统计学—基于R 第七章 类别变量分析 课后习题

期望频数相等时的拟合优度检验 

> exercise7_1<-read.csv("D:/289250《统计学—基于R》（第4版）—例题和习题数据/《统计学—基于R》（第4版）—例题和习题数据（公开资源）/exercise/chap07/exercise7_1.csv")
> exercise7_1
   月份 销售量
1   1月   1660
2   2月   1600
3   3月   1560
4   4月   1490
5   5月   1380
6   6月   1620
7   7月   1580
8   8月   1680
9   9月   1550
10 10月   1370
11 11月   1410
12 12月   1610
> chisq.test(exercise7_1$销售量)

	Chi-squared test for given probabilities

data:  exercise7_1$销售量
X-squared = 80.924, df = 11, p-value = 9.778e-13

卡方=80.924,df=11,P=9.778e-13,由于P<0.05,拒绝H0，各月份的销售量不符合均匀分布

两个类别变量的独立性检验 

> x<-c(34,38,28,50)
> M<-matrix(x,nr=2,nc=2,byrow=TRUE,dimnames=list(c("逃过课","未逃过课"),c("男","女")))
> chisq.test(M)

	Pearson's Chi-squared test with Yates'
	continuity correction

data:  M
X-squared = 1.5407, df = 1, p-value = 0.2145

> M
         男 女
逃过课   34 38
未逃过课 28 50

#X-squared = 1.5407, df = 1, p-value = 0.2145，P>0.05,不拒绝H0，是否逃课与性别独立

> y<-c(50,70,30,15,20,5)
> N<-matrix(y,nr=3,nc=2,byrow=TRUE,dimnames = list(c("主板企业","中小板企业","创业板企业"),c("关注","不关注")))
> N
           关注 不关注
主板企业     50     70
中小板企业   30     15
创业板企业   20      5
> chisq.test(N)

	Pearson's Chi-squared test

data:  N
X-squared = 16.854, df = 2, p-value = 0.0002189

（1）X-squared = 16.854, df = 2, p-value = 0.0002189,P<0.05,拒绝H0，上市公司类型与对股价波动的关注度不独立 。

> library(grid)
> library(vcd)
> assocstats(N)
                    X^2 df   P(> X^2)
Likelihood Ratio 17.557  2 0.00015404
Pearson          16.854  2 0.00021891

Phi-Coefficient   : NA 
Contingency Coeff.: 0.285 
Cramer's V        : 0.298 

（2）φ与V均为0.298 ，列联系数0.285 ，上市公司类型与对股价波动的关注度之间存在一定的相关性 。

> c<-c(20,40,40,50,50,60,30,20,20,40,10,20)
> C<-matrix(c,nr=4,nc=3,byrow=TRUE,dimnames = list(c("10万元以下","10万~20万","20万~30万","30万以上"),c("北部地区","南部地区","中部地区")))
> C
           北部地区 南部地区 中部地区
10万元以下       20       40       40
10万~20万        50       50       60
20万~30万        30       20       20
30万以上         40       10       20
> chisq.test(C)

	Pearson's Chi-squared test

data:  C
X-squared = 29.991, df = 6, p-value = 3.946e-05

（1）X-squared = 29.991, df = 6, p-value = 3.946e-05，P<0.05,拒绝H0，地区与汽车价格不独立

> assocstats(C)
                    X^2 df   P(> X^2)
Likelihood Ratio 30.683  6 2.9134e-05
Pearson          29.991  6 3.9455e-05

Phi-Coefficient   : NA 
Contingency Coeff.: 0.264 
Cramer's V        : 0.194

> u<-sqrt(29.991/sum(C))
> u
[1] 0.2738202 

（2） φ为0.274，V为0.194，列联系数为0.264,有一定的相关性