كيفية حساب cramer's v في r

Cramer’s V هو مقياس لقوة الارتباط بين متغيرين اسميين.

وينتقل من 0 إلى 1 حيث:

• يشير 0 إلى عدم وجود ارتباط بين المتغيرين.
• 1 يشير إلى وجود علاقة قوية بين المتغيرين.

يتم حسابه على النحو التالي:

V كريمر = √ (X ² /n) / دقيقة(c-1, r-1)

ذهب:

• × ² : إحصائية مربع تشي
• ن: حجم العينة الإجمالي
• ص: عدد الأسطر
• ج: عدد الأعمدة

يقدم هذا البرنامج التعليمي بعض الأمثلة لحساب Cramer’s V لجدول الطوارئ في R.

مثال 1: Cramer’s V لجدول 2×2

يوضح التعليمة البرمجية التالية كيفية استخدام وظيفة CramerV من الحزمة rcompanion لحساب Cramer’s V لجدول 2×2:

 #create 2x2 table
data = matrix(c(7,9,12,8), nrow = 2 )

#view dataset
data

     [,1] [,2]
[1,] 7 12
[2,] 9 8

#load rcompanion library
library(rcompanion)

#calculate Cramer's V
cramerV(data)

Cramer V 
  0.1617

تبين أن قيمة Cramer’s V هي 0.1617 ، مما يشير إلى وجود ارتباط ضعيف إلى حد ما بين المتغيرين في الجدول.

لاحظ أنه يمكننا أيضًا إنتاج فاصل ثقة لـ Cramer’s V عن طريق تعيين ci = TRUE :

 cramerV(data, ci = TRUE )

  Cramer.V lower.ci upper.ci
1 0.1617 0.003487 0.4914

يمكننا أن نرى أن Cramer’s V يظل دون تغيير عند 0.1617 ، ولكن لدينا الآن فاصل ثقة بنسبة 95% يحتوي على نطاق من القيم التي من المحتمل أن تحتوي على القيمة الحقيقية لـ Cramer’s V.

تبين أن هذا الفاصل الزمني هو: [ .003487 , .4914 ].

مثال 2: Cramer’s V للجداول الكبيرة

لاحظ أنه يمكننا استخدام دالة CramerV لحساب Cramer’s V لمصفوفة من أي حجم.

يوضح التعليمة البرمجية التالية كيفية حساب Cramer’s V لجدول مكون من صفين و3 أعمدة:

 #create 2x3 table
data = matrix(c(6, 9, 8, 5, 12, 9), nrow = 2 )

#view dataset
data

     [,1] [,2] [,3]
[1,] 6 8 12
[2,] 9 5 9

#load rcompanion library
library(rcompanion)

#calculate Cramer's V
cramerV(data)

Cramer V 
  0.1775

تبين أن قيمة Cramer’s V هي 0.1775 .

يمكنك العثور على الوثائق الكاملة لوظيفة CramerV هنا .

مصادر إضافية

اختبار مربع كاي للاستقلال في R
اختبار جودة المطابقة لمربع كاي في R
اختبار فيشر الدقيق في R