So wird Lambda berechnet
E₁ sind die Fehler, wenn man immer die insgesamt häufigste Kategorie rät; E₂ die Fehler, wenn man innerhalb jeder Kategorie der Prädiktorvariable deren häufigste Kategorie rät. Lambda ist der Anteil der eingesparten Fehler.
- λ = (E₁ − E₂) ÷ E₁
- λ(Zeile|Spalte): Spalten sagen Zeilen vorher; λ(Spalte|Zeile) umgekehrt.
- Das symmetrische Lambda mittelt beide Richtungen.
Rechenbeispiel
Für die Öffnungstafel [[30, 15, 5], [12, 25, 13], [4, 14, 32]] (n = 150) ergeben sich λ(Zeile|Spalte) = 0,370, λ(Spalte|Zeile) = 0,344 und symmetrisch λ = 0,357. Wer die Spalte kennt, macht also rund ein Drittel weniger Fehler beim Erraten der Zeile.
Wann verwenden – und wann nicht
Lambda ist anschaulich, hat aber eine bekannte Schwäche.
- Nominale Variablen, wenn eine Vorhersagerichtung sinnvoll ist.
- Zur verständlichen Kommunikation als ‚weniger Fehler‘.
- Lambda kann 0 sein, obwohl ein Zusammenhang besteht – wenn in jeder Kategorie dieselbe Modalkategorie dominiert. Prüfen Sie dann Cramérs V oder Theils U.
- Nicht für ordinale Daten, wenn die Reihenfolge genutzt werden soll.