Hoe cramer's v in r te berekenen

Cramer’s V is een maatstaf voor de sterkte van het verband tussen twee nominale variabelen.

Het gaat van 0 naar 1 waarbij:

• 0 geeft aan dat er geen verband is tussen de twee variabelen.
• 1 geeft een sterke associatie aan tussen de twee variabelen.

Het wordt als volgt berekend:

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

Goud:

• X ² : De Chi-kwadraatstatistiek
• n: totale steekproefomvang
• r: Aantal regels
• c: Aantal kolommen

Deze tutorial geeft enkele voorbeelden van het berekenen van Cramer’s V voor een kruistabel in R.

Voorbeeld 1: Cramer’s V voor een 2×2 tafel

De volgende code laat zien hoe u de CramerV- functie uit het rcompanion- pakket gebruikt om Cramer’s V voor een 2×2-tabel te berekenen:

 #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 blijkt 0,1617 te zijn, wat duidt op een vrij zwak verband tussen de twee variabelen in de tabel.

Merk op dat we ook een betrouwbaarheidsinterval voor Cramer’s V kunnen produceren door ci = TRUE in te stellen:

 cramerV(data, ci = TRUE )

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

We kunnen zien dat de V van Cramer onveranderd blijft op 0,1617 , maar we hebben nu een betrouwbaarheidsinterval van 95% dat een reeks waarden bevat die waarschijnlijk de werkelijke waarde van de V van Cramer bevatten.

Dit interval blijkt te zijn: [ .003487 , .4914 ].

Voorbeeld 2: Cramer’s V voor grotere tafels

Merk op dat we de CramerV- functie kunnen gebruiken om Cramer’s V te berekenen voor een array van elke grootte.

De volgende code laat zien hoe je Cramer’s V berekent voor een tabel met twee rijen en drie kolommen:

 #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’s V blijkt 0,1775 te zijn.

De volledige documentatie van de CramerV-functie vindt u hier .

Aanvullende bronnen

Chikwadraattest van onafhankelijkheid in R
Chi-kwadraat goodness-of-fit-test in R
Fisher’s exacte test in R