V de Cramér

cramerv.pngEl coeficiente V de Cramér es una medida de la asociación estadística entre dos variables cualitativas recogidas en una tabla de contingencia, calculada a partir del estadístico chi-cuadrado. Fue propuesto por el matemático y estadístico sueco Harald Cramér (1893 –1985) en 1946. Se calcula a través de la siguiente fórmula:

$$V=\sqrt{\cfrac{\chi^2}{n \times min(r-1,c-1)}}$$

siendo \(\chi^2\) el valor del estadístico chi-cuadrado, \(n\) el tamaño muestal y \(r\) y \(c\) el número de filas y columnas de la tabla de contingencia que reúne los datos de las dos variables cuantitativas.

Presenta como ventaja que su valor está normalizado, esto es, está comprendido entre 0 y 1, a diferencia de otras medidas de asociación como el coeficiente de contingencia de Pearson, que necesitan de un ajuste o corrección posterior para obtener un valor normalizado. Aunque lo correcto para determinar si dos variables cualitativas presentan asociación a partir de la V de Cramér es determinar su significación estadística a partir de su distribución muestral bajo la hipótesis de independencia, a priori puede afirmarse que los valores superiores a 0.6 denotan una asociación entre variables intensa, a expensas siempre de los resultados obtenidos en investigaciones similares. Sin embargo, el hecho de que la fórmula del coeficiente V de Cramér dependa de las dimensiones de la tabla es un inconveniente a la hora de interpretar de forma homogénea un valor concreto del coeficiente.

El coeficiente V de Cramér es equivalente al coeficiente phi cuadrado, utilizado para medir la asociación en tablas de contingencia 2x2 o binarias, ajustado para que tome valores en el intervalo de 0 y 1.Cuando la tabla de contingencia es 2x2, phi toma como valor máximo 1, pero no es así cuando la tabla tiene dimensiones superiores. Em esos casos, el coeficiente phi cuadrado tiene como valor máximo \(min(r-1,c-1)\), siendo \(r\) el número de filas, y \(c\) el número de columnas. La solución propuesta por Harald Cramér para normalizar el coeficiente phi y llevarlo al intervalo de valores posibles entre 0 y 1, es dividir phi cuadrado entre dicho valor máximo, y lñuego calcular su raíz, dando lugar directamente al coeficiente V que lleva su nombre:

$$V=\sqrt{\cfrac{\phi^2}{min(r-1,c-1)}}=\sqrt{\cfrac{\chi^2}{n \times min(r-1,c-1)}}$$

Puede interesarte también



Como citar: Sarasola, Josemari (2024) en ikusmira.org
"V de Cramér" (en línea)   Enlace al artículo
Última actualización: 06/05/2025

¿Tienes preguntas sobre este artículo?

Envíanos tu pregunta e intentaremos responderte lo antes posible.

Nombre
Email
Tu pregunta
Sigue aprendiendo en Audible

Apoya nuestro contenido registrándote en Audible, sigue aprendiendo gratis a través de este link!


Estadísticos de orden

Los estadísticos de orden son cada uno de los datos k-ésimos en una muestra referida a una variable cuantitativa, de forma que cada uno de estos proporciona el orden o rango de cada uno de los datos en la muestra (consulta, además, medidas de posición). Se denotan sucesivamente de esta forma para un...

Muestra representativa

Una muestra estadística es representativa respecto de una población cuanto se ha escogido aleatoriamente y posee el tamaño suficiente, de modo que su análisis permita inferir parámetros y características de la población con un margen de error conocido y aceptable, de forma que representa adecuadamen...

Pruebas de opción múltiple (pruebas de selección múltiple)

Las pruebas de opción múltiple o pruebas de selección múltiple son aquellas pruebas de evaluación objetivas y de base estructurada en las que se incluyen preguntas cuya respuesta es correcta y fija, en las que se ofrecen al sujeto a evaluar una serie de opciones para que elija la que considere corre...

Coeficiente de curtosis de Pearson

El coeficiente de curtosis de Pearson es una medida estadística de curtosis desarrollada por Karl Pearson (1857-1936) en 1905, a la vez que el propio concepto de curtosis de una distribución estadística.  Para una distribución de datos \(x_1,x_2,...,x_n\), esta es la fórmula para su cálculo: ...