卡方检验c语言算法,R语言 | 卡方检验（Chi-squaretest）

卡方检验在计数资料中的应用，包括推断两个总体率或构成比之间有无差别、多个总体率或构成比之间有无差别、多个样本率间的多重比较、两个分类变量之间有无关联性、多维列联表的分析和频数分布拟合优度的卡方检验。选自：周支瑞老师

下面分别介绍计数资料怎么进行卡方检验。

目  录1. 四格表资料的卡方检验1.1 数据集数据

1.2 向量或矩阵数据

1.3 chisq.test()函数

2. Fisher确切概率法

3. 配对四格表资料的卡方检验3.1 b+c < 40

3.2 b+c ≥ 40

3.3 mcnemar.test()函数

4. Cochran-Mantel-Haenszel检验4.1 mantelhaen.test()函数

4.2 数据集形式的数据

4.3 向量或数组数据

4.4 计算各层OR值

4.5 Breslow-Day检验

4.6 BreslowDayTest()函数

4.7 WoolfTest()函数

5. 计算列联系数

6. 频数分布拟合优度的卡方检验

1. 四格表资料的卡方检验

1.1 数据集数据

选用survival包的colon数据集。

library(survival) #加载内置数据集的包

data(colon) # 加载数据集

mytable 

chisq.test(mytable)  # 进行连续性校正

chisq.test(mytable, correct = FALSE) # 不进行连续性校正

无论是否进行连续性校正，结果都显示p值＞0.05，接受原假设，说明sex和status无关。

还可以输出卡方检验摘要：chisq.test(mytable)$observed   # 实际频数(和mytable一样)

chisq.test(mytable)$expected   # 期望频数

chisq.test(mytable)$residuals  # Pearson 残差

chisq.test(mytable)$stdres     # 标准化残差

1.2 向量或矩阵数据

compare

dimnames = list(c('male', 'female'),

c('Yes', 'No')));compare

chisq.test(compare)

注意：在使用chisq.test()函数计算时，要注意单元格的期望频数。如果所有单元格频数都不为零，并且所有单元的期望频数≥5，那么Pearson卡方检验是合理的，否则会显示警告信息。

如果在计算时出现警告信息，表明表中单元格期望频数有＜5的值，这可能会使卡方近似无效。

如果数据不满足卡方检验的条件时，应使用Fisher精确检验。

1.3 chisq.test()函数

chisq.test()函数可以进行卡方列联表检验和拟合优度检验。chisq.test(x, y = NULL, # x是由数据构成的向量或矩阵，y是数据向量(当x为矩阵时，y忽略)

correct = TRUE, # 逻辑词，默认为TRUE，在计算2x2列联表的检验统计量时是否使用连续性校正

<