是否存在可比较有序列表与基准排序相似度的统计检验？

排序相似度度量与显著性检验方案 #

适用的核心度量指标 #

因为你需要同时兼顾绝对位置偏移惩罚和相对相邻关系正向加权，推荐优先使用自定义加权混合指标，也可以选择已成熟的统计指标组合：

• 自定义加权相似度（可灵活调整两类需求的权重）
  公式如下，取值范围0~1，得分越高和基准排序越接近：

  综合相似度 = α * 绝对位置匹配分 + (1-α) * 相邻关系匹配分
  

  α为权重系数，可根据需求调整（比如取0.5代表两类需求权重相等）：
  • 绝对位置匹配分：对每个元素计算1 - |基准位置 - 待比较列表位置|/(列表长度-1)，所有元素取值求平均，完全匹配得1，元素偏移越大得分越低。比如你举例的列表A中g从末尾偏移到首位，会被大幅惩罚。
  • 相邻关系匹配分：统计待比较列表中与基准一致的相邻元素对数量，除以总相邻对数（列表长度-1），完全匹配得1。比如你举例的列表C中a和b的相邻关系会被正向计入得分。
• 现成统计指标组合：如果不想自定义，可直接取斯皮尔曼等级相关系数（侧重绝对位置匹配）和肯德尔tau-b系数（侧重相对顺序匹配）的平均值作为综合得分，取值范围-1~1，得分越高排序越相似。

统计显著性检验方法 #

使用置换检验即可满足显著性判断需求，步骤如下：

1. 计算待比较列表与基准的实际综合相似度得分S_real
2. 生成基准列表的N个随机全排列（一般取N=10000即可满足5%显著性水平的检验精度），计算每个随机排列和基准的相似度得分，得到随机排序的得分零分布
3. 统计零分布中得分≥S_real的排列数量为k，计算p值 = k/N
4. 若p>0.05，说明该列表排序与基准无统计显著性差异；若p≤0.05，说明存在显著差异。
   针对无显著差异的多个列表，直接按综合相似度得分高低即可判断哪个和基准更接近。

你的示例计算参考 #

基准列表Benchmark = [a,b,c,d,e,f,g]，α取0.5的情况下：

• 列表A = [g,c,b,a,f,e,d]的绝对位置匹配分约0.43，相邻关系匹配分为0，综合得分约0.215
• 列表C = [c,d,e,a,b,f,g]的绝对位置匹配分约0.71，相邻关系匹配分约0.33，综合得分约0.52
  可明确判断C和基准的排序相似度远高于A。

内容的提问来源于stack exchange，提问作者ilikechess