escala es al menos ordinal.
Obsérvese que en el caso de Spearman $\rho$ Tenemos la clasificación de cada individuo bajo dos caracteres. A continuación, tomar su diferencia, suqarring, sumando y usted sabe tomar algunos pasos y, finalmente, obtener la de Spearman $\rho$ .
Pero en Kendall $\tau$ tomamos cada par de individuos y nos preocupamos por el orden de sus rangos .
Claramente para calcular Kendall $\tau$ necesitamos más tiempo que el de Spearman $\rho$ pero Kendall $\tau$ nos dan una mejor idea sobre la correlación que la de Spearman $\rho$ . Si tienes tiempo, entonces debes usar a Kendall $\tau$ Si no es así, se puede utilizar la prueba de Spearman $\rho$ . Depende totalmente de ti.
Spearman ρ y Kendall τ deberían dar resultados similares con su N de 13. Pero con correlaciones altas el Spearman tiende a dar valores de correlación algo más altos y valores p más pequeños (es decir, más/significación estadística más alta) - - basado en dos corridas rápidas de Monte Carlo que acabo de hacer con r= 0 y r=.9 y N=13.
