简述相关分析和列联表分析的主要联系和区别。

1. 简述相关分析和列联表分析的主要联系和区别。

【答案】：(1)相关分析和列联表分析都是分析两个变量之间的关系。
(2)相关分析分析的是两个变量都是连续变量的数据，例如广告预算和销售量之间的关系;列联表分析分析的是两个变量都是分类变量的数据，例如性别和品牌偏好之间的关系。
(3)相关分析根据皮尔逊相关系数进行假设检验;列联表根据卡方值进行假设检验。

2. 列联分析计算哪些重要的系数？

列联分析是一种用于分析两个或多个变量之间关系的统计方法。在列联分析中，常用的重要系数包括：
1. 卡方检验：用于确定两个分类变量是否存在相关性。
2. Cramer's V 系数：用于度量两个分类变量的相关性程度，取值范围为0到1，值越接近1表示相关性越强。
3. Phi 系数：用于衡量两个二元分类变量的相关性程度，取值范围为-1到1，值越接近-1或1表示相关性越强，值为0表示没有相关性。
4. 列联表中行和列的比例差异比率（odds ratio）：度量两个分类变量之间的关联程度，它是两个事件发生概率比值的比值，通常用于探究疾病与风险因素之间的关系。
5. 熵、条件熵和信息增益：用于评估一个分类变量对于另一个分类变量的预测能力，它们可用于构建决策树等机器学习模型。