Кореляції з не упорядкованими категоричними змінними

У мене є кадр даних з багатьма спостереженнями та багатьма змінними. Деякі з них є категоричними (не упорядкованими), а інші - числовими.

Я шукаю асоціацій між цими змінними. Мені вдалося обчислити кореляцію для числових змінних (кореляція Спірмена), але:

• Я не знаю, як виміряти співвідношення між невпорядкованими категоричними змінними.
• Я не знаю, як виміряти співвідношення між невпорядкованими категоричними змінними та числовими змінними.

Хтось знає, як це можна зробити? Якщо так, то чи є R функції, що реалізують ці методи?

Це залежить від того, яке відчуття кореляції ви хочете. Запускаючи взаємозв'язок моменту прототипічного Пірсона, ви отримуєте міру міцності асоціації, і ви отримуєте перевірку значущості цієї асоціації. Однак, як правило, тест на значимість та міру розміру ефекту відрізняються.

Тести значущості:

• Безперервне проти Номінального: запустіть ANOVA . У R ви можете використовувати ? Aov .
• Номінальний порівняно з Номінальним: проведіть тест на чи-квадрат . У R ви використовуєте ? Chisq.test .

Розмір ефекту (сила асоціації):

• Безперервне проти номінального: обчисліть внутрішньокласну кореляцію . У R ви можете використовувати ? ICC в психічному пакеті; також є пакет ICC .
• Номінальний проти номінального: обчисліть V Крамера . У R ви можете використовувати ? Assocstats у пакеті vcd .

Я бачив наступний чіт-лист, пов'язаний раніше:

https://stats.idre.ucla.edu/other/mult-pkg/whatstat/

Можливо, вам це стане в нагоді. Він навіть має посилання на конкретні бібліотеки R.

Якщо ви хочете кореляційну матрицю категоричних змінних, ви можете використовувати таку функцію обгортки (що вимагає пакет 'vcd'):

catcorrm <- function(vars, dat) sapply(vars, function(y) sapply(vars, function(x) assocstats(table(dat[,x], dat[,y]))$cramer))

Де:

vars - це рядковий вектор категоричних змінних, які ви хочете співвіднести

dat є data.frame, що містить змінні

Результат - матриця V's Cramer's.

$X$$K$$t_i$$K$$i=1, \dots, p$$X$$t_i$$R^2$

Такий аналіз можна розглядати як узагальнення аналізу множинної кореспонденції і відомий під багатьма назвами, такими як канонічний кореляційний аналіз, аналіз гомогенності та багато інших. Реалізація в R знаходиться в homalsпакеті (на CRAN). Гуглінг для деяких з цих імен дасть багату інформацію, є повна книга: Альберт Гіфі "Нелінійний багатовимірний аналіз". Удачі!

У мене була подібна проблема, і я спробував тест Chi-квадрата, як було запропоновано, але я дуже заплутався в оцінці P-значень проти гіпотези NULL.

Я поясню, як я інтерпретував категоричні змінні. Я не впевнений, наскільки це актуально у вашому випадку. У мене була змінна відповіді Y та дві змінні предиктора X1 і X2, де X2 була категоричною змінною з двома рівнями, скажімо, 1 і 2. Я намагався встановити лінійну модель

ols = lm(Y ~ X1 + X2, data=mydata)

Але я хотів зрозуміти, наскільки різний рівень X2 відповідає вищевказаному рівнянню. Я натрапив на функцію R ()

by(mydata,X2,function(x) summary(lm(Y~X1,data=x)))

Цей код робить те, що він намагається вписатись у лінійну модель для кожного рівня X2. Це дало мені всю P-величину та R-квадрат, Залишкову стандартну помилку, яку я розумію і можу інтерпретувати.

Знову я не впевнений, чи цього ви хочете. Я ніби порівняв різні значення X2 при прогнозуванні Y.

Для вимірювання сили зв’язку між двома категоричними змінними я б запропонував скористатись поперечною вкладкою зі стаціонарним статусом

для вимірювання міцності зв’язку між числовою та категоріальною змінною ви можете використовувати середнє порівняння, щоб побачити, чи зміниться він сильно з однієї категорії на іншу