R 中意外事件 table (4x2) 的卡方检验

Question

我在 R 中计算 4x2 意外事件 table 的卡方检验时遇到问题。我的脚本如下所示：

# Read data
read.table("Mortality_test.txt")

# Assign a name to the data
mortality<- read.table("Mortality_test.txt", ,col.names=c('treatment','dead'), header=TRUE, sep="\t", na.strings="NA", dec=",", strip.white=TRUE)

table(mortality)

当我运行 table(mortality) 我得到一个意外事件 table 如下所示：

    dead
treatment no yes
     A    63   7
     B    61   9
     C    68   2
     D    63   7

我现在的问题是，我想比较不同治疗（A、B、C、D）之间的死亡人数是否存在统计差异。如果我没记错的话，我可以通过 table 上的卡方检验来做到这一点。但是，我不确定下一步要采取哪一步。

Answer 1

您有一个函数 chisq.test 可以对偶发事件 table 进行卡方测试。

在这里，和你的table

dead <- read.table(text = "treatment no yes
                   A    63   7
                   B    61   9
                   C    68   2
                   D    63   7",header = T)

> dead
  treatment no yes
1         A 40  15
2         B 61   9
3         C 68   2
4         D 63   7

你需要取 no 和 yes 这两列：

chisq.test(dead[,2:3])


        Pearson's Chi-squared test

    data:  dead[, 2:3]
    X-squared = 4.6996, df = 3, p-value = 0.1952

这在治疗之间没有区别。要查看另一个不同的示例：

dead <- read.table(text = "treatment no yes
                   A    55   12
                   B    61   9
                   C    68   2
                   D    63   7",header = T)

A处理真正不同的地方：

    Pearson's Chi-squared test

data:  dead[, 2:3]
X-squared = 8.4334, df = 3, p-value = 0.03785

Answer 2

我们可以通过简单地在 table().

上应用 summary() 来方便地得到卡方检验

例子

with(mtcars, table(cyl, gear))
#    gear
# cyl  3  4  5
#   4  1  8  2
#   6  2  4  1

summary(with(mtcars, table(cyl, gear)))
# Number of cases in table: 32 
# Number of factors: 2 
# Test for independence of all factors:
#         Chisq = 18.036, df = 4, p-value = 0.001214
#         Chi-squared approximation may be incorrect

注意：“卡方近似值可能不正确”是因为本例中只有 32 个观测值。

根据您的数据 summary(table(mortality)) 应该可以。

R 中意外事件 table (4x2) 的卡方检验

Chi-square test on contingency table (4x2) in R

r

chi-squared

contingency

例子