如何在expss交叉表中显示z检验的z值与p值？

我用R的expss包分析Sex（男、女）与Pain_type（急性、重度、已缓解、无）的交叉关系，目前已能生成案例数（N）、列百分比（%），还能用tab_last_sig_cpct()做列百分比的z检验，但该函数仅显示显著性标记，无法输出具体z值和p值。之前尝试用tab_stat_fun_df()实现但未成功，现在需要生成包含z值、p值的完整交叉表。

修正后的可运行代码 #

library(expss)

# 构造示例数据（替换为你的真实数据即可）
set.seed(123)
Data <- data.frame(
  Sex = sample(c("男", "女"), 500, replace = TRUE),
  Pain_type = sample(c("急性", "重度", "已缓解", "无"), 500, replace = TRUE, prob = c(0.2, 0.3, 0.3, 0.2))
)

# 生成带z值、p值的交叉表
Data |>
  tab_cells("疼痛类型" = unvr(Pain_type)) |>
  tab_cols(total(label = "总计"), Sex) |>
  # 添加案例数统计
  tab_stat_cases(label = "N") |>
  tab_last_add_sig_labels() |>
  # 添加列百分比统计
  tab_stat_cpct(label = "%") |>
  # 自定义函数计算z值与p值
  tab_stat_fun_df(
    function(x) {
      # x为expss传递的当前单元格列联表子集，含Freq(频数)、Total(列总计)
      # 提取男女组的频数和总计
      male_freq <- x$Freq[x$Sex == "男"]
      male_total <- x$Total[x$Sex == "男"]
      female_freq <- x$Freq[x$Sex == "女"]
      female_total <- x$Total[x$Sex == "女"]
      
      # 计算合并比例（用于z检验标准误）
      p_pooled <- (male_freq + female_freq) / (male_total + female_total)
      # 计算z值
      z_val <- (male_freq/male_total - female_freq/female_total) / 
        sqrt(p_pooled * (1 - p_pooled) * (1/male_total + 1/female_total))
      # 计算双侧p值
      p_val <- 2 * pnorm(abs(z_val), lower.tail = FALSE)
      
      # 返回结果，需匹配原x的行数（对应每个Pain_type类别）
      data.frame(
        Z值 = round(z_val, 2),
        P值 = round(p_val, 3)
      )
    },
    label = c("Z值", "P值")
  ) |>
  tab_pivot(stat_position = "inside_columns")

关键修正说明 #

1. 数据引用修正：之前的错误是误用全局data对象，应改用expss传递给自定义函数的x参数，它包含当前单元格对应的列联表子集数据。
2. z检验逻辑：针对每个Pain_type类别，计算男女组列百分比的z值，用合并比例计算标准误，再得到双侧检验的p值。
3. 结果整合：将z值、p值作为新统计量加入交叉表，与N、%并列展示。

输出内容说明 #

最终交叉表会包含：

• 各Pain_type类别的总计、男、女组案例数（N）
• 对应组的列百分比（%）
• 男女组百分比对比的z值和p值，可直接判断差异的显著性程度

内容的提问来源于stack exchange，提问作者GN_SA