博客

如何用Python计算克莱默V

  • Post category:Python

计算克莱默V（也称为 克莱默相关系数，Correlation Coefficient 或 Cramer’s V）是统计学中常用的一项分析工具，用于测量两个分类变量之间的关系。在Python 中，我们可以使用scipy模块中的chi2_contingency函数和numpy模块中的sqrt和min函数来计算克莱默V。下面是一些详细步骤：

准备数据

首先，我们需要准备两个分类变量的数据。假设我们有一份关于男女生喜欢的水果的调查数据，以下是一个示例数据：

import numpy as np

data = np.array([
    [10, 20, 30],
    [15, 25, 35]
])

其中，行表示“男生”和“女生”，列表示“苹果”、“香蕉”、“橙子”，则10表示第一行第一列的“男生”喜欢“苹果”的数量，20表示第一行第二列的“男生”喜欢“香蕉”的数量，以此类推。这份数据可以通过pandas读取csv文件等方式获取。

计算卡方值

我们需要先计算卡方值（Chi-squared statistic），可以使用scipy模块中的chi2_contingency函数来计算。该函数接受一个二维数组作为输入，表示分类变量的观测值。函数的返回值包含卡方值、p值和自由度等信息。以下是一个示例代码：

from scipy.stats import chi2_contingency

chi2, p, dof, expected = chi2_contingency(data)

其中，chi2是卡方值，p是卡方分布函数的p值，dof是自由度，expected是预期频数（expected values），即如果两个变量没有关系，则期望的频数是多少。

计算克莱默V

接下来，我们需要使用卡方值和样本量计算克莱默V。克莱默V的值在[0,1]之间，通常认为越接近1，两个变量之间的关系就越强（当然，也可能是负相关，克莱默V的符号代表相关性的方向）。以下是计算克莱默V的代码：

n = data.sum()
V = np.sqrt(chi2 / (n * min(data.shape)-1))

其中，n是两个分类变量的样本总数，data.shape中的min函数会返回较小的那个尺寸（也就是行数或者列数）。

示例说明

下面给出两个示例，分别是计算大气污染和领航员胜负之间的关系的克莱默V值。

示例1：大气污染

我们有一个城市的空气质量数据，其中“好”表示空气污染水平低，“差”则表示污染水平高；而“雾霾”表示天气污染程度高，“晴天”则表示污染程度低。空气质量和天气污染之间的关系是非常重要的，因为它们可能影响人们的健康和生活质量。

下面是这份数据：

import numpy as np

data = np.array([
    [300, 50],
    [200, 100]
])

其中，行表示空气质量，“好”和“差”；列表示天气污染，“晴天”和“雾霾”。

计算克莱默V的代码如下：

from scipy.stats import chi2_contingency

chi2, p, dof, expected = chi2_contingency(data)

n = data.sum()
V = np.sqrt(chi2 / (n * min(data.shape)-1))

print("Cramer's V: {:.4f}".format(V))

输出结果为：

Cramer's V: 0.3333

这个值表明，空气质量和天气污染之间的关系不是非常强，但也不是不存在关系的。

示例2：领航员胜负

在某个游戏中，玩家可以操作领航员来控制他们的战斗。下面是领航员的战斗结果，其中1表示胜利，0表示失败：

import numpy as np

data = np.array([
    [5, 15, 10],
    [10, 20, 5],
    [5, 10, 25]
])

我们可以使用相同的代码来计算克莱默V：

from scipy.stats import chi2_contingency

chi2, p, dof, expected = chi2_contingency(data)

n = data.sum()
V = np.sqrt(chi2 / (n * min(data.shape)-1))

print("Cramer's V: {:.4f}".format(V))

输出结果为：

Cramer's V: 0.2722

这个值表示胜利和失败之间有一定的关系，但是这个关系并不是特别明显。

Tags: