Jak obliczyć v cramera w r

V Cramera jest miarą siły związku między dwiema zmiennymi nominalnymi.

Przechodzi od 0 do 1, gdzie:

• Wartość 0 oznacza brak związku między dwiema zmiennymi.
• 1 wskazuje na silny związek pomiędzy obiema zmiennymi.

Oblicza się go w następujący sposób:

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

Złoto:

• X ² : Statystyka chi-kwadrat
• n: całkowity rozmiar próbki
• r: Liczba linii
• c: Liczba kolumn

W tym samouczku przedstawiono kilka przykładów obliczania V Cramera dla tabeli kontyngencji w języku R.

Przykład 1: V Cramera dla stołu 2×2

Poniższy kod pokazuje, jak używać funkcji CramerV z pakietu rcompanion do obliczania V Cramera dla tabeli 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

Okazuje się, że V Cramera wynosi 0,1617 , co wskazuje na dość słabe powiązanie między dwiema zmiennymi w tabeli.

Zauważ, że możemy również wyznaczyć przedział ufności dla V Cramera, ustawiając ci = TRUE :

 cramerV(data, ci = TRUE )

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

Widzimy, że V Cramera pozostaje niezmienione na poziomie 0,1617 , ale teraz mamy 95% przedział ufności, który zawiera zakres wartości, który prawdopodobnie będzie zawierał prawdziwą wartość V Cramera.

Przedział ten okazuje się wynosić: [ .003487 , .4914 ].

Przykład 2: V Cramera dla większych stołów

Zauważ, że możemy użyć funkcji CramerV do obliczenia V Cramera dla tablicy o dowolnym rozmiarze.

Poniższy kod pokazuje, jak obliczyć V Cramera dla tabeli zawierającej 2 wiersze i 3 kolumny:

 #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

Okazuje się, że V Cramera wynosi 0,1775 .

Pełną dokumentację funkcji CramerV znajdziesz tutaj .

Dodatkowe zasoby

Test chi-kwadrat niezależności w R
Test dobroci dopasowania chi-kwadrat w R
Dokładny test Fishera w R