Cramer 的 V 确实没有一个简单的概括，就像 Pearson 的一样$\phi$未定义为$2 x 2 .... 2$表。这是因为有多个空模型可供选择，因此单个折叠的关系统计数据没有意义。

例如，假设您有一个大$\chi^2$关联测试中的价值。在一个$2 x 2$案例这很简单，因为重新调整$\chi^2$相关性仍然有意义：一个增加单位的相关性为$\phi$与第二个变量。然而，对于一个$2 x 2 x 2$模型，大型/显着$\chi^2$可能意味着存在许多可能的关系（V1 与 V2、V1 与 V3、V2 与 V3 或 V1 与 V2 与 V3）。因此，单个数字无法捕捉到这种相互关系发生的位置，因此单个相关统计数据将是模棱两可的。相同的原则适用于 Cramer's V，其中高维表不容易折叠为单个数字关系。

总体拟合优度测量类似于$R^2$在线性回归中是可能的，并且已经提出了几个（例如，用于 GLM 的伪 R 平方公式），尽管这些不是那么容易手工完成，因为它们依赖于计算对数似然/偏差值。