Calculateur de corrélation de Spearman
Rédigé par Thierno Sadou Diallo, formule vérifiée selon notre méthodologie • Mis à jour le 19/08/2026
Le coefficient de corrélation de Spearman mesure la force d'une relation monotone (pas nécessairement linéaire) entre deux variables, à partir de leurs rangs plutôt que de leurs valeurs brutes. Pour des rangs identiques sur les deux variables, le coefficient vaut exactement 1 (corrélation monotone parfaite) ; pour des rangs exactement inversés, il vaut exactement −1.
Explication
Contrairement au coefficient de corrélation de Pearson, qui mesure la force d'une relation strictement linéaire entre deux variables à partir de leurs valeurs brutes, le coefficient de Spearman travaille sur les rangs de chaque observation (1 pour la plus petite valeur, 2 pour la suivante, et ainsi de suite) plutôt que sur les valeurs elles-mêmes. Cette différence le rend capable de détecter une relation monotone (une variable qui augmente toujours quand l'autre augmente, ou toujours quand l'autre diminue) même si cette relation n'est pas parfaitement linéaire — par exemple une relation exponentielle ou logarithmique croissante, que la corrélation de Pearson sous-estimerait. La formule utilisée ici, ρ = 1 − (6 × Σd²) ÷ (n × (n² − 1)), où d est l'écart entre les rangs de chaque paire d'observations, est une version simplifiée qui suppose l'absence d'ex aequo (deux observations partageant le même rang) : en présence d'ex aequo, une formule plus générale équivalente au coefficient de Pearson calculé directement sur les rangs moyens doit être utilisée à la place. Comme le coefficient de Pearson, celui de Spearman varie toujours entre −1 (relation monotone décroissante parfaite) et +1 (relation monotone croissante parfaite), une valeur proche de 0 indiquant l'absence de relation monotone détectable.
Exemple : X aux rangs 1,2,3,4 associé à Y aux rangs 2,1,4,3
Données d'entrée
Paires de rangs (X,Y) : (1,2), (2,1), (3,4), (4,3).
Calcul
Écarts de rang : d₁=1−2=−1, d₂=2−1=1, d₃=3−4=−1, d₄=4−3=1. Somme des carrés : 1+1+1+1=4. ρ = 1 − (6×4) ÷ (4×(16−1)) = 1 − 24÷60 = 1 − 0,4 = 0,6.
Résultat
Le coefficient de corrélation de Spearman de ces rangs est de 0,6, une relation monotone positive modérée.
Questions fréquentes
Quelle est la différence entre la corrélation de Spearman et celle de Pearson ?
La corrélation de Pearson mesure une relation strictement linéaire à partir des valeurs brutes des deux variables, tandis que celle de Spearman mesure une relation monotone (qui va toujours dans le même sens, sans forcément être une ligne droite) à partir de leurs rangs. Deux variables parfaitement liées par une relation courbe mais toujours croissante peuvent avoir un coefficient de Spearman de 1 tout en ayant un coefficient de Pearson inférieur à 1.
Que faire si mes données contiennent des valeurs identiques (ex aequo) ?
La formule simplifiée utilisée par ce calculateur suppose que chaque rang est unique, sans deux observations partageant le même rang. En présence d'ex aequo, la pratique standard consiste à attribuer à ces observations le rang moyen qu'elles auraient occupé (par exemple, deux valeurs à égalité pour les rangs 2 et 3 reçoivent toutes les deux le rang 2,5), puis à recalculer la corrélation de Pearson directement sur ces rangs — une méthode plus générale, non couverte par la formule simplifiée de ce calculateur.
Comment interpréter la valeur du coefficient obtenu ?
Comme pour la corrélation de Pearson, une valeur proche de +1 indique une relation monotone croissante forte, une valeur proche de −1 une relation monotone décroissante forte, et une valeur proche de 0 l'absence de relation monotone détectable entre les deux variables. Contrairement à notre calculateur de régression linéaire simple, qui ajuste une droite précise aux données, le coefficient de Spearman ne donne qu'une mesure de la force et du sens de la relation, sans en préciser l'équation.