Коэффициент сопряжённости Крамера

Коэффициент сопряжённости Крамера (также известный как V Крамера, Cramér's V) — это статистическая мера, используемая для оценки силы связи между двумя номинальными (категориальными) переменными. Он представляет собой модификацию коэффициента сопряжённости Пирсона и основан на статистике хи-квадрат. Значение коэффициента варьируется от 0 (полное отсутствие связи) до 1 (максимальная возможная связь, при условии, что таблица сопряжённости не является квадратной). В отличие от других мер, таких как коэффициент фи (φ), Крамер V не имеет верхнего ограничения, зависящего от размерности таблицы, что делает его пригодным для таблиц любой размерности.

История и происхождение

Коэффициент был предложен шведским математиком и статистиком Харальдом Крамером (1893—1985) в его работе 1946 года «Математические методы статистики» (Mathematical Methods of Statistics). Крамер, известный своими трудами в области теории вероятностей и математической статистики, разработал этот показатель как решение проблемы, связанной с коэффициентом сопряжённости Пирсона (C). Последний, хотя и основан на хи-квадрат, имеет теоретический максимум, зависящий от числа строк и столбцов в таблице, что затрудняет сравнение силы связи между таблицами разной размерности. V Крамера, благодаря нормировке, лишён этого недостатка и является одной из наиболее распространённых мер в анализе таблиц сопряжённости.

Определение и формула

Коэффициент сопряжённости Крамера (V) вычисляется по следующей формуле:

\[ V = \sqrt{\frac{\chi^2}{n \cdot \min(k-1, r-1)}} \]

Где:

• \(\chi^2\) — статистика хи-квадрат, рассчитанная для таблицы сопряжённости (обычно с использованием критерия независимости Пирсона).
• \(n\) — общий объём выборки (сумма всех частот в таблице).
• \(r\) — количество строк в таблице сопряжённости.
• \(k\) — количество столбцов в таблице сопряжённости.
• \(\min(k-1, r-1)\) — минимальное значение из двух величин: (число столбцов минус 1) и (число строк минус 1).

Частный случай: таблица 2×2

Для таблицы сопряжённости размером 2×2 (две строки и два столбца) формула упрощается, так как \(\min(k-1, r-1) = 1\). В этом случае V Крамера совпадает с коэффициентом фи (φ):

\[ V = \sqrt{\frac{\chi^2}{n}} = \phi \]

Однако, в отличие от φ, который может быть больше 1 для таблиц большего размера, V Крамера всегда нормирован в диапазоне [0, 1].

Интерпретация значений

Интерпретация V Крамера зависит от контекста исследования и размера таблицы, но существуют общепринятые эмпирические ориентиры, предложенные, в частности, Якобом Коэном:

• 0,0 — 0,1: Слабая связь (практически отсутствует).
• 0,1 — 0,3: Слабая связь.
• 0,3 — 0,5: Умеренная связь.
• 0,5 и выше: Сильная связь.

Важно отметить, что эти границы условны. В некоторых областях, например в социологии или психологии, даже значение 0,2 может считаться значимым, в то время как в физике или биологии ожидаются более высокие значения. Кроме того, V Крамера не указывает на направление связи (положительное или отрицательное), так как номинальные переменные не имеют порядка.

Пример расчёта

Рассмотрим гипотетическое исследование связи между предпочтением цвета автомобиля (три категории: белый, чёрный, красный) и полом покупателя (две категории: мужской, женский). Получена таблица сопряжённости:

1. Рассчитываем ожидаемые частоты (при независимости) и статистику хи-квадрат. Для данной таблицы \(\chi^2 \approx 16,19\).
2. \(n = 200\).
3. \(r = 2\) (строки), \(k = 3\) (столбцы). \(\min(k-1, r-1) = \min(2, 1) = 1\).
4. Подставляем в формулу: \(V = \sqrt{\frac{16,19}{200 \cdot 1}} = \sqrt{0,08095} \approx 0,284\).

Полученное значение 0,284 указывает на слабую связь между полом и предпочтением цвета автомобиля.

Связь с другими мерами

V Крамера является частью семейства мер, основанных на хи-квадрат. Ключевые отличия от других мер:

• Коэффициент сопряжённости Пирсона (C): \(C = \sqrt{\frac{\chi^2}{\chi^2 + n}}\). Его максимальное значение зависит от размерности таблицы и всегда меньше 1, что затрудняет сравнение. V Крамера лишён этого недостатка.
• Коэффициент фи (φ): Для таблиц 2×2 φ = V. Для таблиц большего размера φ может превышать 1, поэтому его не используют.
• Коэффициент Гудмена и Краскала (тау): Измеряет пропорциональное сокращение ошибки при прогнозировании одной переменной по другой. V Крамера не имеет такой интерпретации, он лишь показывает степень отклонения от независимости.

Применение

Коэффициент Крамера широко используется в различных областях, где требуется анализ категориальных данных:

• Социология и маркетинговые исследования: Для оценки связи между социально-демографическими характеристиками (пол, возраст, образование) и потребительскими предпочтениями, политическими взглядами или поведением.
• Медицина и эпидемиология: Для изучения связи между факторами риска (курение, диета) и категориальными исходами (наличие/отсутствие заболевания, стадия болезни).
• Биология и экология: Для анализа взаимосвязи между видами и типами местообитаний, морфологическими признаками и таксономическими группами.
• Лингвистика: Для изучения связи между грамматическими категориями и стилями текста.

Ограничения и критика

Несмотря на широкое применение, V Крамера имеет ряд ограничений:

1. Чувствительность к размеру выборки: Как и любая мера на основе хи-квадрат, V Крамера может быть статистически значимым при очень больших выборках, даже если практическая значимость (величина эффекта) мала. И наоборот, при малых выборках связь может быть недооценена.
2. Отсутствие интерпретации в терминах ошибок: V Крамера не показывает, насколько хорошо можно предсказать одну переменную, зная другую. Для этого существуют другие меры, например, лямбда Гудмена и Краскала.
3. Зависимость от числа категорий: При фиксированной силе связи увеличение числа категорий (строк или столбцов) может привести к уменьшению V Крамера, так как знаменатель формулы увеличивается.
4. Неприменимость к порядковым данным: V Крамера не учитывает порядок категорий, поэтому для порядковых переменных более подходящими являются меры, такие как гамма Гудмена и Краскала или тау-b Кендалла.

Источники

• Cramér, H. (1946). Mathematical Methods of Statistics. Princeton University Press.
• Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates.
• Agresti, A. (2002). Categorical Data Analysis (2nd ed.). John Wiley & Sons.
• Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics (4th ed.). SAGE Publications.