格兰杰因果关系检验r语言_R语言 | 卡方检验（Chisquaretest）

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

compare706,792,184,176), nr = 2,
                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
   &nbs