Jak poprawnie ocenić korelację między zmienną porządkową a zmienną ciągłą?

Chciałbym oszacować korelację między:

Zmienna porządkowa: badani proszeni są o ocenę swoich preferencji dla 6 rodzajów owoców w skali 1-5 (od bardzo obrzydliwych do bardzo smacznych) Średnio badani używają tylko 3 punktów skali.

Ciągła zmienna: ci sami badani proszeni są o szybką identyfikację tych owoców, co daje średnią dokładność dla 6 owoców.

Czy Spearman rho jest najlepszą metodą analizy tych danych i / lub czy istnieją inne dobre metody, które mogę rozważyć?

— San
źródło

Witamy na liście Zmienna porządkowa wygląda tak, jakby faktycznie miała 6 zmiennych (po jednej na każdy owoc). Nie jest też dla mnie jasne, w jaki sposób tworzona jest zmienna identyfikacyjna ani że jest ona ciągła.

— Peter Flom - Przywróć Monikę

Dzięki, to szybko! Tak więc dla każdego przedmiotu mam 6 ocen preferencji i 6 ocen dokładności. Dokładność to średni hitrate w 16 próbach identyfikacyjnych (16 dla każdego rodzaju owoców). Trafienie polega na tym, że wybierają odpowiedni owoc, a nie, gdy wybierają niewłaściwy rodzaj owoców. Mam nadzieję, że to wyjaśniło.

— San

Możesz użyć Spearmana, który jest oparty na rangach i dlatego jest OK dla danych porządkowych. Miałbyś wtedy sześć wyników.

Jeśli chcesz zastosować inne podejście, możesz się skomplikować i spojrzeć na model wielopoziomowy, powtarzając temat. Wygląda na to, że „dokładność” zależy od „preferencji”. Tak więc model mieszany mógłby na to spojrzeć i uwzględnić brak niezależności danych. Ale, jak wspomniano, jest to o wiele bardziej złożony model do wdrożenia.

— Peter Flom - Przywróć Monikę
źródło