分类变量关联简介 — AP 统计学
AP 统计学 · CED 探索双变量数据 · 14 min read
1. 什么是分类变量关联？ ★★☆☆☆ ⏱ 3 min
本小节属于AP统计学第2单元：探索双变量数据，该单元占AP考试总分的10-15%，本小节占考试总分权重的5-7%。它会出现在选择题和自由作答题部分，最常以一组选择题或多步自由作答题的前几小题形式考察。
与定量变量之间的关联（使用相关系数和线性回归分析）不同，分类变量关联依赖于比较条件比例而非线性趋势。双向（列联）表的标准记法中，$O_{ij}$表示第$i$行第$j$列的观测计数，$R_i$是行合计，$C_j$是列合计，$N$是总样本量；解释变量放在行，响应变量放在列。
2. 双向列联表与频率类型 ★★☆☆☆ ⏱ 4 min
双向（列联）表整理了两个分类变量所有水平组合的观测计数。关联分析使用三种核心频率类型，每种都有对应的相对频率来调整不同样本量的影响：
- **边际频率**：单个变量某一水平的总计数（位于表格边缘）。边际相对频率 = 边际频率 / 总样本量 $N$，描述总样本中该水平所占的比例。
- **联合频率**：特定水平组合的观测计数（表格的单个单元格）。联合相对频率 = 联合频率 / $N$，描述总样本中具有该结果组合的比例。
- **条件频率**：限定在另一个变量特定水平下，某一变量某一水平的观测计数。条件相对频率 = 条件频率 / *条件组合计*（不是总样本量 $N$）。比较条件相对分布是判断关联存在的核心方法。
Exam tip: 计算前，你一定要圈出题目中提到的条件。像'已知'、'在...中'或'条件为'这类表述意味着分母是条件组的合计，而不是总样本量。
3. 判断分类变量关联与独立性 ★★★☆☆ ⏱ 3 min
如果响应变量的条件分布在解释变量的所有水平下都完全相同，则两个分类变量相互独立（不存在关联）。换句话说，知道解释变量的取值无法给响应变量的预测提供额外信息。在实际样本数据中，分布永远不会完全相同，因此我们通过条件比例之间差异的大小来评估关联是否存在。
Exam tip: 在要求分析关联的自由作答题中，你必须结合题目背景引用条件比例差异的大小才能拿到满分 — 绝对不能只说'是'或'否'而不给出数值证据。
4. 辛普森悖论简介 ★★★★☆ ⏱ 4 min
辛普森悖论提醒我们，在分析分类变量关联时，一定要检查是否存在潜在混杂变量，因为这些变量可能完全反转我们观察到的两个目标变量之间的关系。
Exam tip: 当考试要求你解释辛普森悖论时，你必须明确说明关联方向的反转，并解释混杂变量分布不均才能拿到满分。
Common Pitfalls
Why: 学生混淆了联合频率和条件频率，忘记'已知'或'在...中'意味着我们将样本限定在条件组内
Why: 学生认为任何差异都意味着关联，没有考虑样本随机变异
Why: 学生混淆了边际分布和条件分布；关联是关于条件分布的，不是边际分布
Why: 学生混淆了联合相对频率和条件相对频率的定义
Why: 学生认为按任何变量拆分就能得到'真实'结果，但该变量不一定是混杂潜伏变量
Quick Reference Cheatsheet