Вероятность и статистика · объяснение и практика

Как коэффициент φ описывает связь двух двоичных признаков

Как получить знаковую меру связи двух двоичных признаков из таблицы, сопоставить её с корреляцией нулей и единиц и не потерять смысл знака при перекодировании.

Рука ставит оранжевый столбик между двумя синими столбиками разной высоты.

В теме Таблицы категорий и качество классификации · Учебная карта

В маршруте Категориальные таблицы и проверяемые связи · 10 тем

Главная мысль

Для таблицы два на два φ=(ad−bc)/√((a+b)(c+d)(a+c)(b+d)). Это корреляция двух двоичных признаков при согласованной кодировке; смена меток одного признака меняет знак.

Кодировка задаёт смысл положительного знака

Обозначим клетки a для X=1,Y=1, b для X=1,Y=0, c для X=0,Y=1, d для X=0,Y=0. Тогда положительное φ означает, что единица одного признака относительно чаще сочетается с единицей другого. Это описание выбранных меток, а не универсально положительной или полезной связи.

Можно выписать каждое наблюдение парой нулей и единиц и вычислить обычный коэффициент Пирсона через центрированные суммы. После сокращения множителей общего объёма получится приведённая формула по четырём клеткам. Поэтому мера лежит между −1 и 1, но требует ненулевой изменчивости обоих признаков.

Перекрёстная разность нормируется итогами

Возьмём таблицу со строками (24,6) и (6,24). Все итоги строк и столбцов равны тридцати. Числитель равен 24·24−6·6=540, знаменатель — √(30⁴)=900. Получаем φ=0,6. Диагональные сочетания встречаются заметно чаще, но коэффициент всё ещё меньше единицы, потому что есть несогласованные пары.

Если заменить Y на 1−Y, столбцы поменяются местами. Числитель станет противоположным, знаменатель сохранится и ответ будет −0,6. При одновременной замене меток и X, и Y знак восстановится. Поэтому сравнивать знаки в двух отчётах можно только после проверки одинакового смысла категорий.

Пример

Как коэффициент связан с некорректированным χ² для полной таблицы два на два?

При положительных итогах выполняется χ²=Nφ². В примере N=60, поэтому χ²=60·0,36=21,6. Возведение в квадрат убирает направление связи, которое сохранялось в φ.

Нулевые итоги и границы интерпретации

Если весь признак постоянен, одна строка или один столбец пусты. Тогда знаменатель нулевой и корреляция не определена, а не равна нулю. Отсутствие вариации нельзя выдавать за отсутствие связи. Небольшие частоты также делают саму оценку нестабильной, даже когда формально она вычисляется.

Максимальная возможная величина φ при фиксированных неодинаковых предельных долях может быть меньше единицы. Поэтому одинаковые численные коэффициенты в разных таблицах требуют контекста. Наконец, связь двоичных меток не доказывает причинность и не сообщает разность вероятностей события. Для этой задачи отдельно показывают доли, их отношение или разность в нужных группах.

От чтения к действию

А теперь — вы

Получили φ=0,3. Затем только у признака Y поменяли коды 0 и 1 местами. Каков новый φ?

Частые вопросы

Почему знак меняется после замены одной метки?

Одна переменная заменяется на один минус прежнее значение, поэтому её центрированные отклонения меняют знак, а разброс сохраняется.

Можно ли вычислять φ при пустой строке?

Обычная формула даст нулевой знаменатель: один признак постоянен, поэтому корреляция не определена.

Источники и работа с материалом

Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.

Продолжить разбираться