Come calcolare la v di cramer in r


La V di Cramer è una misura della forza dell’associazione tra due variabili nominali.

Va da 0 a 1 dove:

  • 0 indica nessuna associazione tra le due variabili.
  • 1 indica una forte associazione tra le due variabili.

Viene calcolato come segue:

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

Oro:

  • X 2 : La statistica del Chi quadrato
  • n: dimensione totale del campione
  • r: numero di righe
  • c: Numero di colonne

Questo tutorial fornisce alcuni esempi di calcolo della V di Cramer per una tabella di contingenza in R.

Esempio 1: V di Cramer per una tabella 2×2

Il codice seguente mostra come utilizzare la funzione CramerV del pacchetto rcompanion per calcolare la V di Cramer per una tabella 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

La V di Cramer risulta essere 0,1617 , il che indica un’associazione abbastanza debole tra le due variabili nella tabella.

Nota che possiamo anche produrre un intervallo di confidenza per V di Cramer ponendo ci = TRUE :

 cramerV(data, ci = TRUE )

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

Possiamo vedere che la V di Cramer rimane invariata a 0,1617 , ma ora abbiamo un intervallo di confidenza del 95% che contiene un intervallo di valori che probabilmente conterrà il valore reale della V di Cramer.

Questo intervallo risulta essere: [ .003487 , .4914 ].

Esempio 2: V di Cramer per tabelle più grandi

Nota che possiamo usare la funzione CramerV per calcolare la V di Cramer per un array di qualsiasi dimensione.

Il codice seguente mostra come calcolare la V di Cramer per una tabella con 2 righe e 3 colonne:

 #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

La V di Cramer risulta essere 0,1775 .

Puoi trovare la documentazione completa della funzione CramerV qui .

Risorse addizionali

Test di indipendenza chi quadrato in R
Test della bontà di adattamento del chi quadrato in R
Il test esatto di Fisher in R

Aggiungi un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *