社会学中定义的拉姆达与伽玛
λ和γ是社会科学统计和研究中常用的两种关联度量。Lambda是用于名义变量的关联度量，而gamma用于有序变量。
Lambda
Lambda被定义为适用于名义变量的不对称关联度量。它可以从0.0到1.0。Lambda为我们提供了独立变量和因变量之间关系强度的指示。作为关联的不对称度量，λ的值可以根据哪个变量被认为是因变量以及哪些变量被认为是自变量而变化。
要计算lambda，需要两个数字：E1和E2。E1是忽略自变量时的预测误差。要找到E1，首先需要找到因变量的模式并从N中减去其频率。E1=N-模态频率。
E2是预测基于自变量时所犯的错误。要找到E2，首先需要找到自变量的每个类别的模态频率，从类别总数中减去它以找到错误的数量，然后将所有错误相加。
计算λ的公式为：λ=（E1-E2）/E1。
λ的值可以在0.0到1.0的范围内。零表示使用自变量预测因变量无法获得。换句话说，自变量不会以任何方式预测因变量。λ为1.0表示自变量是因变量的完美预测变量。也就是说，通过使用自变量作为预测变量，我们可以预测因变量而没有任何错误。
Gamma
伽玛被定义为适合与之使用的对称关联度量序数变量或具有二分名义变量。它可以从0.0到+/-1.0变化，并为我们提供两个变量之间关系强度的指示。lambda是关联的不对称度量，而gamma是关联的对称度量。这意味着无论哪个变量被认为是因变量，哪个变量被认为是自变量，伽玛的值都是相同的。
伽玛使用以下公式计算：
伽玛=（Ns-Nd）/（Ns+Nd）
有序变量之间关系的方向可以是正的或负的。在积极的关系中，如果一个人在一个变量上的排名高于另一个人，他或她也会在第二个变量上排名高于另一个人。这被称为同阶排名，其用Ns标记，如上面的公式所示。在负相关关系中，如果一个人在一个变量上排名高于另一个人，他或她将在第二个变量上排名低于另一个人。这被称为逆序对，并被标记为Nd，如上面的公式所示。
要计算伽玛，首先需要计算相同阶数对（Ns）和逆阶数对（Nd）的数量。这些可以从双变量表（也称为频率表或交叉表）获得。计数这些后，伽玛的计算就很简单。
伽玛为0.0表示两个变量之间没有关系，并且通过使用自变量预测因变量无法获得任何关系。1.0的伽玛表示变量之间的关系是正的，并且因变量可以由自变量预测而没有任何误差。当伽玛是-1.0时，这意味着这种关系是负的，自变量是完美的ly预测因变量没有错误。
![[基本常识]统计中的参数和非参数方法](http://www.49vv.net/d/file/p/2020/12-05/small8b9b5dc9ab8cbe53679fd0bdf05733fb1607126409.jpg)