Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment calculer un coefficient Phi dans R



Un coefficient Phi (parfois appelé coefficient de contingence quadratique moyen ) est une mesure de l’association entre deux variables binaires.

Pour un tableau 2×2 donné pour deux variables aléatoires x et y :

Le coefficient Phi peut être calculé comme suit :

Φ = (AD-BC) / √ (A+B)(C+D)(A+C)(B+D)

Exemple : Calcul d’un coefficient Phi dans R

Supposons que nous voulions savoir si le sexe est associé ou non à la préférence pour un parti politique. Nous prenons donc un échantillon aléatoire simple de 25 électeurs et les interrogeons sur leur préférence pour un parti politique.

Le tableau suivant présente les résultats de l’enquête :

Exemple de calcul du coefficient Phi

Nous pouvons utiliser le code suivant pour saisir ces données dans une matrice 2×2 dans R :

#create 2x2 table
data = matrix(c(4, 8, 9, 4), nrow = 2)

#view dataset
data

     [,1] [,2]
[1,]    4    9
[2,]    8    4

Nous pouvons ensuite utiliser la fonction phi() du package psych pour calculer le coefficient Phi entre les deux variables :

#load psych package
library(psych)

#calculate Phi Coefficient
phi(data)

[1] -0.36

Le coefficient Phi s’avère être de -0,36 .

Notez que la fonction phi arrondit à 2 chiffres par défaut, mais vous pouvez spécifier la fonction pour arrondir à autant de chiffres que vous le souhaitez :

#calculate Phi Coefficient and round to 6 digits
phi(data, digits = 6)

[1] -0.358974

Comment interpréter un coefficient Phi

Semblable à un coefficient de corrélation de Pearson, un coefficient Phi prend des valeurs comprises entre -1 et 1 où :

  • -1 indique une relation parfaitement négative entre les deux variables.
  • 0 indique aucune association entre les deux variables.
  • 1 indique une relation parfaitement positive entre les deux variables.

En général, plus un coefficient Phi est éloigné de zéro, plus la relation entre les deux variables est forte.

En d’autres termes, plus un coefficient Phi est éloigné de zéro, plus il y a de preuves d’un certain type de modèle systématique entre les deux variables.

Ressources additionnelles

Une introduction au coefficient Phi
Calculateur du coefficient Phi

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *