Je interpretatie op basis van de bronnen en van Field klopt. Om deze ogenschijnlijke inconsistentie te verzoenen helpt het om pearson r in het volgende perspectief te zien:
Het is niet enkel de eis dat de variabelen op intervalniveau worden gemeten. Het is ook van belang dat het verband tussen de twee variabelen bij benadering linear is, en dat de residuen normaal verdeeld zijn. Zodra die lineariteit wordt geschonden, of de residuen niet normaal verdeeld zijn (dit kan vaak samenvallen), dan is de pearson r niet meer robust.
De makkelijkste (en vaak beste) oplossing, is om dan te dalen in meetniveau. Door de data op ordinaal niveau te behandelen (dus algemenere impreciezere rangordes, in plaats van 'echte' getallen), wordt normaliteit geen issue meer, en is er meer ruimte om nonlineariteit op te lossen. De data tot ordinaal reduceren gebeurd zodra je een spearman rho uitvoert. Je ziet dat er dus niets bijzonders gebeurd: de data wordt ordinaal gemaakt voor gebruik in de spearman rho.
Waarom dan niet altijd een spearman rho? Het voordeel van de pearson r, net als alle parametrische toetsen, is dat ze meer power hebben. Dus als de data geschikt is voor een pearson r, dan het liefst een pearson r. Als de data niet geschikt is, dan liever een meetniveau zakken, en de daarvoor geschikte toets kiezen. In dit geval is een meetniveau zakken, de data tot ordinaal meetniveau reduceren, en de spearman rho is (o.a.) geschikt voor twee variabelen op ordinaal meetniveau.