Korte definitie
Spearman-rangcorrelatie — een statistische maat voor hoe sterk twee rangordes samenhangen, van −1 (precies omgekeerd) via 0 (geen samenhang in de rangorde) tot +1 (precies gelijk).
Ook bekend als: Spearman, rangcorrelatie, Spearman's rho.
De Spearman-rangcorrelatie is een statistische maat die aangeeft hoe sterk de volgorde van twee gerangschikte lijsten samenhangt, samengevat in één getal tussen −1 en +1. Wij gebruiken deze maat bijvoorbeeld om snelheidsscores naast zoekposities te leggen.
Wat Spearman-rangcorrelatie is
De Spearman-rangcorrelatie, meestal genoteerd als ρ (rho) of rs, meet hoe sterk twee rangordes samenhangen. Je rangschikt je data twee keer: bijvoorbeeld negentien websitebouwers op hun PageSpeed-score en dezelfde negentien op hun positienummer in Google. Vervolgens vergelijk je de rangen per bureau. Gaan hogere scores samen met hogere positienummers, dan nadert de uitkomst +1. Gaan hogere scores samen met lagere positienummers, dan nadert ze −1. Bij Google is een lager positienummer juist beter. Zonder samenhang in de rangorde zit de waarde rond 0; andere soorten verbanden zijn daarmee niet uitgesloten.
Het verschil met de Pearson-correlatie is belangrijk: Spearman gebruikt de volgorde, niet de afstand tussen de onderliggende waarden. Tussen positie 1 en 2 in Google kan een groot verschil in klikken zitten; voor de maat telt het als één rangstap. Uitschieters in de oorspronkelijke waarden hebben daardoor minder invloed. Gelijke waarden krijgen een gedeelde gemiddelde rang. De uitleg van Wikipedia gaat verder in op de berekening.
Hoe je het getal leest
Als grove leeswijzer: waarden rond ±0,8 of sterker wijzen op een sterke samenhang; tussen ±0,4 en ±0,7 spreken onderzoekers vaak van een matige samenhang; dichter bij nul is die zwakker. Die grenzen hangen af van het vakgebied en zeggen niets over statistische significantie. Bij een kleine steekproef van een stuk of twintig pagina’s kan ook een stevige waarde toeval zijn. Vermeld daarom altijd de steekproefomvang en wat er precies met elkaar is vergeleken.
Een correlatie beschrijft een samenhang, geen oorzaak. Twee rangordes kunnen meebewegen doordat een derde factor beide beïnvloedt. Een groter bedrijf kan bijvoorbeeld meer investeren in zowel vindbaarheid als technische kwaliteit. Wie uit een correlatie meteen een oorzaak afleidt, gaat verder dan het getal reikt.
Waarom wij hem gebruiken
In ons onderzoek naar lab- en praktijkdata en de benchmark van websitebouwers onderzoeken we of een hoge PageSpeed-score samengaat met een betere positie op “website laten maken”. Spearman past bij die vraag omdat we de volgorde willen vergelijken, zonder een lineair verband te veronderstellen.
De uitkomst in september 2026: +0,32 tussen labscore en positienummer bij 19 bureaus. Betere labscores gingen in die groep dus eerder samen met slechtere positienummers. Voor CrUX-LCP (p75) was de uitkomst −0,07 bij de zeven bureaus met een bruikbare waarneming: vrijwel geen samenhang in deze kleine groep. Het Chrome UX Report (CrUX) levert praktijkdata van deelnemende Chrome-gebruikers, een vorm van field data, niet een meting van alle bezoekers. De twaalf originrecords uit de afzonderlijke CrUX History-analyse zijn geen extra waarnemingen in deze correlatie; twee daarvan bevatten zelfs uitsluitend lege LCP-waarden.
Deze uitkomsten bewijzen niet dat snelheid onbelangrijk is. De sterkste samenhang in ons vervolgonderzoek naar zoekposities vonden we bij de Page Authority van de rankende URL. Ook dat is een observatie, geen bewijs van een oorzaak.