Cara menghitung v cramer di r

Cramer’s V adalah ukuran kekuatan hubungan antara dua variabel nominal.

Mulai dari 0 hingga 1 dimana:

• 0 menunjukkan tidak ada hubungan antara kedua variabel.
• Angka 1 menunjukkan hubungan yang kuat antara kedua variabel.

Ini dihitung sebagai berikut:

V Cramer = √ (X ² /n) / menit(c-1, r-1)

Emas:

• X ² : Statistik Chi kuadrat
• n: ukuran sampel total
• r: Jumlah baris
• c: Jumlah kolom

Tutorial ini memberikan beberapa contoh penghitungan V Cramer untuk tabel kontingensi di R.

Contoh 1: Cramer’s V untuk tabel 2×2

Kode berikut menunjukkan cara menggunakan fungsi CramerV dari paket rcompanion untuk menghitung V Cramer untuk tabel 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

Cramer’s V ternyata sebesar 0,1617 , yang menunjukkan hubungan yang cukup lemah antara kedua variabel dalam tabel.

Perhatikan bahwa kita juga dapat menghasilkan interval kepercayaan untuk V Cramer dengan menetapkan ci = TRUE :

 cramerV(data, ci = TRUE )

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

Kita dapat melihat bahwa V Cramer tetap tidak berubah pada 0,1617 , tetapi kita sekarang memiliki interval kepercayaan 95% yang berisi rentang nilai yang kemungkinan berisi nilai sebenarnya dari V Cramer.

Interval ini ternyata menjadi: [ .003487 , .4914 ].

Contoh 2: Cramer’s V untuk tabel yang lebih besar

Perhatikan bahwa kita dapat menggunakan fungsi CramerV untuk menghitung V Cramer untuk array dengan ukuran berapa pun.

Kode berikut menunjukkan cara menghitung Cramer’s V untuk tabel dengan 2 baris dan 3 kolom:

 #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

V Cramer ternyata 0,1775 .

Anda dapat menemukan dokumentasi lengkap fungsi CramerV di sini .

Sumber daya tambahan

Uji independensi chi-kuadrat pada R
Uji kesesuaian chi-kuadrat di R
Uji eksak Fisher di R