Correlation
Kendall Tau 還是 Spearman 的 rho？
在哪些情況下應該更喜歡一種而不是另一種？
我發現有人聲稱對肯德爾有利，出於教學原因，還有其他原因嗎？
我發現當在測量尺度上處理整數值分數時，當它具有中等數量的可能分數時，或者當我們不想依賴關於雙變量關係的假設時，斯皮爾曼相關性主要用於代替通常的線性相關性. 與 Pearson 係數相比，在我看來，對 Kendall tau 的解釋不如 Spearman 的 rho 直接，因為它量化了所有可能成對事件中一致和不一致對的百分比之間的差異。在我的理解中，Kendall 的 tau 更接近Goodman-Kruskal Gamma。
我剛剛瀏覽了 J. Statistics Educ 中 Larry Winner 的一篇文章。（2006 年）討論了這兩種措施的使用，1975-2003 年 NASCAR 溫斯頓杯比賽結果。
在這方面，我還發現了關於皮爾遜或斯皮爾曼與非正態數據相關性的@onestop答案。
值得注意的是，Kendall 的 tau（a版本）與用於預測建模的 Somers' D（和 Harrell’s C）有關（參見例如，RB Newson在四個簡單模型下對 Somers' D 的解釋和其中的參考文獻6，以及 Newson 的文章發表在 2006 年的 Stata 雜誌上）。在 JSS (2006) 上發表的用於秩統計的折刀置信區間的有效計算中提供了秩和檢驗的概述。