Cramér's V

Cramér's V (克莱默V系数)

Cramér's V是由瑞典数学家Harald Cramér于1946年提出的、基于chi-squared statistic|卡方统计量的标准化效应量，用于衡量两个categorical data|分类变量（名义变量）之间关联强度。其核心价值在于克服了原始卡方检验的两大局限：卡方值随样本量线性增长且无法跨表格维度比较，而Cramér's V通过归一化将关联强度映射至$[0, 1]$区间，成为列联表分析中最广泛使用的关联度量之一。

定义与公式

对于一个$r \times c$的contingency table|列联表，Cramér's V定义为：

其中$\chi^2$为Pearson卡方统计量，$n$为总观测数，$\min(r-1, c-1)$为列联表维度缩减后的最小自由度。该分母确保$V$理论最大值为1。等价地，可写为$V = \sqrt{\phi^2 / \min(r-1, c-1)}$，其中$\phi^2 = \chi^2 / n$为均方列联系数。

对于$2 \times 2$表格，$\min(r-1, c-1) = 1$，因此$V = \sqrt{\chi^2 / n}$，恰好等于phi coefficient|$\phi$系数的绝对值。在更大维度表格中，Cramér's V可视作$\phi$系数的推广。

与竞争度量的比较

Cramér's V与Karl Pearson提出的列联系数$C = \sqrt{\chi^2/(\chi^2+n)}$形成鲜明对比：Pearson列联系数的理论最大值仅为$\sqrt{(k-1)/k} < 1$（其中$k = \min(r, c)$），例如$2 \times 2$表格中$C_{\max} = \sqrt{1/2} \approx 0.707$，使得不同维度表格间的比较缺乏直观性。Cramér's V恰通过以$\min(r-1, c-1)$为分母解决了这一归一化缺陷，确保任何维度下均可达到1。Goodman and Kruskal's lambda和Goodman and Kruskal's tau等基于预测误差比例缩减（PRE）的度量虽在解释上更为直观（"以X预测Y时误差减少的比例"），但缺乏对称性——Cramér's V作为对称度量适用于无明确因果方向的探索性分析。此外，Theil's U（不确定性系数）基于信息论中熵的概念，提供非对称及对称变体，适合与Cramér's V互补使用。

解释标准与实践应用

Cohen（1988）为Cohen's d提出的小/中/大分类框架对连续变量效应量有效，但Cramér's V的解释阈值需随自由度$\text{df}^* = \min(r-1, c-1)$调整。当$\text{df}^* = 1$（$2 \times 2$表格）时，惯例为：$V \approx 0.10$为小效应，$V \approx 0.30$为中等效应，$V \approx 0.50$为大效应。当$\text{df}^* = 2$时，建议阈值上调至约0.07、0.21、0.35；当$\text{df}^* = 3$时进一步降至约0.06、0.17、0.29。这些调整反映了更高维度表格中相同$V$值对应更强关联的直觉。实践中，报告Cramér's V时应始终注明其置信区间（可通过Bootstrap|自助法或非中心卡方分布获取），并标明列联表维度与样本量，以避免将小样本下膨胀的效应量过度解释。Cramér's V现已被社会学、市场研究、流行病学和政治学等广泛领域采纳为标准报告指标。

局限与注意事项

Cramér's V无法区分关联的方向性或因果结构——其值仅反映偏离独立性的程度，而非关联模式的具体形态（如线性趋势或非线性聚类）。当分类变量为定序变量时，应优先考虑Kendall's tau-b、Goodman-Kruskal gamma或Spearman秩相关系数等能利用顺序信息的度量，Cramér's V此时会因忽略序次信息而统计效力偏低。此外，在极度稀疏或包含大量零频数单元的列联表中，卡方近似质量下降，此时Fisher's exact test的扩展方法或基于置换检验的$V$估计更为可靠。最后，Cramér's V作为描述效应量，不构成因果关系证据，关联可能完全由未观测的混杂变量驱动。