วิธีการคำนวณ cramer's v ใน r

V ของแครเมอร์ คือการวัดความแข็งแกร่งของความสัมพันธ์ระหว่างตัวแปรระบุสองตัว

มันไปจาก 0 ถึง 1 โดยที่:

• 0 หมายถึงไม่มีการเชื่อมโยงระหว่างตัวแปรทั้งสอง
• 1 แสดงถึงความสัมพันธ์ที่แน่นแฟ้นระหว่างตัวแปรทั้งสอง

มีการคำนวณดังนี้:

V ของแครเมอร์ = √ (X ² /n) / นาที(c-1, r-1)

ทอง:

• X ² : สถิติจี้สแควร์
• n: ขนาดตัวอย่างทั้งหมด
• r: จำนวนบรรทัด
• c: จำนวนคอลัมน์

บทช่วยสอนนี้ให้ตัวอย่างการคำนวณ V ของ Cramer สำหรับตารางฉุกเฉินใน R

ตัวอย่างที่ 1: V ของ Cramer สำหรับตาราง 2×2

รหัสต่อไปนี้แสดงวิธีใช้ฟังก์ชัน CramerV จากแพ็คเกจ rcompanion เพื่อคำนวณ Cramer’s V สำหรับตาราง 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

V ของ Cramer กลายเป็น 0.1617 ซึ่งบ่งชี้ถึงความสัมพันธ์ที่ค่อนข้างอ่อนระหว่างตัวแปรทั้งสองในตาราง

โปรดทราบว่าเรายังสามารถสร้างช่วงความมั่นใจสำหรับ V ของ Cramer ได้ด้วยการตั้งค่า ci = TRUE :

 cramerV(data, ci = TRUE )

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

เราจะเห็นว่า V ของ Cramer ยังคงไม่เปลี่ยนแปลงที่ 0.1617 แต่ตอนนี้เรามีช่วงความเชื่อมั่น 95% ซึ่งมีช่วงของค่าต่างๆ ที่น่าจะประกอบด้วยมูลค่าที่แท้จริงของ Cramer’s V

ช่วงเวลานี้กลายเป็น: [ .003487 , .4914 ]

ตัวอย่างที่ 2: Cramer’s V สำหรับโต๊ะขนาดใหญ่

โปรดทราบว่าเราสามารถใช้ฟังก์ชัน CramerV เพื่อคำนวณ V ของ Cramer สำหรับอาร์เรย์ทุกขนาด

รหัสต่อไปนี้แสดงวิธีคำนวณ Cramer’s V สำหรับตารางที่มี 2 แถวและ 3 คอลัมน์:

 #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 ของแครเมอร์กลายเป็น 0.1775

คุณสามารถดูเอกสารฉบับเต็มของฟังก์ชัน CramerV ได้ที่นี่

แหล่งข้อมูลเพิ่มเติม

การทดสอบความเป็นอิสระของไคสแควร์ในอาร์
การทดสอบความพอดีของไคสแควร์ใน R
การทดสอบที่แน่นอนของฟิชเชอร์ในอาร์