Goodman-Kruskal伽玛和Kendall tau或Spearman rho相关性如何比较？
在我的工作中，我们正在比较某些数据集的预测排名与真实排名。直到最近，我们一直单独使用Kendall-Tau。一个从事类似项目的小组建议我们尝试改用Goodman-Kruskal Gamma，他们更喜欢它。我想知道不同等级相关算法之间的区别是什么。 我找到的最好的答案就是该答案，它声称使用Spearman代替了通常的线性相关，并且Kendall-Tau不太直接，更类似于Goodman-Kruskal Gamma。我正在使用的数据似乎没有任何明显的线性相关性，并且数据严重偏斜且非正态。 而且，对于我们的数据，Spearman通常报告的关联性高于Kendall-Tau，我想知道关于数据的具体含义。我不是统计学家，所以抱歉，我正在阅读的某些论文对我而言像是行话。