如何用r压缩列联表_列联表中变量独立性的判断(R语言版)

阅读本章之前，你需要掌握的R语言编程知识

• 矩阵的操作

问题引入：

为了研究吸烟是否与患肺癌相关，对63位肺癌患者及43名非肺癌患者（对照组）调查了其中的吸烟人数，得到2x2列联表，如下表所示：

根据以上数据，我们能否说明抽烟与肺癌之间存在关联？

1.何为列联表

由问题引入的表格，可以看出，该试验研究了两个变量（肺癌和吸烟）。其中肺癌的变量有两个值（患肺癌和不患肺癌），占据了第一行的位置，而吸烟这个变量也有两个值（吸烟和不吸烟），占据了第一列的位置。这两个变量之间有交叉，一共有2*2种情况。像这样的，由两个或两个以上的变量进行交叉分类的频数分布表就是列联表。

2.列联表中变量独立性的判断

这里，我们不详细说统计学上的各种东西，而是给出相应的结论，并说明在R中是如何具体操作。

2.1 卡方检验

卡方检验，或称​

检验，被誉为二十世纪科学技术所有分支中的20大发明之一，它的发明者卡尔·皮尔逊是一位历史上罕见的百科全书式的学者，研究领域涵盖了生物、历史、宗教、哲学、法律。

卡方检验的具体分析过程如下：

对于一个​的

列联表 (一个变量有r个取值，另一个有c个取值，也即两因子)

​

:两个变量是独立的

​

两个变量是相关的

检验统计量: ​

其中，

拒绝域：

​，其中​

有​

个自由度。

注意：使用​

检验有下面两个假设条件

1. n个观测计数是总体的一个随机样本，可认为它是有​

种可能结果的多项实验

2.为了保证​

近似的有效性，要求对所有单元估计的期望计数​大于或等于5，样本数n>40

---

好了卡方检验的具体流程如上所示，是不是觉得很麻烦，但是用R语言却很方便。

在R语言中使用chisq.test函数 进行卡方检验。它的具体用法为：

chisq.test(x, y = NULL, correct = TRUE,
           p = rep(1/length(x), length(x)), rescale.p = FALSE,
           simulate.p.value = FALSE, B = 2000)

参数解释：

X : 数值向量、矩阵或因子

y : 如果x是矩阵，y可以忽略。如果x是因子，y必须是同样长度的因子

其余的参数用到的不多，如果用到，可以查询相关资料。

下面我们来看看针对该道问题，如何进行卡方检验

首先，我们构造假设

其中，自由度​为1

然后，在RStudio中，对该题目数据进行卡方检验

> a <- matrix(c(60,3,32,11),ncol = 2)
> chisq.test(a)

程序的结果是

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

data:  a
X-squared = 7.9327, df = 1, p-value = 0.004855

p值为0.0048，小于0.05，因此拒绝原假设，而认为肺癌跟吸烟有关。

2.2 Fisher检验

2.1中介绍了卡方检验，这是一种“近似"的检验，样本容量大越大，检验的近似性越好。但是对于小样本(单元估计的期望值小于5)，渐进卡方检验的p值可能不是实际精确p值的很好估计，此时，可以采用Fisher精确检验方法。

问题引入：

某医师为研究乙肝免疫球蛋白预防胎儿宫内感染HBV的结果，将33例HBsAg阳性孕妇随即分为预防注射组和对照组，结果由下表所示，问两组新生儿的HBV总体感染率有无差别？

在介绍Fisher检验之前，先介绍一个概念，边际分布。在这题中，边际分布就是每行每列的和，也就是上述表中合计所在的行和列。

以本题为例，最小期望值T=(11*9)/33=3 < 5 ,因此不能采用卡方检验，而采用Fisher检验。

首先，构造假设

Fisher检验基于的是超几何分布，首先假设所有事件都是等可能性的，那么发生上述表中是事情的概率等同于22个预防注射组中有4人为阳性，同时11个对照组中5人为阳性的概率。

我们的备择假设（即原假设不成立）是二者有关联，然后考虑预防注射组中阳性人数小于4的各种极端情况，例如下图是预防注射组的22人全是呈现阴性，如下表所示。

利用超几何分布公式计算概率

因此，将预防注射组呈现阳性的人数分别为4,3,2,1,0的超几何概率值相加，即可得到Fisher检验的精确p值。

p值大于0.05，不能拒绝原假设，因此可以认为二者之间无关联

但是，这样计算是不是非常复杂，好在R语言中有相应的函数fisher.test，其用法如下：

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)

常用参数解释

x:二维矩阵或者因子

y:因子，如果x为矩阵，忽略

alternative ： 备择假设是两侧检验(two sides),大于(greater)，小于（less）

conf.level: 置信水平，默认0.95

因此上述问题，用R语言进行Fisher检验，步骤如下

> c <- matrix(c(4,5,18,6),ncol = 2)
> fisher.test(c,alternative = "less")

结果为：

	Fisher's Exact Test for Count Data
data:  c
p-value = 0.1081
alternative hypothesis: true odds ratio is less than 1
95 percent confidence interval:
 0.000000 1.376403
sample estimates:
odds ratio 
 0.2791061 

p值为0.108，和之前计算结果一样。

3.总结

本篇文章介绍了如何使用R语言检验列联表藏中变量的独立性，先将本章内容总结在下表中

好了，关于列联表中变量独立性的判断的介绍就到这了，如果有什么问题，欢迎在下方留言，(*^▽^*)