66、R语言中卡方检验的全面指南

R语言中卡方检验的全面指南

1. 卡方检验的假设

卡方检验与其他多数检验不同，它不依赖于数据连续且呈正态分布的假设，因为分类数据本身就不连续，无法呈正态分布。不过，卡方检验仍有两个重要假设：
- 数据独立性 ：和本书中大多数检验一样，卡方检验也要求数据独立。为使卡方检验有意义，每个人、物品或实体只能对列联表中的一个单元格有贡献。因此，不能将卡方检验用于重复测量设计。例如，若先训练一些猫用食物奖励看它们是否会跳舞，再用情感奖励训练同一批猫看它们是否会跳舞，就不能用皮尔逊卡方检验分析这些数据。
- 期望频率大于5 ：虽然在较大的列联表中，允许最多20%的期望频率低于5，但这会导致统计功效降低，可能使检验无法检测到真实效应。即使在较大列联表中，期望频率也不应低于1。若遇到期望频率低于5的情况，可考虑使用费舍尔精确检验。

此外，当样本量足够大时，单元格频率的微小差异也可能导致变量间存在统计学上的显著关联。因此，我们需要查看行和列的百分比来解释效应，这些百分比比频率本身更能反映数据模式。

2. 使用R进行卡方检验

2.1 数据输入：原始分数

若输入原始分数，数据编辑器的每一行代表一个实体（如本例中的每只猫）。需要创建两个编码：“Training”和“Dance”。“Training”包含两个值，分别表示食物奖励和情感奖励；“Dance”根据猫是否跳舞取值为“Yes”或“No”。共有200只猫，因此有200行数据。可以通过设置工作目录并执行以下代码加载数据文件：

catData&