Hai appena finito di calcolare un Chi-quadrato.
Il risultato dice che c’è una relazione significativa tra le tue variabili, ma resta un dubbio: quanto è davvero stretto questo legame?
Il problema del Chi-quadrato è che tende a “gonfiarsi” quando il campione è molto numeroso, rendendo difficile capire se hai trovato una connessione rivoluzionaria o solo un effetto statistico dovuto alla mole dei dati.
È qui che entra in gioco la V di Cramer. Immaginala come un filtro che pulisce il rumore di fondo della numerosità campionaria e della grandezza della tabella, restituendoti un valore puro, compreso tra 0 e 1.
È lo strumento che ti permette di dire, con numeri alla mano, se la relazione che stai osservando è un timido accenno o un legame indissolubile.
Nella nostra guida abbiamo raccolto:
✅ Spiegazione intuitiva della formula.
✅ Tabelle di interpretazione (secondo Cohen).
✅ 6 Esercizi svolti e commentati, dai casi base ai “paradossi” della dimensione.
Che cos’è la V di Cramer?
La V di Cramer è un indice statistico utilizzato per misurare l’intensità dell’associazione tra due variabili nominali (o qualitative). È un’estensione del test del [math]\chi^2[/math] (Chi-quadrato) che permette di capire non solo se esiste una relazione tra due variabili, ma quanto questa relazione sia forte.
In sintesi: Mentre il [math]\chi^2[/math] ci dice se la relazione è statisticamente significativa, la V di Cramer ci dice quanto è importante tale legame in una scala da 0 a 1.
La Formula
La formula della V di Cramer si basa sul valore del Chi-quadrato calcolato sulla tabella di contingenza:
[math]\displaystyle \begin{aligned}
V &= \sqrt{\frac{\chi^2}{n \cdot k}} \\
&{} \quad \text{dove:} \\
&{} \quad \chi^2 = \text{valore del Chi-quadrato} \\
&{} \quad n = \text{numerosità totale del campione} \\
&{} \quad k = \min(r-1, c-1) \\
&{} \quad \text{(il valore minore tra righe-1 e colonne-1)}
\end{aligned}[/math]
A cosa serve e perché si usa?
Il semplice test del Chi-quadrato presenta un limite: il suo valore dipende fortemente dalla numerosità del campione [math]n[/math] e dalle dimensioni della tabella. La V di Cramer risolve questi problemi grazie alla normalizzazione:
- Confrontabilità: Permette di confrontare la forza dell’associazione tra studi diversi che hanno campioni di dimensioni differenti.
- Indipendenza dalle dimensioni: Corregge il risultato in base al numero di categorie (righe e colonne) della tabella.
- Interpretazione immediata: Restituisce un valore compreso tra 0 e 1, rendendo facile il giudizio clinico o sociale della ricerca.
Quando si usa?
Si utilizza esclusivamente in presenza di:
- Variabili Nominali: Variabili le cui categorie non hanno un ordine intrinseco (es. Colore degli occhi, Genere, Professione, Marca preferita).
- Tabelle di Contingenza: Quando i dati sono incrociati in una tabella che mostra le frequenze congiunte delle due variabili.
- Dopo il Chi-quadrato: Solitamente viene calcolata dopo aver verificato che il [math]\chi^2[/math] sia significativo ([math]p < 0,05[/math]).
Interpretazione dei risultati
Per interpretare il valore ottenuto, si utilizzano solitamente i criteri di Cohen:
| Valore V | Forza dell’Associazione |
|---|---|
| [math]V \approx 0,1[/math] | Relazione Debole (Effetto piccolo) |
| [math]V \approx 0,3[/math] | Relazione Moderata (Effetto medio) |
| [math]V \geq 0,5[/math] | Relazione Forte (Effetto grande) |
Nota bene: Se la tabella è 2×2, la V di Cramer è identica al coefficiente [math]\phi[/math] (Phi). Se [math]V = 0[/math], le variabili sono perfettamente indipendenti; se [math]V = 1[/math], vi è una dipendenza perfetta.
Cos’è l’indice Phi [math]\phi[/math]?
L’indice Phi ([math]\phi[/math]) è una misura di associazione utilizzata esclusivamente per variabili nominali dicotomiche, ovvero variabili che presentano solo due modalità ciascuna (es. Sì/No, Maschio/Femmina, Successo/Insuccesso). Si calcola partendo dai dati di una tabella di contingenza 2×2.
Formula
L’indice si ottiene normalizzando il valore del Chi-quadrato per la numerosità totale del campione:
[math]\displaystyle \begin{aligned}
\phi &= \sqrt{\frac{\chi^2}{n}} \\
&{} \quad \text{dove:} \\
&{} \quad \chi^2 = \text{ valore del test Chi-quadrato} \\
&{} \quad n = \text{ numero totale di osservazioni}
\end{aligned}[/math]
Interpretazione
Il valore di [math]\phi[/math] varia tipicamente tra 0 e 1 (in valore assoluto):
- [math]\phi = 0[/math]: nessuna associazione (indipendenza perfetta).
- [math]\phi = 1[/math]: associazione perfetta.
Per interpretare la forza dell’associazione, si seguono le linee guida di Cohen:
| Valore [math]\phi[/math] | Forza dell’associazione |
|---|---|
| [math]\approx 0,1[/math] | Debole (effetto piccolo) |
| [math]\approx 0,3[/math] | Moderata (effetto medio) |
| [math]\geq 0,5[/math] | Forte (effetto grande) |
Relazione con la V di Cramer
È fondamentale ricordare che in una tabella 2×2, la V di Cramer coincide esattamente con [math]\phi[/math]. Questo accade perché il fattore correttivo [math]k = \min(r-1, c-1)[/math] è pari a 1:
[math]\displaystyle \begin{aligned}
V &= \sqrt{\frac{\chi^2}{n \cdot \min(r-1, c-1)}} = \sqrt{\frac{\chi^2}{n \cdot 1}} = \phi
\end{aligned}[/math]
Nota bene: Se la tabella è 2×2, la V di Cramer è identica al coefficiente [math]\phi[/math] (Phi).
[math]\text{📌 Quando usare } \phi[/math]
L’uso dell’indice Phi è raccomandato quando:
- La tabella di contingenza è rigorosamente 2×2.
- Entrambe le variabili sono dicotomiche.
- È già stata verificata la significatività statistica tramite il test del Chi-quadrato.
La V di Cramer, al contrario, è lo standard quando si lavora con tabelle più grandi (es. 3×3, 4×2, ecc.), poiché l’indice Phi non è progettato per gestire più di due categorie senza restituire valori potenzialmente superiori a 1.
Esercizio 1: Il caso della colazione perfetta (Facile)
Testo
Un’azienda produttrice di biscotti vuole verificare se esiste una relazione tra il genere dei consumatori e la loro preferenza per il tipo di colazione. Ha intervistato 200 persone, incrociando i dati in una tabella di contingenza. Il test Chi-quadrato ha fornito un valore di [math]\chi^2 = 12,5[/math].
Sapendo che la tabella aveva 2 righe (Maschio, Femmina) e 3 colonne (Colazione Dolce, Salata, Veloce), calcola il valore della V di Cramer e commenta la forza dell’associazione.
Esercizio 2: Dipendenza dai Social Media (Medio)
Testo
Un ricercatore ha condotto uno studio su 380 studenti universitari per analizzare la relazione tra il livello di ansia (Basso, Medio, Alto) e il numero di ore giornaliere passate sui social media (Meno di 2h, 2-4h, Più di 4h). La tabella di contingenza che segue mostra le frequenze osservate.
| Meno di 2h | 2-4h | Più di 4h | Totale | |
|---|---|---|---|---|
| Ansia Bassa | 50 | 30 | 20 | 100 |
| Ansia Media | 30 | 40 | 40 | 110 |
| Ansia Alta | 20 | 50 | 100 | 170 |
| Totale | 100 | 120 | 160 | 380 |
- Calcola le frequenze attese sotto l’ipotesi di indipendenza.
- Calcola il Chi-quadrato.
- Determina la V di Cramer e interpreta il risultato.
Esercizio 3: Preferenze Musicali e Stile di Vita (Medio)
Testo
Una piattaforma di streaming musicale vuole personalizzare le sue playlist. Per farlo, analizza i dati di 500 utenti, classificati per genere musicale preferito (Pop, Rock, Classica, Elettronica) e per tipo di attività fisica praticata (Corsa, Palestra, Yoga, Nessuna). Il Chi-quadrato calcolato su questa tabella 4×4 è risultato essere [math]\chi^2 = 115,2[/math].
Calcola la V di Cramer. Utilizzando le linee guida standard di Cohen (0.1=effetto piccolo, 0.3=effetto medio, 0.5=effetto grande), commenta la forza del legame. Quale sarebbe il valore della V di Cramer se la tabella fosse stata 2×2 con lo stesso Chi-quadrato e lo stesso numero di osservazioni?
Formule di Riferimento per la Risoluzione
Per supportare il calcolo, si ricorda la formula della V di Cramer:
[math]\displaystyle \begin{aligned}
V &= \sqrt{\frac{\chi^2}{n \cdot \min(r-1, c-1)}} \\
&{} \quad \text{dove } n \text{ è il totale delle osservazioni,} \\
&{} \quad r \text{ è il numero di righe e } c \text{ le colonne.}
\end{aligned}[/math]
Esercizio 4: Sondaggio Elettorale e Fake News (Medio-Difficile)
Testo
In un sondaggio pre-elettorale, 800 cittadini maggiorenni sono stati classificati in base alla loro fascia d’età (Giovani: 18-35, Adulti: 36-60, Senior: >60) e alla loro frequenza di esposizione a notizie false (fake news) sui social (Bassa, Media, Alta). La tabella delle frequenze osservate è la seguente:
| Bassa | Media | Alta | Totale | |
|---|---|---|---|---|
| Giovani | 40 | 100 | 120 | 260 |
| Adulti | 90 | 110 | 80 | 280 |
| Senior | 150 | 70 | 40 | 260 |
| Totale | 280 | 280 | 240 | 800 |
- Calcola la V di Cramer.
- Confronta questo valore con la V di Cramer che otterresti se il campione fosse di 400 persone, mantenendo esattamente le stesse proporzioni in ogni cella (cioè dividendo tutte le frequenze assolute per 2). Cosa osservi e perché? Cosa ci insegna questo sulla proprietà della V di Cramer rispetto al [math]\chi^2[/math]?
Esercizio 5: Il Paradosso della Dimensione (Difficile)
Testo
Un’analisi statistica ha rilevato una dipendenza significativa tra due variabili nominali in due diverse città.
- Città A: Tavola 2×2 (es. Genere: M/F e Voto: Sì/No) con [math]N=200[/math] e [math]\chi^2 = 40[/math].
- Città B: Tavola 5×5 (es. Quartiere e Mezzo di Trasporto) con [math]N=500[/math] e [math]\chi^2 = 80[/math].
- Calcola la V di Cramer per entrambe le città.
- A prima vista, il [math]\chi^2[/math] della città B è il doppio di quello della città A. Tuttavia, la V di Cramer racconta una storia diversa. Perché? Spiega il ruolo del termine [math]\min(r-1, c-1)[/math] nella normalizzazione dell’indice.
Esercizio 6: L’Indice Phi e la sua Generalizzazione
Testo
In uno studio clinico controllato, si vuole verificare l’efficacia di un nuovo farmaco. Si osserva un campione di 150 pazienti, suddivisi in gruppo (Trattamento vs Placebo) ed esito (Guarito vs Non Guarito). I risultati sono riassunti in una tabella 2×2, che ha prodotto un [math]\chi^2 = 9[/math].
- Calcola l’indice [math]\phi[/math] (Phi) di contingenza per tabella 2×2. Che relazione osservi con la V di Cramer? Perché in questo caso specifico coincidono?
- Consideriamo ora una seconda fase dello studio, in cui l’esito “Guarito” viene suddiviso in due categorie più specifiche: “Guarito completamente” e “Migliorato”. La tabella diventa quindi 2×3 (Gruppo: Trattamento/Placebo; Esito: Non Guarito/Migliorato/Guarito). Sapendo che la nuova tabella ha un [math]\chi^2 = 9[/math] (lo stesso di prima) e un totale di 150 pazienti, calcola la nuova V di Cramer. Perché il valore non è cambiato rispetto al punto 1, pur rimanendo invariato il [math]\chi^2[/math]? Cosa rappresenta questa invarianza?
Soluzioni Commentate
Esercizio 1
La V di Cramer si calcola con la formula:
[math]\displaystyle \begin{aligned}
V &= \sqrt{\frac{\chi^2}{n \cdot \min(r-1, c-1)}}
\end{aligned}[/math]
Dove [math]n[/math] è il totale delle osservazioni, [math]r[/math] è il numero di righe e [math]c[/math] il numero di colonne.
Nel nostro caso: [math]\chi^2 = 12,5[/math], [math]n = 200[/math], [math]r = 2[/math], [math]c = 3[/math].
Calcoliamo i gradi di libertà correttivi:
[math]\displaystyle \begin{aligned}
r-1 &= 2-1 = 1 \\
c-1 &= 3-1 = 2 \\
\min(1,2) &= 1
\end{aligned}[/math]
Applichiamo la formula:
[math]\displaystyle \begin{aligned}
V &= \sqrt{\frac{12,5}{200 \times 1}} = \sqrt{\frac{12,5}{200}} \\
V &= \sqrt{0,0625} = 0,25
\end{aligned}[/math]
💡 Osservazione
La V di Cramer è un indice normalizzato che varia tra 0 e 1. Indipendenza perfetta se [math]V=0[/math], dipendenza perfetta se [math]V=1[/math]. Valori intorno a 0,1 indicano una relazione debole, 0,3 moderata, 0,5 forte.
Commento
Il valore [math]V = 0,25[/math] indica una relazione tra debole e moderata (più vicina a un effetto medio che a uno piccolo) tra genere e tipo di colazione preferito. Esiste una leggera tendenza di associazione, ma non è particolarmente marcata.
Esercizio 2
Passo 1: Calcolo delle frequenze attese.
La formula per la frequenza attesa di una cella è:
[math]\displaystyle \begin{aligned}
f_{attesa} &= \frac{\text{Totale Riga} \times \text{Totale Colonna}}{\text{Totale Generale}}
\end{aligned}[/math]
Calcoliamo per ogni cella (arrotondando al primo decimale):
- Cella (Ansia Bassa, <2h): [math](100 \times 100) / 380 = 26,3[/math]
- Cella (Ansia Bassa, 2-4h): [math](100 \times 120) / 380 = 31,6[/math]
- Cella (Ansia Bassa, >4h): [math](100 \times 160) / 380 = 42,1[/math]
- Cella (Ansia Media, <2h): [math](110 \times 100) / 380 = 28,9[/math]
- Cella (Ansia Media, 2-4h): [math](110 \times 120) / 380 = 34,7[/math]
- Cella (Ansia Media, >4h): [math](110 \times 160) / 380 = 46,3[/math]
- Cella (Ansia Alta, <2h): [math](170 \times 100) / 380 = 44,7[/math]
- Cella (Ansia Alta, 2-4h): [math](170 \times 120) / 380 = 53,7[/math]
- Cella (Ansia Alta, >4h): [math](170 \times 160) / 380 = 71,6[/math]
Passo 2: Calcolo del Chi-quadrato.
La formula è [math]\chi^2 = \sum \frac{(f_{oss} – f_{att})^2}{f_{att}}[/math]. Calcoliamo contributo per contributo:
[math]\displaystyle \begin{aligned}
\text{(<2h, Bassa)} &: \frac{(50-26,3)^2}{26,3} = \frac{561,69}{26,3} = 21,36 \\ \text{(2-4h, Bassa)} &: \frac{(30-31,6)^2}{31,6} = \frac{2,56}{31,6} = 0,08 \\ \text{(>4h, Bassa)} &: \frac{(20-42,1)^2}{42,1} = \frac{488,41}{42,1} = 11,60 \\
\text{(<2h, Media)} &: \frac{(30-28,9)^2}{28,9} = \frac{1,21}{28,9} = 0,04 \\ \text{(2-4h, Media)} &: \frac{(40-34,7)^2}{34,7} = \frac{28,09}{34,7} = 0,81 \\ \text{(>4h, Media)} &: \frac{(40-46,3)^2}{46,3} = \frac{39,69}{46,3} = 0,86 \\
\text{(<2h, Alta)} &: \frac{(20-44,7)^2}{44,7} = \frac{610,09}{44,7} = 13,65 \\ \text{(2-4h, Alta)} &: \frac{(50-53,7)^2}{53,7} = \frac{13,69}{53,7} = 0,25 \\ \text{(>4h, Alta)} &: \frac{(100-71,6)^2}{71,6} = \frac{806,56}{71,6} = 11,26
\end{aligned}[/math]
Sommiamo: [math]\chi^2 = 21,36 + 0,08 + 11,60 + 0,04 + 0,81 + 0,86 + 13,65 + 0,25 + 11,26 = 59,91[/math]
Passo 3: Calcolo della V di Cramer.
La tabella ha [math]r=3[/math] e [math]c=3[/math]. Quindi [math]\min(r-1, c-1) = \min(2,2) = 2[/math].
[math]\displaystyle \begin{aligned}
V &= \sqrt{\frac{59,91}{380 \times 2}} = \sqrt{\frac{59,91}{760}} \\
V &= \sqrt{0,0788} = 0,28
\end{aligned}[/math]
Commento
La V di Cramer è 0,28. Secondo la scala di Cohen, siamo prossimi alla soglia per un effetto medio (0,3). Possiamo concludere che esiste una relazione moderata tra il livello di ansia e le ore passate sui social.
Esercizio 4
Passo 1: Calcolo della V di Cramer con N=800.
La tabella è 3×3, quindi [math]r=3, c=3[/math] e [math]\min(r-1, c-1) = \min(2,2) = 2[/math].
Calcoliamo le frequenze attese ([math]E[/math]) per ogni cella (Totale generale [math]N=800[/math]):
- Giovani-Bassa: [math]E = (260 \times 280)/800 = 91[/math]
- Giovani-Media: [math]E = (260 \times 280)/800 = 91[/math]
- Giovani-Alta: [math]E = (260 \times 240)/800 = 78[/math]
- Adulti-Bassa: [math]E = (280 \times 280)/800 = 98[/math]
- Adulti-Media: [math]E = (280 \times 280)/800 = 98[/math]
- Adulti-Alta: [math]E = (280 \times 240)/800 = 84[/math]
- Senior-Bassa: [math]E = (260 \times 280)/800 = 91[/math]
- Senior-Media: [math]E = (260 \times 280)/800 = 91[/math]
- Senior-Alta: [math]E = (260 \times 240)/800 = 78[/math]
Calcoliamo il [math]\chi^2[/math] con la formula [math]\sum \frac{(O-E)^2}{E}[/math]:
[math]\displaystyle \begin{aligned}
\text{G-B} &: (40-91)^2/91 = 28,58 \\
\text{G-M} &: (100-91)^2/91 = 0,89 \\
\text{G-A} &: (120-78)^2/78 = 22,62 \\
\text{A-B} &: (90-98)^2/98 = 0,65 \\
\text{A-M} &: (110-98)^2/98 = 1,47 \\
\text{A-A} &: (80-84)^2/84 = 0,19 \\
\text{S-B} &: (150-91)^2/91 = 38,25 \\
\text{S-M} &: (70-91)^2/91 = 4,85 \\
\text{S-A} &: (40-78)^2/78 = 18,51 \\
\chi^2 &= 116,01
\end{aligned}[/math]
Ora calcoliamo la V di Cramer:
[math]\displaystyle \begin{aligned}
V &= \sqrt{\frac{116,01}{800 \times 2}} = \sqrt{\frac{116,01}{1600}} \\
V &= \sqrt{0,0725} = 0,269
\end{aligned}[/math]
Passo 2: Simulazione con N=400 (stesse proporzioni).
Se le proporzioni restano identiche e il campione si dimezza, anche il [math]\chi^2[/math] si dimezza: [math]\chi^2_{400} = 116,01 / 2 = 58,005[/math].
[math]\displaystyle \begin{aligned}
V &= \sqrt{\frac{58,005}{400 \times 2}} = \sqrt{\frac{58,005}{800}} \\
V &= \sqrt{0,0725} = 0,269
\end{aligned}[/math]
Il valore è identico.
💡 Proprietà fondamentale della V di Cramer
La V di Cramer è un indice normalizzato che corregge il [math]\chi^2[/math] per la numerosità campionaria. Mentre il [math]\chi^2[/math] cresce all’aumentare di [math]N[/math], la V di Cramer rimane stabile.
Esercizio 5
Città A: [math]\chi^2=40, n=200[/math], tabella 2×2. [math]\min(r-1, c-1) = 1[/math].
[math]\displaystyle \begin{aligned}
V_A &= \sqrt{\frac{40}{200 \times 1}} = \sqrt{0,2} = 0,447
\end{aligned}[/math]
Città B: [math]\chi^2=80, n=500[/math], tabella 5×5. [math]\min(r-1, c-1) = 4[/math].
[math]\displaystyle \begin{aligned}
V_B &= \sqrt{\frac{80}{500 \times 4}} = \sqrt{\frac{80}{2000}} = \sqrt{0,04} = 0,2
\end{aligned}[/math]
Spiegazione del paradosso:
La V di Cramer normalizza per la complessità della tabella. In una tabella 5×5 il [math]\chi^2[/math] può raggiungere valori molto più alti. Un valore di 80 in una 5×5 è proporzionalmente meno significativo di un 40 in una 2×2.
Esercizio 6
Passo 1: Calcolo dell’indice Phi e confronto con V.
[math]\displaystyle \begin{aligned}
\phi &= \sqrt{\frac{9}{150}} = \sqrt{0,06} = 0,245
\end{aligned}[/math]
In una tabella 2×2, la V di Cramer coincide con [math]\phi[/math] poiché [math]\min(2-1, 2-1) = 1[/math].
Passo 2: Calcolo della V di Cramer per la tabella 2×3.
Tabella 2×3: [math]r=2, c=3[/math]. Il valore [math]k[/math] è [math]\min(2-1, 3-1) = \min(1, 2) = 1[/math].
[math]\displaystyle \begin{aligned}
V_{2×3} &= \sqrt{\frac{9}{150 \times 1}} = \sqrt{0,06} = 0,245
\end{aligned}[/math]
Analisi dell’invarianza:
Il valore non è cambiato perché la V di Cramer dipende dalla dimensione minore della tabella. Finché una delle due variabili rimane dicotomica (2 categorie), il divisore rimane [math]k=1[/math]. Questo ci insegna che aumentare il dettaglio di una variabile non aumenta necessariamente la “complessità” della relazione se l’altra variabile rimane limitata a due sole opzioni.
Articoli di approfondimento
👉 Relazioni tra due caratteri statistici
👉 Il test chi-quadrato senza paura: 3 esercizi svolti e p-value spiegato davvero
👉 Test chi-quadrato per l’indipendenza: 5 esercizi risolti
👉 Test chi-quadrato: guida pratica con esercizi, correzione di Yates e test di Fisher
