Коэффициенты корреляции для упорядоченных данных: Тау Кендалла против Полихорика против ро Спирмена

Похоже, что для управления упорядоченными измерениями исследователи обычно имеют дело с полихорической корреляцией . (Например, для создания матрицы перед выполнением Факторного анализа.) Почему так?

Ранговый коэффициент корреляции Кендалла Тау и ранговой коэффициент корреляции Спирмена также подходят для упорядоченных данных.

Любые пункты «за» и «против» для этих коэффициентов корреляции приветствуются.

Частично ответил в комментариях:

Как говорится в вашей ссылке на Википедию, полихорическая корреляция предполагает, что манифестные порядковые переменные происходят из классификации скрытых нормальных переменных; Соотношение Тау и Спирмена Кендалла не предполагает этого. Помимо этого, различия кроются в Кендалл Тау или ро Спирмена? Если что-то еще не покрыто, отредактируйте, чтобы уточнить. - бандит

(Значит ли это, что Polychoric менее подходит в общем случае? - drobnbobn)

Это означает, что полихорика уместна, когда манифестные порядковые переменные пришли из классификации скрытых нормальных переменных, а не иначе. (На практике это больше похоже на то, когда вы готовы принять это, а не иначе, поскольку вы редко будете знать и не сможете реально проверить предположение.) OTOH, в большинстве случаев это, вероятно, не имеет большого значения, по аналогии Смотрите мой ответ здесь: Разница между логит и пробит моделей . - бандит