Python统计实战：两个类别变量的卡方独立性检验

为了解决特定问题而进行的学习是提高效率的最佳途径。这种方法能够使我们专注于最相关的知识和技能，从而更快地掌握解决问题所需的能力。

（以下练习题来源于《统计学—基于Python》。联系获取完整数据和Python源代码文件。）

---

练习题

为了研究上市公司对其股价波动的关注程度，一家研究机构对在主板、科创板和创业板上市的190家公司进行了调查，得到如下数据：

（1）检验上市板块与对股价波动的关注程度是否独立（α=0.05）；

（2）计算上市板块与对股价波动的关注程度两个变量之间的φ系数、Cramer's V系数和列联系数，并分析其相关程度。

---

题目分析

根据题意并观察数据，可以发现此题考查列联表和卡方独立性检验，还要求计算两个类别变量的相关性度量。

本题要检验“上市板块与对股价波动的关注程度是否独立”，我们通过观察数据的表格形式，发现它其实是由两个分类变量交叉分类形成的频数分布表，即列联表（contingency table）。对列联表中的两个分类变量进行分析，通常是判断两个变量是否独立，即对数据进行卡方独立性检验。该检验的原假设是：两个变量独立（无关），如果原假设被拒绝，这表明两个变量不独立，或者说两个变量相关。卡方独立性检验的统计量为：

式中，f0为观察频数，fe为期望频数。该统计量服从自由度为(r-1)(c-1)的卡方分布，r为行数，c为列数。

除此之外，还要计算φ系数、Cramer's V系数和列联系数以度量两个类别变量的相关性。

φ系数的公式为：

Cramer's V系数的公式为：

列联系数的公式为：

针对本题，我们按如下步骤进行检验：

第一步，提出假设：H0：上市板块与对股价波动的关注程度独立；H2：上市板块与对股价波动的关注程度不独立。

第二步，用Python计算期望频数和检验统计量。

第三步，用Python计算φ系数、Cramer's V系数和列联系数。

---

Python代码

import pandas as pd
from scipy.stats import chi2_contingency

x = [[50, 70], [30, 15], [20, 5]]
df = pd.DataFrame(x, index = ['主板', '科创板', '创业板'], columns = ['关注', '不关注'])
# print(df)
chi2, p_value, dof, f_exp = chi2_contingency(df)
print(f"卡方统计量 = {chi2:.4f}, p值 = {p_value:.4f}, 自由度 = {dof}\n期望频数为:\n {f_exp}")

# 计算φ系数、Cramer's V系数和列联系数
import math
n = 190
chi2 = 16.8537
phi = math.sqrt(chi2/n)
v = math.sqrt(chi2/n*(2-1))
c = math.sqrt(chi2/(chi2+n))
print(f"φ系数 = {phi:4f}; Cramer's V系数 = {v:.6f}; 列联系数 = {c:.6f}")

---

计算结果与分析

卡方统计量 = 16.8537, p值 = 0.0002, 自由度 = 2。

期望频数矩阵：

[[63.15789474 56.84210526]
 [23.68421053 21.31578947]
 [13.15789474 11.84210526]]

由于p小于0.05，拒绝原假设，接受备择假设，说明有证据表明上市板块与对股价波动的关注程度不独立。

φ系数 = 0.297832；Cramer's V系数 = 0.297832；列联系数 = 0.285441；系数结果表明二者之间有一定的相关性，但关系较弱。

---

都读到这里了，不妨关注、点赞一下吧！