在 R 中为卡方检验格式化数据

Question

我正在尝试将我的数据重新格式化为运行 r 中的卡方检验。我的数据在一列中设置了我的自变量，在另外两列中设置了我的自变量组的计数。我在这里做了一个我的数据格式的例子。

> example <- data.frame(category = c("x","y","x","y"), true = c(2,4,6,3), false = c(7,9,3,5))
> example
  category true false
1        x    2     7
2        y    4     9
3        x    6     3
4        y    3     5

据我所知 chisq.test 函数无法处理这种格式的数据，所以我想我需要重新格式化数据，使其看起来像下面的 "good example" 到运行函数。我的问题是我不确定是否有一种简单的方法可以对大型数据集进行这种旋转。

> good_example <- data.frame(category = c('x','x','y','y','x','x','y','y'),
                           variable = c('true','false','true','false','true','false','true','false'),
                           count = c(2,7,4,9,6,3,3,5))
> good_example
  category variable count
1        x     true     2
2        x    false     7
3        y     true     4
4        y    false     9
5        x     true     6
6        x    false     3
7        y     true     3
8        y    false     5
> tab <- tapply(good_example$count, list(good_example$category, good_example$variable), FUN=sum)
> chisq.test(tab, correct = FALSE)

    Pearson's Chi-squared test

data:  tab
X-squared = 0.50556, df = 1, p-value = 0.4771

Answer 1

如果只需要根据x和y求和所有的真假，则：

tab = do.call(rbind,by(example[,-1],example$category,colSums))
chisq.test(tab,correct=FALSE)

更紧凑的版本（@markus 指出），根据类别拆分数据，并将求和函数应用于除用于拆分的列之外的所有列：

tab = aggregate(.~category, example, sum)

或者 dplyr / tidyr 版本：

library(dplyr)
tab = example %>% group_by(category) %>% summarise_all(sum)
chisq.test(tab[,-1],correct=FALSE)

在 R 中为卡方检验格式化数据

Formatting data for a chi square test in R

formatting

r

chi-squared

dplyr