Lambda和gamma是社会科学统计和研究中常用的两种关联度量。Lambda是用于标称变量的关联度量，而gamma用于序数变量。

兰姆达

Lambda被定义为适用于标称变量的非对称关联度量。它的范围可能在0.0到1.0之间。Lambda为我们提供了自变量和因变量之间关系强度的指示。作为关联的非对称度量，lambda的值可能会有所不同，这取决于哪些变量被视为因变量，哪些变量被视为自变量。

要计算lambda，需要两个数字：E1和E2。E1为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–模式频率。

E2是基于自变量进行预测时产生的误差。要找到E2，首先需要找到每类自变量的模态频率，从类别总数中减去它以找到错误数，然后将所有错误相加。

计算λ的公式为：λ=（E1–E2）/E1。

Lambda的值可能在0.0到1.0之间。零表示使用自变量预测因变量没有任何结果。换句话说，自变量无论如何都不能预测因变量。lambda为1.0表示自变量是因变量的完美预测因子。也就是说，通过使用自变量作为预测因子，我们可以无误差地预测因变量。

伽马射线

Gamma被定义为一种对称的关联度量，适用于序数变量或二分法标称变量。它可以在0.0到+/-1.0之间变化，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，gamma是关联的对称度量。这意味着，无论哪个变量被视为因变量，哪个变量被视为自变量，gamma的值都是相同的。

Gamma使用以下公式计算：

伽马=（Ns-Nd）/（Ns+Nd）

顺序变量之间关系的方向可以是正的，也可以是负的。在积极关系中，如果一个人在一个变量上的排名高于另一个人，他或她在第二个变量上的排名也会高于另一个人。这称为同一顺序排名，标有Ns，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，他或她在第二个变量上的排名就会低于另一个人。这称为逆序对，标记为Nd，如上面的公式所示。

要计算gamma，首先需要计算相同顺序对（Ns）和相反顺序对（Nd）的数量。这些数据可以从双变量表（也称为频率表或交叉表）中获得。一旦计算了这些，伽马的计算就很简单了。

伽马值为0.0表示两个变量之间没有关系，使用自变量预测因变量无法获得任何结果。伽马值为1.0表示变量之间的关系为正，自变量可以无误差地预测因变量。当gamma为-1.0时，这意味着关系为负，自变量可以完美地预测因变量，且无误差。

参考资料

• 法兰克福·纳奇米亚斯，C.和莱昂·格雷罗，A.（2006）。多元社会的社会统计。千橡树，加利福尼亚州：松树锻造出版社。