scipy.stats.contingency.

關聯性#

scipy.stats.contingency.association(observed, method='cramer', correction=False, lambda_=None)[source]#

計算兩個名義變數之間關聯性的程度。

此函數提供選項，可從 2d 列聯表中的資料計算兩個名義變數之間關聯性的三種度量之一：Tschuprow’s T、Pearson 關聯係數和 Cramer’s V。

參數:

observed類陣列: 觀測值的陣列
method{“cramer”, “tschuprow”, “pearson”} (預設 = “cramer”): 關聯性檢定統計量。
correctionbool，選用: 繼承自 scipy.stats.contingency.chi2_contingency()
lambda_float 或 str，選用: 繼承自 scipy.stats.contingency.chi2_contingency()

回傳值:

statisticfloat: 檢定統計量的值

說明

Cramer’s V、Tschuprow’s T 和 Pearson 關聯係數都衡量兩個名義或序數變數相關的程度，或它們關聯性的程度。這與相關性不同，儘管許多人經常錯誤地認為它們是等效的。相關性衡量兩個變數以何種方式相關，而關聯性衡量變數的相關程度。因此，關聯性不包含獨立變數，而是一種獨立性檢定。值 1.0 表示完全關聯，而 0.0 表示變數之間沒有關聯。

Cramer’s V 和 Tschuprow’s T 都是 phi 係數的擴展。此外，由於 Cramer’s V 和 Tschuprow’s T 之間關係密切，回傳值通常會相似甚至相等。當陣列形狀偏離 2x2 時，它們可能會更發散。

參考文獻

[1]

“Tschuprow’s T”，https://en.wikipedia.org/wiki/Tschuprow’s_T

[2]

Tschuprow, A. A. (1939) Principles of the Mathematical Theory of Correlation; translated by M. Kantorowitsch. W. Hodge & Co.

[3]

“Cramer’s V”，https://en.wikipedia.org/wiki/Cramer’s_V

[4]

“Nominal Association: Phi and Cramer’s V”，http://www.people.vcu.edu/~pdattalo/702SuppRead/MeasAssoc/NominalAssoc.html

[5]

Gingrich, Paul, “Association Between Variables”，http://uregina.ca/~gingrich/ch11a.pdf

範例

一個 4x2 列聯表的範例

>>> import numpy as np
>>> from scipy.stats.contingency import association
>>> obs4x2 = np.array([[100, 150], [203, 322], [420, 700], [320, 210]])

Pearson 關聯係數

>>> association(obs4x2, method="pearson")
0.18303298140595667

Cramer’s V

>>> association(obs4x2, method="cramer")
0.18617813077483678

Tschuprow’s T

>>> association(obs4x2, method="tschuprow")
0.14146478765062995