在scipy中，chi与SPSS中的结果不同

Question

我正在尝试自动化卡方计算。我正在使用scipy.stats.pearsonr。然而，这给我的答案不同于SPSS。比如，10个因素的差异。 （.07 - > .8）

我很确定这两种情况下的数据是相同的，因为我在两种情况下打印出交叉表（使用pandas.crosstab）并且数字相同。

d1 = [1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1, 1, 1, 1, 0, 1, 1, 0, 0, 1, 1, 1, 0, 1, 0, 1]

d2 = [1, 0, 0, 0, 1, 1, 1, 0, 1, 0, 1, 1, 2, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0, 1, 2, 1, 0, 1, 1, 2, 0, 2, 1, 2, 0, 0, 1]

print scipy.stats.stats.pearsonr(d1,d2)

得到：

 (-0.065191159985573108, 0.61172152831874682)

（第1个是系数，第2个是p值）

然而，SPSS称Pearson Chi-Square是.057。

除了交叉表之外，我还应该检查一下吗？

Answer 1

显然，您正在计算数据的列联表（即“交叉表”）的卡方统计量和p值。 scipy函数pearsonr不是用于此的正确函数。要使用scipy进行计算，您需要形成列联表，然后使用scipy.stats.chi2_contingency。

有几种方法可以将d1和d2转换为列联表。在这里，我将使用熊猫功能pandas.crosstab。然后我将使用chi2_contingency进行卡方检验。

首先，这是您的数据。我把它们放在numpy数组中，但这不是必需的：

In [49]: d1
Out[49]: 
array([1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 1, 1, 0,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0, 0, 1, 0, 0,
       1, 1, 1, 1, 1, 0, 1, 1, 0, 0, 1, 1, 1, 0, 1, 0, 1])

In [50]: d2
Out[50]: 
array([1, 0, 0, 0, 1, 1, 1, 0, 1, 0, 1, 1, 2, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1,
       1, 2, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0,
       1, 1, 0, 1, 2, 1, 0, 1, 1, 2, 0, 2, 1, 2, 0, 0, 1])

使用pandas来形成列联表：

In [51]: import pandas as pd

In [52]: table = pd.crosstab(d1, d2)

In [53]: table
Out[53]: 
col_0   0   1  2
row_0           
0       5   7  4
1      10  34  3

然后使用chi2_contingency进行卡方检验：

In [54]: from scipy.stats import chi2_contingency

In [55]: chi2, p, dof, expected = chi2_contingency(table.values)

In [56]: p
Out[56]: 0.057230732412525138

p值与SPSS计算的值匹配。