分析分类特征的卡方检验

问：

我有一个包含许多分类特征的数据集，并希望找到这些特征之间的相关性。目前，我正在使用独立性检验的卡方检验。

根据检验，如果 p 值<显著性水平（通常为 0.05），我可以否定我的原假设并说变量是相关的。首先，我们创建一个观察到的列联表。我的疑问是，如果我在列联表中有许多值为 0（即稀疏矩阵）的单元格，我是否可以依赖chi_square统计数据，因为chi_square假设是：

1. 这两个样本是独立的
2. 没有预期的单元格计数 = 0
3. 不超过 20% 的细胞的预期细胞计数< 5

为了更清楚起见，让我用一个例子来解释我的疑问。假设我在美国数据集中有名为“city”和“state”的特征。如果亚特兰大市位于佐治亚州，则亚特兰大与其他州之间的所有像元在城市和州的列联表中均为 0，因此假设将不满足。我还能在这里使用卡方检验吗？如果是，请说明原因，如果不是，请说明在这种情况下应采取的措施。

我从这个来源参考了。

如果我在这里遗漏了一些重要的东西，请帮助我知道。提前致谢。