R 卡方独立性检验

可以使用chisq.test()函数对二维表的行变量和列变量进行卡方独立性检验

> library(vcd) 
> mytable <- xtabs(~Treatment+Improved, data=Arthritis) 
> # 治疗情况和改善
情况不独立
> chisq.test(mytable) 
 Pearson’s Chi-squared test 
data: mytable 
 X-squared = 13.1, df = 2, p-value = 0.001463 
> mytable <- xtabs(~Improved+Sex, data=Arthritis) 
> # 性别和改善
情况独立

> chisq.test(mytable) 
 Pearson's Chi-squared test 
data: mytable 
 X-squared = 4.84, df = 2, p-value = 0.0889 
Warning message: 
In chisq.test(mytable) : Chi-squared approximation may be incorrect 

结果➊中，患者接受的治疗和改善的水平看上去存在着某种关系（p<0.01）。而患者性别
和改善情况之间却不存在关系（p>0.05）➋。这里的p值表示从总体中抽取的样本行变量与列变
量是相互独立的概率。由于➊的概率值很小，所以你拒绝了治疗类型和治疗结果相互独立的原假
设。由于➋的概率不够小，故没有足够的理由说明治疗结果和性别之间是不独立的。