如何使用 2x3 table 解释 Fisher 测试的 post-hoc 测试

Question

我试图找出患有和未患病个体的严重程度分层是否存在显着差异。这就是我的 table 的样子。

我运行进行了费舍尔检验并获得了显着的 p 值

然后我运行成对的费希尔测试和 fisher.multcomp 测试，但我对解释结果感到困惑。

我对 pairwise/multcomp 测试的哪些比较感到困惑运行。比如pairwise fisher test的第一行是不是说得病的人和没病的人轻度和中度病例的数量有显着差异？

Answer 1

虽然运行卡方检验，你会遇到预期频率小于5的情况。如果我没记错的话，在这种情况下可以使用费歇尔检验。

这个成对测试显示了重要性，只考虑变量中的两个组并忽略其他组的观察结果。它给出变量中所有可能水平组合的 p 值。

在此示例中：

# Fisher's test ingoring third row, Severe (Inclusing mild and moderate only)

> fisher.test(table1[-3,])

data:  table1[-3, ]
p-value = 0.01356
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.08293417 0.82733771
sample estimates:
odds ratio 
 0.2709515 

> fisher.test(table1[-2,])

data:  table1[-2, ]
p-value = 3.881e-06
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.0005229306 0.1980644402
sample estimates:
odds ratio 
   0.02454 

> fisher.test(table1[-1,])

data:  table1[-1, ]
p-value = 0.008936
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.001895554 0.703424501
sample estimates:
odds ratio 
0.08829437

您可以观察到这些 p.values 与您拥有的相同。

如何使用 2x3 table 解释 Fisher 测试的 post-hoc 测试

How to interpret post-hoc tests for fisher test with a 2x3 table

statistics

r

chi-squared

posthoc