二分类词汇特征与有序绩效评级的正负关联计算及Pearson系数适用性问询

问题解答 #

疑问1：如何得到-1到1范围的带正负符号的关联系数 #

Cramer's V本身是基于卡方统计量计算的关联强度指标，天然只有0-1的强度值、无方向属性，你可以通过以下方式补充符号：

• 先给5档绩效做有序编码赋值：low=1、mixed=2、strong=3、significant=4、exceptional=5
• 对每个词汇特征，分别计算词汇出现组（编码为1）的平均绩效得分，和词汇未出现组（编码为0）的平均绩效得分
• 如果出现组平均分 > 未出现组平均分，给Cramer's V加上正号，反之加负号，最终得到的结果范围就是-1到1，可直接区分正负关联

疑问2：绩效有序编码后和二分类词汇算Pearson相关是否可行 #

这个操作完全可行，没有方法学错误：

• 你说的这种一个变量是二分类、另一个是等距/有序变量的场景，计算出来的Pearson相关就是专门的点二列相关系数，本身就是Pearson相关的衍生特例，统计上是完全合规的
• 如果你不确定5个绩效档位是等距的（比如认为low到mixed的差距和significant到exceptional的差距不相等），可以换成Kendall's Tau-b或者Gamma系数来计算关联度，这两类指标专为有序变量关联分析设计，也自带正负方向，结果稳健性更高

实操建议 #

如果你用Python实现批量计算，可以直接调用scipy.stats.pointbiserialr函数，遍历所有词汇特征列和绩效编码列计算即可，输出结果直接就是带正负的相关系数，整理后就能得到你需要的两列结果表。

内容的提问来源于stack exchange，提问作者Pranathi