R中的假设检验（四）卡方检验

最近几天没碰编程，浑身难受，日子过的浑浑噩噩，还是得每天接触下编程。相较于核磁分析，我感觉统计建模更对我的胃口。今天写卡方检验（χ2检验，chi-square test）。
医学中最最常见的就是四格表的卡方检验，spss教材上计算四格表资料的卡方检验结果值有：Pearson chi-square 、Continuity correction 、Likelihood ratio 、 Fisher’s exact test 、 Linear-by-Linear association 。步骤就不讲了，spss上实现卡方检验太简单了。
在spss里这些结果的选择条件：（1）Pearson chi-square检验 ：用于 n≥40 且Trc≥5 （2）Yates检验（即Continuity correction检验，连续校正检验）：用于n≥40 且5≥Trc≥1 （3）Fisher exact检验：用于n＜40，或者Trc＜1。
n代表样本量，Trc代表四格表中的任意一格的频数。

今天介绍的有所不一样。今天学习四个函数：prop.test、binom.test、chisq.test、fisher.test。

比例检验 prop.test（）
prop就是 proportion 比例。
prop.test（观测值，样本总量，检验的比率）
完整函数格式：prop.test(x, n, p = NULL,alternative = c(“two.sided”, “less”, “greater”),conf.level = 0.95, correct = TRUE)
单样本的比例检验
代码：prop.test（42，356，.35） #p-value<0.01
上面代码的意思是：假设1个小区有356个患有冠心病的病人，其中有42名患者抽烟，某人提出假说患有冠心病的人吸烟的概率是0.35，然后对这个进行检验。这个临床试验中用的很少，简单介绍跳过。这个函数在医学临床上用的不多。
两个独立样本的比例
代码：> lewitt.machin.success <- c(9,4) #每组观测值
> lewitt.machin.total <- c(12,13) #每组总数
> prop.test( lewitt.machin.success，lewitt.machin.total ) #p-value=0.07
可以看出，用prop.test计算的时候，里面是向量。实际上这个的理论方法简单来说就是假设两个样本比例的差值，两个样本的计数，都服从同一个参数p的二项分布。根据上面代码同理可推，若有3组，4组，或更多，只需要把相应的值写入向量就好了。例如lewitt.machin.total <- c( 12,13,14,15)。若设置correct=F，那就是不使用Yates连续校正。
拟合优度检验 chisq.test（），全名chi-square test，即卡方χ2检验
这个是医学临床上最常用的检验方法，就是spss上介绍的χ2检验。
完整函数格式：chisq.test(x, y = NULL, correct = TRUE, p = rep(1/length(x), length(x)), rescale.p = FALSE, simulate.p.value = FALSE, B = 2000)
chisq.test（表格）
举例：

	有效	无效
急性期	69	37
慢性期	30	46

首先构造表格数据：> mymatrix <- matrix(c(69,37,30,46),2,by=c)
>chisq.test（mymatirx，correct = F）#11.713,p-value=0.000，不进行校正
>chisq.test（mymatrix） #10.703，p-value=0.001，默认有连续校正
这个函数是最常用的，但是与spss不一样的是，它需要输入表格样式，可以是矩阵或数据框。spss示例中的是变量样式，包含疗效，分期，频数。这中间如何互相转化，我得研究研究，这里先摆出来常用的方式。
值得注意的是：用prop.test（）和chisq.test（）算出来的结果是一样的。
如下：> effect <- c(69,30)
> total <- c(106,76)
> prop.test ( effect , total ) #x-squared=10.703,p-value=0.001
同理， prop.test ( effect , total ,correct = F) #不较正，11.713，0.000

所以在这里的话，我个人是觉得prop.test比chisq.test好用的，原因是：第一它显示的细节比chisq更多，比如它会显示比例之差的95%的置信区间；第二它的构造很方便，用的是向量，比矩阵和数据框方便些，可以快速计算出模型结果。

这里先介绍个基础知识，一般认为小样本情况，属于超几何分布；大样本情况，属于二项分布及近似正态分布。
二项分布与超几何分布的区别：（1） 超几何分布需要知道总体的容量，而二项分布不需要（2） 超几何分布是不放回抽取，它描述了从有限个物件中抽出n个物件，成功抽出指定种类的物件的次数（不归还）。（3）二项分布是放回抽取（独立重复）。即重复n次独立的伯努利试验。在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，与其它各次试验结果无关，事件发生与否的概率在每一次独立试验中都保持不变，则这一系列试验总称为n重伯努利实验，当试验次数为1时，二项分布就是伯努利分布（4）当总体的容量非常大时，超几何分布近似于二项分布。

binom.test（），又称符号检验，binomial 检验，二项分布检验。
binomial 二项分布，原理：如果两个配对样本实际没有差别，则样本数据相减所得的差值应当大致一半为正一半为负。
binom.test（观测值，样本总量，检验的比率）
完整函数格式：binom.test(x, n, p = 0.5 , alternative = c(“two.sided”, “less”, “greater”) , conf.level = 0.95)
零假设：观测值的分布=检验的比率。
这个函数是对分布的概率值进行检验，因此不像prop函数应用那么广泛，在医学临床研究中也用的不多。binom.test并不能进行向量计算，所以不能用于两个及以上独立样本。它只是用来检测概率值的p值，这个概率值在一般情况下是0.5，它使用的时候稍微注意下是单侧检验还是双侧检验。

fisher.test（），又称 Fisher精确检验
fisher.test（表格） #同chisq.test，输入四格表
完整的函数格式：fisher.test(x, y = NULL, workspace = 200000, hybrid = FALSE, hybridPars = c(expect = 5, percent = 80, Emin = 1),control = list(), or = 1, alternative = “two.sided”,conf.int = TRUE, conf.level = 0.95, simulate.p.value = FALSE, B = 2000)
因为它需要某一格小于5，在临床统计上用处很小。

其他的还有配对卡方检验 McNemar检验，和kappa一致性检验。今天不讲了，因为我是搞临床研究的，临床基本没有配对的涉及。等以后我去养老鼠了，再来一次性更新完跟配对样本有关的参数和非参数检验。

补充一句吧，就如果是excel上整理好的表格数据，不论是2x2还是RxC，按表格的形式整理导入后，就可以直接用 chisq.test（）和 fisher.test（），因为这样很方便。前者就不说了，后者就是因为某个频率太小，所以就假定数据是超几何分布，这样就可以记住他们俩的适用范围，以5为准。