研究中，变量之间的关系多种多样，我们知道研究两个连续 型变量之间的关系，我们可以用相关分析，研究两个分类变量之间的关系可以用交叉表（卡方检验），而研究分类变量与连续型变量之间的关系我们可以采用T检验，不过结果不是很直观，也不简洁。
今天，我们就介绍一下PS IMAGO PRO里面的一个功能——用于研究两个分类变量之间的关系
•CramersV相关系数功能确认两两类别变量之间的关联程度强弱，并且会根据显着性将结果整理成一张表。SPSS Statistics 的交叉表也可以查看CramersV，但结果为个别呈现，无法快速阅览结果。
例如：
•“Customer_dbase.sav”数据为某电信业者记录内部客户基本资料、家庭、电信设备状况等，以及对于优惠信息回应记录，分析人员想了解第一次回应状况（response_01）与家中是否有网络（internet）、拥有电视（owntv）、拥有电脑（ownpc）、订阅报纸（news）间有无显着关系。
•Step 3. 设置CramersV相关变量功能，选取“response_01”变量至因变量，“Internet、owntv、ownpc、news”变量至“自变量”，如图所示。
•功能说明：
Ø因变量：主要目标变量
Ø自变量：与目标变量比较的变量
•结果会先按照有无显着性来区分，再来依照相关性大小排列，下表可以快速找到显着高相关的变量，并自动绘制结果条形图，按照颜色区分是否为显着变量，以便快速取得结果，如图所示。
我们的结果是不是比SPSS得出的结果更直观明了啊！
实际案例分析——电信客户流失预测
数据如下：我们想研究客户流失与否是否与地区、婚姻、教育水平、性别、套餐类型等分类变量之间的关系，下面就通过CramersV相关系数功能确认两两类别变量之间的关联程度
分析如下：
结果展示：
本站文章版权归原作者及原出处所有 。内容为作者个人观点， 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台，并不用于任何商业目的，如果有任何问题，请及时联系我们，我们将根据著作权人的要求，立即更正或者删除有关内容。本站拥有对此声明的最终解释权。