Python SciPy contingency.association用法及代码示例

本文简要介绍 python 语言中 scipy.stats.contingency.association 的用法。

用法:

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

计算两个名义变量之间的关联程度。

该函数提供了根据二维列联表中给出的数据计算两个名义变量之间关联的三个度量之一的选项：Tschuprow’s T、Pearson’s Contingency Coefficient 和 Cramer’s V。

参数 ：：

observed： 类数组

观察值数组

method： {“cramer”, “tschuprow”, “pearson”}(默认 = “cramer”)

关联检验统计量。

correction： 布尔型，可选

继承自scipy.stats.contingency.chi2_contingency()

lambda_： float 或 str，可选

继承自scipy.stats.contingency.chi2_contingency()

返回 ：：

statistic： 浮点数

检验统计量

注意：

Cramer 的 V、Tschuprow 的 T 和 Pearson 的列联系数都衡量两个名义或有序变量的相关程度，或它们的关联程度。这与相关性不同，尽管许多人经常错误地认为它们是等价的。相关性衡量两个变量以何种方式相关，而关联性衡量变量的相关程度。因此，关联不包含自变量，而是对独立性的测试。 1.0 表示完全关联，0.0 表示变量没有关联。

Cramer 的 V 和 Tschuprow 的 T 都是 phi 系数的扩展。此外，由于 Cramer 的 V 和 Tschuprow 的 T 之间的密切关系，返回的值通常可以相似甚至相等。随着阵列形状从 2x2 发散，它们可能会发散得更多。

参考：

[1]

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

[2]

Tschuprow, A. A. (1939) 相关数学理论的原理；由 M. Kantorowitsch 翻译。 W.霍奇公司

[3]

“克莱默的 V”，https://en.wikipedia.org/wiki/Cramer’s_V

[4]

“名义关联：Phi 和 Cramer’s V”，http://www.people.vcu.edu/~pdattalo/702SuppRead/MeasAssoc/NominalAssoc.html

[5]

保罗·金里奇，“Association Between Variables”，http://uregina.ca/~gingrich/ch11a.pdf

例子：

一个 4x2 列联表的例子：

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

皮尔逊列联系数

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

克莱默的 V

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

楚普罗的 T

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