【数学分析入门】R语言独立性检验方法

最新推荐文章于 2024-04-12 21:05:43 发布

如果我是温帅帅

最新推荐文章于 2024-04-12 21:05:43 发布

阅读量2.4k

点赞数 5

分类专栏：数据分析文章标签： r语言

本文链接：https://blog.csdn.net/weixin_39348931/article/details/124033854

版权

34 篇文章 2 订阅

订阅专栏

一、独立性检验

卡方检验的p值越小，说明K值越大，即 $\chi^2$ 的值越大，说明“X与Y有关系”成立的可能性越大。

library(vcd)
mytable <- table(Arthritis$Treatment,Arthritis$Improved) 
chisq.test(mytable)
fisher.test(mytable)

在这里插入图片描述
卡方检验p值<0.005
拒绝原假设
说明treatment与improved这两个变量不独立，存在相关性

mytable <-table(Arthritis$Improved,Arthritis$Sex)
chisq.test(mytable)
fisher.test(mytable)

在这里插入图片描述
卡方检验p值大于0.005，说明独立

类似上面，P值越小，说明相关性越大，用四象限法算一下就明白为什么了

library(vcd)
mytable <- table(Arthritis$Treatment,Arthritis$Improved) 
fisher.test(mytable)

在这里插入图片描述

费歇尔检验p值<0.005，说明存在相关性

mytable <-table(Arthritis$Improved,Arthritis$Sex)
fisher.test(mytable)

在这里插入图片描述
费歇尔检验p值>0.005，说明独立

分层卡方检验，也称为Cochran-Mantel-Haenszel检验（CMH检验），它主要用于上述的分层分析中，也就是在研究暴露/处理因素和结局事件关联性的基础上，考虑了分层因素的混杂作用。

CMH检验通过对分层因素进行控制，从而考察调整之后暴露/处理因素与结局事件之间的关联性。实际上CMH检验，已经不再是单纯的单因素分析，而是已经开始融入了多因素分析的思维模式，应该算作为一种最为简单的多因素分析方法。

mytable <- xtabs(~Treatment+Improved+Sex, data=Arthritis)
mantelhaen.test(mytable)

在这里插入图片描述

关注

专栏目录