Korelacje z nieuporządkowanymi zmiennymi kategorialnymi

Mam ramkę danych z wieloma obserwacjami i wieloma zmiennymi. Niektóre z nich są kategoryczne (nieuporządkowane), a inne są numeryczne.

Szukam skojarzeń między tymi zmiennymi. Byłem w stanie obliczyć korelację dla zmiennych numerycznych (korelacja Spearmana), ale:

• Nie wiem, jak zmierzyć korelację między nieuporządkowanymi zmiennymi kategorialnymi.
• Nie wiem, jak zmierzyć korelację między nieuporządkowanymi zmiennymi kategorycznymi a zmiennymi numerycznymi.

Czy ktoś wie, jak można to zrobić? Jeśli tak, to czy są funkcje R implementujące te metody?

To zależy od tego, jaki sens korelacji chcesz. Po uruchomieniu prototypowej korelacji momentu Pearsona z produktem otrzymujesz miarę siły powiązania i test znaczenia tego powiązania. Częściej jednak test istotności i miara wielkości efektu różnią się.

Testy istotności:

• Continuous vs. Nominal: uruchom ANOVA . W R możesz użyć ? Aov .
• Nominalny vs. Nominalny: przeprowadź test chi-kwadrat . W R używasz ? Chisq.test .

Wielkość efektu (siła skojarzenia):

• Ciągły vs. Nominalny: oblicz korelację wewnątrzklasową . W R możesz użyć ? ICC w pakiecie psych ; istnieje również pakiet ICC .
• Nominalny vs. Nominalny: oblicz V Cramera . W R możesz użyć ? Assocstats w pakiecie vcd .

Już wcześniej widziałem następujący ściąg:

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

Może ci się przydać. Ma nawet linki do określonych bibliotek R.

Jeśli chcesz macierz korelacji zmiennych jakościowych, możesz użyć następującej funkcji otoki (wymagającej pakietu „vcd”):

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

Gdzie:

vars jest wektorem łańcuchowym zmiennych kategorialnych, które chcesz skorelować

dat jest ramką danych zawierającą zmienne

Wynikiem jest macierz V Cramera.

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

Taka analiza może być postrzegana jako uogólnienie analizy wielokrotnej korespondencji i jest znana pod wieloma nazwami, takimi jak analiza korelacji kanonicznej, analiza jednorodności i wiele innych. Implementacja w R znajduje się w homalspakiecie (w CRAN). przeglądanie niektórych z tych nazw da mnóstwo informacji, jest pełna książka: Albert Gifi, „Nieliniowa analiza wielowymiarowa”. Powodzenia!

Miałem podobny problem i wypróbowałem test chi-kwadrat, jak to sugerowałem, ale byłem bardzo zdezorientowany w ocenie wartości P w stosunku do hipotezy NULL.

Wyjaśnię, jak interpretowałem zmienne kategoryczne. Nie jestem pewien, czy ma to znaczenie w twoim przypadku. Miałem zmienną odpowiedzi Y i dwie zmienne predykcyjne X1 i X2, gdzie X2 jest zmienną kategorialną z dwoma poziomami, powiedzmy 1 i 2. Próbowałem dopasować model liniowy

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

Chciałem jednak zrozumieć, jak różny poziom X2 pasuje do powyższego równania. Natknąłem się na funkcję R przez ()

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

To, co robi ten kod, próbuje dopasować się do Modelu liniowego dla każdego poziomu X2. To dało mi całą wartość P i R-kwadrat, resztkowy błąd standardowy, który rozumiem i mogę interpretować.

Ponownie nie jestem pewien, czy tego właśnie chcesz. W pewnym stopniu porównałem różne wartości X2 w przewidywaniu Y.

Aby zmierzyć siłę połączenia między dwiema zmiennymi kategorialnymi, wolałbym raczej zastosować tabulator krzyżowy ze statystyką chisquare

aby zmierzyć siłę połączenia między zmienną liczbową a kategoryczną, możesz użyć porównania średniego, aby sprawdzić, czy zmienia się ono znacząco z jednej kategorii do innej