R で cramer の v を計算する方法

Cramer’s V は、 2 つの名目変数間の関連の強さの尺度です。

0 から 1 まで変化します。

• 0 は、 2 つの変数間に関連性がないことを示します。
• 1 は、 2 つの変数間の強い関連性を示します。

次のように計算されます。

クラマーの V = √ (X ² /n) / min(c-1, r-1)

金：

• X ² :カイ二乗統計量
• n:合計サンプルサイズ
• r:行数
• c:列数

このチュートリアルでは、R の分割表の Cramer’s V を計算する例をいくつか示します。

例 1: 2×2 テーブルの Cramer の V

次のコードは、 rcompanionパッケージのCramerV関数を使用して 2×2 テーブルの Cramer’s V を計算する方法を示しています。

 #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 の V は0.1617であることがわかり、これは表内の 2 つの変数間の関連性がかなり弱いことを示しています。

ci = TRUEを設定することで、Cramer’s V の信頼区間を生成することもできることに注意してください。

 cramerV(data, ci = TRUE )

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

Cramer’s V は0.1617で変化していないことがわかりますが、Cramer’s V の真の値を含む可能性が高い値の範囲を含む 95% 信頼区間が得られました。

この間隔は [ .003487 , .4914 ] となります。

例 2: 大きなテーブルの場合は Cramer’s V

CramerV関数を使用して、任意のサイズの配列の Cramer の V を計算できることに注意してください。

次のコードは、2 行 3 列のテーブルの Cramer’s V を計算する方法を示しています。

 #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 の V は0.1775であることがわかります。

CramerV 関数の完全なドキュメントはここで見つけることができます。

追加リソース

R での独立性のカイ二乗検定
R でのカイ二乗適合度検定
R でのフィッシャーの正確検定