列聯表: 卡方獨立檢定 (Contingency Table: Chi-square Test of Independence)
套路51: 列聯表: 卡方獨立檢定
(Contingency Table: Chi-square Test of
Independence)
1. 使用時機: 用於檢定兩個隨機變數之間是否無關(independent)。
2. 分析類型: 類別資料分析(Categorical Data Analysis)。
3. 使用R計算列聯表卡方分析範例一:
咪路調查不同性別大學生頭髮顏色，資料如下：
|
髮色
|
黑色
|
棕色
|
金色
|
紅色
|
總數
|
|
男生
|
32
|
43
|
16
|
9
|
100
|
|
女生
|
55
|
65
|
64
|
16
|
200
|
試問髮色與性別是否有關?
H0: 髮色與性別無關(independent)。
HA: 髮色與性別有關。
第一步: 閱讀基本模組(base)中的chisq.test函數的使用說明。
help(chisq.test)
第二步: 輸入建立資料。
v1 <- c(32, 43, 16, 9)
v2 <- c(55, 65, 64,
16)
m <-
matrix(cbind(c(v1, v2)), nrow = 2, byrow = TRUE)
# 將兩組vector組合成2 x 4矩陣。
m
# 顯示矩陣內容，確保數值排列方式如資料表格所示。
第三步: 使用基本模組(base)的chisq.test函數代入m。
chisq.test(m,
simulate.p.value = TRUE, B = 2000)
# simulate.p.value =
TRUE, B = 2000估計p值。
第四步: 判讀結果。
Pearson's Chi-squared
test with simulated p-value (based on 2000 replicates)
data: m
X-squared = 8.9872, df = NA, p-value = 0.03348
# p-value < 0.05，H0: 髮色與性別無關(independent)，不成立。
# p-value > 0.05，H0: 髮色與性別無關(independent)，成立。
4. 注意，有一種狀況是資料為2 x 2列聯表(degree of freedom = 1)時需做葉慈修正(Yates' correction)，如下列範例所示:
咪路調查大學生不同性別慣用左手或右手人數，資料如下：
|
|
男生
|
女生
|
總數
|
|
慣用左手
|
6
|
12
|
18
|
|
慣用右手
|
28
|
24
|
52
|
試問慣用左手或右手是否與性別有關?
H0: 慣用左手或右手與性別無關(independent)。
HA: 慣用左手或右手與性別有關。
第一步: 閱讀基本模組(base)中的chisq.test函數的使用說明。
help(chisq.test)
第二步: 輸入建立資料。
v1 <- c(6, 12)
v2 <- c(28, 24)
m <-
matrix(cbind(c(v1, v2)), nrow = 2, byrow = TRUE)
# 將兩組vector組合成2 x 2矩陣。
m
# 顯示矩陣內容，確保數值排列方式如資料表格所示。
第三步: 使用模組(base)中的chisq.test函數代入m。
chisq.test(m, correct =
TRUE, simulate.p.value = TRUE, B = 2000)
# correct = TRUE 2 x 2列聯表(degree of freedom = 1)時需做葉慈修正(Yates' correction)。
# simulate.p.value =
TRUE, B = 2000估計p值。
第四步: 判讀結果。
Pearson's Chi-squared
test with simulated p-value (based on 2000 replicates)
data: m
X-squared = 2.2524, df = NA, p-value = 0.1839
# p-value < 0.05，H0: 慣用左手或右手與性別無關(independent)，不成立。
# p-value > 0.05，H0: 慣用左手或右手與性別無關(independent)，成立。
來勁了嗎? 想知道更多?? 補充資料(連結):
4. 關於R基礎，R繪圖及統計快速入門:
a. R Tutorial: https://www.tutorialspoint.com/r/index.htm
b. Cookbook for R: http://www.cookbook-r.com/
c. Quick-R: https://www.statmethods.net/
d. Statistical tools
for high-throughput data analysis (STHDA): http://www.sthda.com/english/
e. The Handbook of Biological Statistics: http://www.biostathandbook.com/
f. An R Companion for the Handbook of
Biological Statistics: http://rcompanion.org/rcompanion/index.html
5. Zar, JH. 2010. Biostatistical Analysis, Fifth Edition,
Pearson.
留言
張貼留言