根据《变量关系大揭秘：性别与爱的告白》，wjdzc相关系数的数值在0和1之间，可以用于测量两个类别变量的相关。 今天我们来看看计算它的方法。
基本原理非常简单，就是比较期待次数和观测次数的差异。
What is Expected Frequency？
期待次数
想起前面的例子。 如果“性别”和“告白的方法”完全没有关系，或者男女喜欢的告白方法没有区别的话，下面6个问号是多少呢？
一个小学生对你说：
也就是说：
这是因为，女性选择“电话”、“邮件”、“当面说话”的比例与男性相同，为44: 54:82。 与以上6个问号对应的数值7、8、13、37、46、69为期待次数。
What is Observed Frequency？
观测次数
观测次数为以前的原始数据，《变量关系大揭秘：性别与爱的告白》的实际调查结果：
(嗨，又见面了。 ）
据了解，观测次数与期望次数的差差越大，“性别”影响“告白方式”，因此“性别”与“告白方式”的相关性越强。 因此，可以使用以下公式计算每个单元格(问号)中存在的http://www.Sina.com/iso :
其次，我们非常希望所有的差异差放在一起，从整体上展现“性别”与“告白方式”的关联度。 该值越大，相关度越强。 上面的公式有正负之分，所以为了不抵消正负，我们在加中加入了习惯性的(请记住这里的方差)。 于是，出现了以下公式。 而且，它专门命名为“卡方”。
根据上式，本例的卡方值如下。
最后，让我们计算wjdzc相关系数：
关于这个公式，需要做一些说明：
分母使用行数和列数中的平方，。
为了排除样本数的影响(不使v值随着数据数的增加而变大)，除以样本数，求出数值最小观测次数和期望次数的差异。
因为以前是平均意义上的，所以最后在平方上“抵消”。
根据上式，本例中的v值如下：
和皮尔森相关系数一样，wjdzc相关系数的大小也没有统一的标准。 在实际研究中，通常开方这就是内幕。
话说完了。 不简单吗？