R语言与统计-3：卡方检验

Posted 2023-03-20

参考技术A R语言与统计-1：t检验与秩和检验
R语言与统计-2：方差分析

拟合优度检验是用卡方统计量进行统计显著性检验的重要内容之一。它是依据总体分布状况，计算出分类变量中各类别的期望频数，与分布的观察频数进行对比，判断期望频数与观察频数是否有显著差异，从而达到从分类变量进行分析的目的。

简单来说，就是检验样本数据分布是否与已知总体的分布是一致的

如若已知人群中四种血型的占比为0.1 0.5 0.2 0.2，看该组男性的血型分布是否与人群的一致。参数p：传入已知总体的参数情况。

两者写法一样，解释的方法不一样。
卡方齐性检验：比较不同的分类水平下，各个类型的比例是否一致。

卡方独立性检验：

对于行变量为无序分类，列变量为有序分类的数据，由于不能忽略等级关系，也只能使用CMH检验，而不能使用皮尔森卡方检验。

使用CMH检验查看盘尼西林的水平和是否推迟注射对兔子的结局是否有影响。

mantelhaen.test()函数

p值>0.05，无统计学意义。将盘尼西林分为5层水平后，立即注射和推迟1.5h注射的OR值是2.076923

mantelhaen.test()函数

income是一个有序分类变量。结果显示工资水平对工作满意度没有显著的统计学关系。

mcnemar.test()函数

R语言列联表的统计分析及假设检验

R语言列联表的统计分析及假设检验

卡方检验是一种确定两个分类变量之间是否存在显着相关性的统计方法。 这两个变量应该来自相同的人口，他们应该是类似 是/否，男/女，红/绿等。

例如，我们可以建立一个观察人们的冰淇淋购买模式的数据集，并尝试将一个人的性别与他们喜欢的冰淇淋的味道相关联。 如果发现相关性，我们可以通过了解访问的人的性别的数量来计划适当的味道库存。

卡方检验是一种用途很广的计数资料的假设检验方法，由卡尔·皮尔逊提出。它属于非参数检验的范畴，主要是比较两个及两个以上样本率( 构成比）以及两个分类变量的关联性分析。其根本思想就是在于比较理论频数和实际频数的吻合程度或拟合优度问题。

它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。

可以分为成组比较（不配对资料）和个别比较（配对，或同一对象两种处理的比较）两类。

通常卡方检验的应用主要为：
1、 卡方拟合优度检验
2、卡方独立性检验

R X C 表可以分为：双向无序 、单有属性相同和表可以分为：双向无序 、单有属性相同和表可以分为：双向无序 、单有属性相同和表可以分为：双向无序 、单有属性相同和属性不同等4类；

# 行均分检验 Cochran-Mantel-Haenszel

# 用Ordinal logistic回归模型

# 双向有序属性不同 秩相关

# 双向有序属性不同 线性趋势检验

# 一致性检验

# Mantel-Haenszel 检验

# 趋势卡方检验