在 dplyr 中使用分组数据进行卡方检验

Question

我很难总结如下所示的 data.frame：

db <- data.frame(ID = c(rep(1, 3), rep(2,4), rep(3, 2), 4),
             Gender = factor(c(rep("woman", 7), rep("man", 2), "woman")),
             Grade = c(rep(3, 3), rep(1, 4), rep(2, 2), 1),
             Drug = c(1, 2, 2, 1, 2, 6, 9, 8, 5, 1),
             Group = c(rep(1, 3), rep(2,4), rep(1, 2), 2))
db

#    ID Gender Grade Drug Group
# 1   1  woman     3    1     1
# 2   1  woman     3    2     1
# 3   1  woman     3    2     1
# 4   2  woman     1    1     2
# 5   2  woman     1    2     2
# 6   2  woman     1    6     2
# 7   2  woman     1    9     2
# 8   3    man     2    8     1
# 9   3    man     2    5     1
# 10  4  woman     1    1     2

理想情况下，我每次观察会有一行，但由于 Drugs 随着时间的推移而变化，我最终得到了很多重复的行。这让我很难分析。

我的最终目标是构建一个摘要 table，正如另一个 post 中已经讨论过的那样：。像这样：

|变量 |第 1 组 |第 2 组 |第 1/2 组差异 |
| 性别 ...............................| .........p = 1 |
|男...... |............1 | ...................0 | ...................................|
|女性。 |................1 |................2 |................................ ...............|

但是，由于这个post只是部分回答，不能直接适用于我的问题（主要是重复的行），如果能单独进行汇总统计，我已经很高兴了。在这个 post: 中，我询问了如何从观察中获得 unique/distinct 频率。现在，我需要查明两组之间的性别分布是否存在 统计显着差异。

根据ID，我知道有四个观察结果，其中三个是女性，一个是男性。所以期望的结果可以这样计算：

gen <- factor(c("woman", "woman", "man", "woman"))
gr <- c(1, 2 ,1 ,2)
chisq.test(gen, gr)

#   Pearson's Chi-squared test with Yates' continuity correction
# 
# data:  gen and gr
# X-squared = 0, df = 1, p-value = 1
#
# Warning message:
# In chisq.test(gen, gr) : Chi-squared approximation may be incorrect

如何使用 dplyr 从我的 data.frame 计算 p 值？

我失败的方法是：

db %>% 
  group_by(ID) %>% 
  distinct(ID, Gender, Group) %>% 
  summarise_all(funs(chisq.test(db$Gender, 
                               db$Group)$p.value))
# A tibble: 4 x 3
#      ID Gender Group
#  <dbl>  <dbl> <dbl>
# 1    1.  0.429 0.429
# 2    2.  0.429 0.429
# 3    3.  0.429 0.429
# 4    4.  0.429 0.429
# Warning messages:
# 1: In chisq.test(db$Gender, db$Group) :
#   Chi-squared approximation may be incorrect
# 2: In chisq.test(db$Gender, db$Group) :
#   Chi-squared approximation may be incorrect
# 3: In chisq.test(db$Gender, db$Group) :
#  Chi-squared approximation may be incorrect
# 4: In chisq.test(db$Gender, db$Group) :
#  Chi-squared approximation may be incorrect
# 5: In chisq.test(db$Gender, db$Group) :
#   Chi-squared approximation may be incorrect
# 6: In chisq.test(db$Gender, db$Group) :
#  Chi-squared approximation may be incorrect
# 7: In chisq.test(db$Gender, db$Group) :
#  Chi-squared approximation may be incorrect
# 8: In chisq.test(db$Gender, db$Group) :
#  Chi-squared approximation may be incorrect

Answer 1

我们可以 ungroup 然后用 summarise

得到 pvalue

db %>% 
  group_by(ID) %>% 
  distinct(ID, Gender, Group) %>%
  ungroup %>%
  summarise(pval = chisq.test(Gender, Group)$p.value)

在 dplyr 中使用分组数据进行卡方检验

Chi -Square test with grouped data in dplyr

r

chi-squared

dplyr