如何在 r 中计算 cramer 的 v

Cramer 的 V是两个名义变量之间关联强度的度量。

它从 0 到 1，其中：

• 0表示两个变量之间没有关联。
• 1表示两个变量之间存在很强的关联。

计算方法如下：

克莱默的 V = √ (X ² /n) / min(c-1, r-1)

金子：

• X ² ：卡方统计量
• n：总样本量
• r：行数
• c:列数

本教程提供了一些在 R 中计算列联表的 Cramer V 的示例。

示例 1：2×2 表的 Cramer’s V

以下代码显示如何使用rcompanion包中的CramerV函数来计算 2×2 表的 Cramer V：

 #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

Cramer 的 V 结果为0.1617 ，这表明表中两个变量之间的关联相当弱。

请注意，我们还可以通过设置ci = TRUE来生成 Cramer V 的置信区间：

 cramerV(data, ci = TRUE )

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

我们可以看到，Cramer’s V 保持在0.1617不变，但我们现在有一个 95% 置信区间，其中包含一系列可能包含 Cramer’s V 真实值的值。

该区间结果为：[ .003487 , .4914 ]。

示例 2：适用于较大表格的 Cramer’s V

请注意，我们可以使用CramerV函数来计算任意大小的数组的 Cramer V。

以下代码显示如何计算 2 行 3 列表的 Cramer’s V：

 #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

Cramer 的 V 结果为0.1775 。

您可以在此处找到 CramerV 函数的完整文档。

其他资源

R 中独立性的卡方检验
R 中的卡方拟合优度检验
R 中的 Fisher 精确检验