La correlazione di Spearman è uno degli strumenti più utili quando devo capire se due variabili si muovono nella stessa direzione senza pretendere una relazione lineare. Funziona sui ranghi, quindi regge meglio con dati ordinali, distribuzioni irregolari e valori anomali rispetto a molte misure più rigide. In questo articolo spiego cosa misura davvero, come si calcola, come si interpreta e in quali casi conviene davvero usarla.
In breve, conta l’ordine delle osservazioni più della distanza tra i valori
- Il coefficiente varia da -1 a +1: più si avvicina agli estremi, più la relazione è forte.
- Misura una relazione monotona, non una relazione necessariamente lineare.
- È adatto a variabili ordinali, dati non normali e situazioni con outlier.
- Se ci sono pari merito, si usano i ranghi medi.
- Non dice nulla sulla causalità e può perdere informazione se la relazione è a U o molto irregolare.
Che cosa misura davvero il coefficiente di Spearman
Io lo considero una misura di associazione di rango: confronta l’ordine delle osservazioni in una variabile con l’ordine delle stesse osservazioni nell’altra. Se i valori più alti di X tendono ad accompagnarsi ai valori più alti di Y, il coefficiente sale; se l’ordine è opposto, scende sotto zero. L’idea centrale è semplice: non mi interessa quanto un dato sia distante da un altro in termini assoluti, mi interessa se la graduatoria rimane coerente.
Questo lo rende molto utile quando lavoro con scale ordinali, classifiche, punteggi, risposte su scala Likert o serie economico-sociali che non rispettano bene i presupposti di una correlazione lineare. In un’analisi europea, per esempio, può essere più sensato confrontare il ranking delle regioni per reddito, occupazione o spesa sociale che inseguire una relazione perfettamente rettilinea. La distinzione chiave è questa: Spearman coglie una tendenza a crescere o diminuire insieme, anche se il ritmo non è costante.
Per questo, prima di usarlo, io mi chiedo sempre se il problema sia davvero di ordine o di distanza. Da qui si passa subito alla parte pratica: come si arriva al numero, passo dopo passo.
Come si calcola sui ranghi senza perdersi nei dettagli
Il calcolo parte da una trasformazione: invece dei valori grezzi, si assegnano i ranghi alle osservazioni di ciascuna variabile. Il valore più basso prende rango 1, il successivo 2, e così via. Se ci sono pari merito, si assegna il rango medio delle posizioni coinvolte. A quel punto si confrontano i due insiemi di ranghi osservazione per osservazione.
- Ordino separatamente i valori di X e di Y.
- Trasformo i valori in ranghi.
- Calcolo, per ogni coppia, la differenza tra i due ranghi, cioè d.
- Se non ci sono pareggi, posso usare la scorciatoia ρ = 1 - (6 Σd²) / [n(n² - 1)].
- Se ci sono pareggi, il principio resta lo stesso, ma il software gestisce l’aggiustamento in modo corretto.
La formula rapida è utile per capire la logica, non per sostituire sempre il calcolo automatico. Con dati reali, soprattutto quando ci sono più osservazioni uguali o campioni mediamente grandi, è meglio affidarsi a uno strumento statistico che gestisca bene i dettagli. La cosa importante da ricordare è che il coefficiente nasce dal confronto tra posizioni relative, non tra valori assoluti. E proprio questa scelta cambia molto il modo in cui va letto il risultato.
Come leggere il valore e non sovrainterpretarlo
Un errore che vedo spesso è trattare il coefficiente come se avesse soglie universali perfettamente rigide. In realtà, la lettura dipende dal contesto, dalla disciplina e dalla variabilità dei dati. Detto questo, una griglia pratica aiuta a orientarsi.
| Valore di ρ | Lettura pratica | Che cosa significa davvero |
|---|---|---|
| da 0,80 a 1,00 | Associazione molto forte e positiva | I ranghi tendono a muoversi quasi sempre nella stessa direzione |
| da 0,50 a 0,79 | Associazione moderata o forte | La tendenza è chiara, ma non perfetta |
| da 0,20 a 0,49 | Associazione debole o moderata | Esiste un legame, ma non domina il comportamento dei dati |
| da -0,19 a 0,19 | Relazione monotona molto debole o assente | Non emerge un ordine condiviso stabile tra le due variabili |
| da -0,20 a -1,00 | Associazione negativa | Quando una variabile sale, l’altra tende a scendere |
La cautela è necessaria perché un valore alto non prova alcun rapporto causale. Dice solo che gli ordini sono allineati. Inoltre, una relazione può essere forte ma non lineare, oppure monotona solo in un tratto della distribuzione. Se il grafico suggerisce una curva a U o una forma a campana, Spearman può risultare fuorviante anche quando i punti “sembrano” collegati. Questa distinzione diventa ancora più chiara quando confronto Spearman con Pearson e Kendall.
Quando preferirlo a Pearson e Kendall
Nelle analisi pratiche io faccio così: se i dati sono continui, abbastanza regolari e la relazione appare lineare, guardo prima Pearson. Se invece voglio capire se la graduatoria di due variabili resta coerente, Spearman diventa spesso la scelta più pulita. Kendall entra in gioco quando mi serve una misura ancora più prudente, soprattutto con campioni piccoli o molti pari merito.
| Misura | Che cosa cattura | Quando la uso | Limite principale |
|---|---|---|---|
| Spearman | Relazione monotona sui ranghi | Dati ordinali, ranking, outlier, non normalità | Vede male le relazioni non monotone |
| Pearson | Relazione lineare sui valori grezzi | Variabili continue e andamento circa rettilineo | È sensibile agli outlier e alla non linearità |
| Kendall | Concordanza tra coppie di osservazioni | Campioni piccoli, molti pareggi, lettura più prudente | È spesso più conservativo e meno intuitivo per chi inizia |
La regola pratica è semplice: se il problema è di ordine, Spearman è spesso il primo strumento da provare; se il problema è di linearità, Pearson resta più adatto; se vuoi una misura molto robusta e “sobria”, Kendall può dare una seconda lettura utile. Questa gerarchia aiuta anche a evitare gli errori più comuni, che di solito nascono proprio da un uso troppo automatico delle correlazioni.
Gli errori più comuni e i limiti che contano
Il primo errore è confondere correlazione e causalità. Il fatto che due variabili abbiano ranghi simili non significa che una produca l’altra. Il secondo è ignorare la forma del grafico: una relazione a U, per esempio, può produrre un coefficiente basso anche quando il legame tra le variabili è reale e rilevante. Il terzo è trattare i pareggi come un dettaglio marginale, quando in realtà possono ridurre la sensibilità della misura, soprattutto con dati discreti o molto compressi.
C’è poi un aspetto che nei report viene spesso sottovalutato: il coefficiente va sempre letto insieme alla dimensione del campione e al contesto. Un valore apparentemente alto su pochi casi può essere fragile; un valore più modesto su molte osservazioni può essere molto più stabile. Io guardo sempre il grafico a dispersione prima del numero, non dopo. È un controllo banale ma evita molte interpretazioni sbagliate.
Infine, Spearman non è lo strumento giusto quando ti interessa la distanza tra i valori e non solo il loro ordine. Se il differenziale tra due regioni, due paesi o due gruppi conta davvero sul piano sostanziale, la sola correlazione di ranghi rischia di semplificare troppo. Ed è proprio qui che un esempio concreto chiarisce meglio la logica.
Un esempio rapido su dati economici e sociali
Immaginiamo di confrontare, in modo semplificato, cinque territori europei su due variabili: investimento in formazione e occupazione giovanile. I numeri sotto non sono un dataset reale, ma servono a mostrare il meccanismo.
| Territorio | Investimento in formazione | Occupazione giovanile | Rango X | Rango Y | d | d² |
|---|---|---|---|---|---|---|
| A | 12 | 15 | 1 | 1 | 0 | 0 |
| B | 18 | 19 | 2 | 2 | 0 | 0 |
| C | 25 | 24 | 3 | 3 | 0 | 0 |
| D | 31 | 30 | 4 | 5 | -1 | 1 |
| E | 38 | 28 | 5 | 4 | 1 | 1 |
Qui la somma dei quadrati delle differenze è 2 e, con 5 osservazioni, il coefficiente diventa 0,90. Il messaggio non è che i valori coincidano perfettamente, ma che la graduatoria è quasi la stessa. Per un’analisi economico-sociale è un segnale importante: quando i territori con investimento più alto tendono anche ad avere occupazione giovanile più alta, la relazione monotona è forte anche se non è matematica al millimetro. Se però una sola variabile fosse molto distorta, o il legame cambiasse segno in una parte del campione, il risultato andrebbe riletto con molta più attenzione.
Il controllo che faccio sempre prima di fidarmi del numero
Prima di usare il risultato in un report o in un articolo, io faccio quattro verifiche rapide: guardo il grafico delle due variabili, conto i pareggi, valuto la dimensione del campione e controllo se la relazione è monotona lungo tutto l’intervallo oppure solo in una parte. Sono passaggi semplici, ma fanno la differenza tra una lettura solida e una lettura superficiale.
- Se i punti disegnano una linea curva ma sempre crescente o decrescente, Spearman è probabilmente adatto.
- Se la forma è a U, a campana o spezzata, la misura può nascondere più di quanto mostri.
- Se i valori sono molti uguali, conviene verificare quanto i ranghi medi stiano comprimendo l’informazione.
- Se il campione è piccolo, il coefficiente va letto con più prudenza e mai da solo.
In pratica, la misura è forte quando serve a descrivere l’ordine tra due variabili, non quando la si forza a spiegare tutto. Se tieni fermo questo principio, Spearman diventa uno strumento molto pulito per leggere dati economici, sociali e istituzionali senza cadere nell’illusione che solo una relazione lineare sia una relazione “vera”.
