Tau de Kendall

Como se explica aquí: https://www.statisticshowto.datasciencecentral.com/kendalls-tau/, Kendall’s Tau, o Kendall Rank Correlation Coefficient, es una medida no paramétrica de relaciones entre columnas de datos clasificados. El coeficiente de correlación de Tau devuelve un valor de 0 a 1, donde:

• 0 es ninguna relación
• 1 es una relación perfecta

Una peculiaridad de esta prueba es que también puede producir valores negativos (es decir, de -1 a 0). A diferencia de un gráfico lineal, una relación negativa no significa mucho con las columnas clasificadas (aparte de que quizás haya cambiado las columnas), así que simplemente elimine el signo negativo cuando esté interpretando Tau.

Existen varias versiones de Tau.

• Tau-A y Tau-B generalmente se usan para tablas cuadradas (con columnas y filas iguales). Tau-B se ajustará para rangos empatados
• Tau-C se usa generalmente para mesas rectangulares. Para mesas cuadradas, Tau-B y Tau-C son esencialmente lo mismo.

La mayoría de los paquetes estadísticos tienen Tau-B incorporado, pero puede usar la siguiente fórmula para calcularlo a mano:

Tau de Kendall = (C – D / C + D)

Donde C es el número de pares concordantes y D es el número de pares discordantes.

Preste atención a la configuración de este, debe asegurarse de comenzar con una columna de valores ordenada y clasificada. La medida en Power BI se ve así:

Kendall's Tau = 
VAR __table="Data"
VAR __table1 = ADDCOLUMNS(__table,"__Concordant",COUNTROWS(FILTER(__table,[Index]>EARLIER([Index])&&[Interviewer2]>EARLIER([Interviewer2]))))
VAR __table2 = ADDCOLUMNS(__table1,"__Discordant",COUNTROWS(FILTER(__table,[Index]>EARLIER([Index])&&[Interviewer2]<EARLIER([Interviewer2]))))
VAR __C = SUMX(__table2,[__Concordant])
VAR __D = SUMX(__table2,[__Discordant])
RETURN
ABS(DIVIDE(__C - __D , __C + __D,0))

eyJrIjoiYzViZWY5NjQtMzM1Ny00MzQ4LTkxMzQtMjgzMWRhZjljYTc2IiwidCI6IjRhMDQyNzQzLTM3M2EtNDNkMi04MjdiLTAwIjNkMi04MjdiLTAwIm2YM0