Kontingenzanalyse

Kontingenzanalyse

Der Kontingenzkoeffizient C (nach Karl Pearson) ist ein statistisches Zusammenhangsmaß. Der Pearsonsche Kontingenzkoeffizient drückt die Stärke des Zusammenhangs zwischen zwei (oder mehreren) nominalen oder ordinalen Variablen aus. Er basiert auf dem Vergleich von tatsächlich ermittelten Häufigkeiten zweier Merkmale mit den Häufigkeiten, die man bei Unabhängigkeit dieser Merkmale erwartet hätte.

Inhaltsverzeichnis

χ2-Koeffizient (Chi-Quadrat)

Der χ2-Koeffizient ist abhängig von der Größe der Kontingenztafel und n und gibt ein Maß für die "Stärke" des Zusammenhanges der beiden betrachteten Merkmale an:

\sum_{i=1}^k  \sum_{j=1}^m   \frac{(h_{i,j} -\frac{h_i. h._j}{n})^2}{\frac{h_i. h._j}{n}}

Zum Beispiel sei folgende Kontingenztafel gegeben:

Limousine Kombi     Summen
Arbeiter 19 18 37
Angestellte 43 20 63
Summen 62 38 100

Berechnung des χ2-Koeffizienten:

 \frac{(19 -\frac{37 * 62}{100})^2}{\frac{37 * 62}{100}}  +  \frac{(18 -\frac{37 * 38}{100})^2}{\frac{37 * 38}{100}}  +  \frac{(43 -\frac{63 * 62}{100})^2}{\frac{63 * 62}{100}}  +  \frac{(20 -\frac{63 * 38}{100})^2}{\frac{63 * 38}{100}}  = 2,83

Der Aussagewert des χ2-Koeffizienten ist aber gering; jedoch wird er benötigt, um den Kontingenzkoeffizienten C zu ermitteln.

Zum Test vergleiche den Chi-Quadrat-Vierfeldertest.

Kontingenzkoeffizient C (auch CC oder K) nach Karl Pearson

χ2 kann grundsätzlich sehr große Werte annehmen und ist nicht auf das Intervall [0,1] beschränkt. Dazu wird aus dem χ2 der sogenannte Kontingenzkoeffizient nach Karl Pearson ermittelt:

C=\sqrt{\frac{\chi ^2}{\chi^2 + n}}.
Dabei ist n die Fallzahl und χ2 ein Maß für den Unterschied zwischen beobachteten und erwarteten Häufigkeiten.

Dieser kann Werte zwischen 0 und 1 annehmen. Problematisch ist, dass dieser Kontingenzkoeffizient abhängig von der Anzahl der betrachteten Dimensionen ist, und so nur selten den Wert 1 annehmen kann. Unabhängig von der Anzahl der betrachteten Dimensionen ist der Koeffizient Cramer's V.

Korrigierter Kontingenzkoeffizient K*

Wenn k = min( | I | , | J | ) das Minimum aus der Anzahl der möglichen Merkmalausprägungen ist, dann gilt C\in \left[0,\sqrt{\frac{k-1}{k}} \right]. Daher benutzt man auch häufig den korrigierten Kontigenzkoeffizient:

C_{korr}=\sqrt{\frac{k}{k-1}} \cdot C = \sqrt{\frac{k}{k-1}} \cdot \sqrt{\frac{\chi ^2}{n+\chi ^2}}.

Ein Ckorr nahe 0 deutet dabei auf unabhängige Merkmale hin, ein Ckorr in der Nähe von 1 dagegen auf ein hohes Maß an Abhängigkeit.

Der Kontingenzkoeffizient C relativiert den χ2-Koeffizienten um die Größe von n.

Der Kontingenzkoeffizient C führt schließlich zum korrigierten Kontingenzkoeffizienten.

Der korrigierte Kontingenzkoeffizient K* berechnet sich wie folgt:

K^*  =   \frac{K}{\sqrt{\frac{M - 1}{M}}} wobei M = Mmin(k,m)

im Beispiel: K^*  =   \frac{0,166}{\sqrt{\frac{2 - 1}{2}}}     = 0,235

K* ist ein Zusammenhangmaß zwischen den Merkmalen. Je näher er an 0 liegt, desto geringer ist der Zusammenhang; je weiter er sich 1 nähert desto größer ist der Zusammenhang.

Mittlere quadratische Kontingenz

Ein weiteres Maß, um die Stärke der Abhängigkeit der Merkmale in einer Kontingenztafel anzugeben, ist die mittlere quadratische Kontingenz, die im Wesentlichen eine Erweiterung des χ2-Koeffizienten darstellt:

\frac{1}{N} \sum_{i=1}^k  \sum_{j=1}^m   \frac{(h_{i,j} -\frac{h_i. h._j}{n})^2}{\frac{h_i. h._j}{n}}

Je größer dieses Maß ist, desto stärker ist der Zusammenhang zwischen den zwei analysierten Merkmalen. Sind die beiden Merkmale unabhängig, so wird jeder Summand durch den Nenner des Bruches zu 0, das Maß selbst damit auch. Im Falle einer 2x2 Kontingenztafel ist das Maß normiert, nimmt also Werte im Intervall [0,1] an.

Siehe auch

Vierfeldertest


Wikimedia Foundation.

Игры ⚽ Поможем написать курсовую

Schlagen Sie auch in anderen Wörterbüchern nach:

  • Kontingenzanalyse — ⇡ Kontingenz …   Lexikon der Economics

  • Multivariate — Mit Multivariaten Verfahren (Multivariate Analyse(methoden), Abk.: MVA) werden multivariat verteilte statistische Variablen untersucht. Man betrachtet hier nicht eine Variable isoliert (univariat verteilt), sondern das Zusammenwirken mehrerer… …   Deutsch Wikipedia

  • Multivariate Analyse — Mit Multivariaten Verfahren (Multivariate Analyse(methoden), Abk.: MVA) werden multivariat verteilte statistische Variablen untersucht. Man betrachtet hier nicht eine Variable isoliert (univariat verteilt), sondern das Zusammenwirken mehrerer… …   Deutsch Wikipedia

  • Multivariate Analysemethoden — Mit Multivariaten Verfahren (Multivariate Analyse(methoden), Abk.: MVA) werden multivariat verteilte statistische Variablen untersucht. Man betrachtet hier nicht eine Variable isoliert (univariat verteilt), sondern das Zusammenwirken mehrerer… …   Deutsch Wikipedia

  • Multivariate Analysen — Mit Multivariaten Verfahren (Multivariate Analyse(methoden), Abk.: MVA) werden multivariat verteilte statistische Variablen untersucht. Man betrachtet hier nicht eine Variable isoliert (univariat verteilt), sondern das Zusammenwirken mehrerer… …   Deutsch Wikipedia

  • Multivariate Statistik — Mit Multivariaten Verfahren (Multivariate Analyse(methoden), Abk.: MVA) werden multivariat verteilte statistische Variablen untersucht. Man betrachtet hier nicht eine Variable isoliert (univariat verteilt), sondern das Zusammenwirken mehrerer… …   Deutsch Wikipedia

  • Multivariate Untersuchung — Mit Multivariaten Verfahren (Multivariate Analyse(methoden), Abk.: MVA) werden multivariat verteilte statistische Variablen untersucht. Man betrachtet hier nicht eine Variable isoliert (univariat verteilt), sondern das Zusammenwirken mehrerer… …   Deutsch Wikipedia

  • Multivariates Verfahren — Mit Multivariaten Verfahren (Multivariate Analyse(methoden), Abk.: MVA) werden multivariat verteilte statistische Variablen untersucht. Man betrachtet hier nicht eine Variable isoliert (univariat verteilt), sondern das Zusammenwirken mehrerer… …   Deutsch Wikipedia

  • multivariate Statistik — Teilbereich der ⇡ Statistik, bei dem verbundene Beobachtungen mehrerer ⇡ Merkmale zugrunde gelegt sind. Die Verfahren der m. St. umfassen Strukturen entdeckende (⇡ Faktorenanalyse, ⇡ Clusteranalyse, ⇡ multidimensionale Skalierung) und Strukturen… …   Lexikon der Economics

Share the article and excerpts

Direct link
Do a right-click on the link above
and select “Copy Link”