卡方近似可能不正确

Question

我有一个看起来像这样的数据集：

> dput(THSWP1_23)
structure(list(`Town District` = c(1, 2, 3, 4, 5, 6, 7, 8, 9), 
`health score 1` = c(50, 236, 215, 277, 261, 333, 414, 385, 
358), `Health score 2 and 3` = c(51, 238, 218, 281, 266, 
339, 421, 393, 367)), class = c("tbl_df", "tbl", "data.frame"
), row.names = c(NA, -9L))

我想进行卡方检验，看看每个城镇地区的健康评分 1 和健康评分 2+3 之间是否存在显着差异。

我试过这些代码：

> chisq.test(THSWP1_23$`Town District`,THSWP1_23$`health score 1`) 
> chisq.test(THSWP1_23$`Town District`,THSWP1_23$`Health score 2 and 3`)
> chisq.test(THSWP1_23$`health score 1`,THSWP1_23$`Health score 2 and 3`) 

所有的图都给出相同的输出：

Pearson's Chi-squared test 

data:  THSWP1_23$`health score 1` and THSWP1_23$`Health score 2 and 3` 
X-squared = 72, df = 64, p-value = 0.2303 
 
Warning message: 
In chisq.test(THSWP1_23$`health score 1`, THSWP1_23$`Health score 2 and 3`) : 
  Chi-squared approximation may be incorrect

我似乎无法弄清楚为什么当变量以 3 种不同的方式组合时给出相同的 X、df 和 p 值。

我不断得到近似误差。这是由于数据本身还是错误的代码？

Answer 1

chisq.test

函数根据您的两个参数构造一个列联表。但是你的数据框（在下面的代码中我称之为

df

）已经是一个表，所以从它构建一个表是错误的。您正在测试的表格（您的第一个电话）如下所示：

with(df, table(`Town District`, `health score 1`))
             health score 1
Town District 50 215 236 261 277 333 358 385 414
            1  1   0   0   0   0   0   0   0   0
            2  0   0   1   0   0   0   0   0   0
            3  0   1   0   0   0   0   0   0   0
            4  0   0   0   0   1   0   0   0   0
            5  0   0   0   1   0   0   0   0   0
            6  0   0   0   0   0   1   0   0   0
            7  0   0   0   0   0   0   0   0   1
            8  0   0   0   0   0   0   0   1   0
            9  0   0   0   0   0   0   1   0   0

这是不是你想要的。随便做

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

    Pearson's Chi-squared test

data:  df[, 2:3]
X-squared = 0.024654, df = 8, p-value = 1

我认为这是你想要的。结论很明显

round(df[,2] / df[,3],2)
[1] 0.98 0.99 0.99 0.99 0.98 0.98 0.98 0.98 0.98