如何在R中实现一维列联表的贝叶斯卡方拟合优度检验？

1. 适合R中一维表的贝叶斯卡方拟合优度检验函数 #

对于一维列联表的贝叶斯拟合优度检验，推荐使用BayesFactor包中的multinomBF函数。它专门用于检验多项分布的观测频数是否符合指定的理论概率（默认是均匀分布，即各类别概率相等），完全适配一维表的分析场景。

2. 示例代码实现与结果输出 #

以下是基于你提供的代码修改后的完整实现：

# 设置随机种子确保结果可复现
set.seed(123)

# 生成随机数据
n <- 490
V1 <- sample(c(1, 2, NA), n, replace = TRUE)

# 创建数据框并添加类别标签
df <- data.frame(V1)
expss::val_lab(df$V1) = expss::num_lab("1 Low
                                        2 High")

# 过滤缺失值（拟合优度检验通常不纳入缺失值分析）
df_clean <- df[!is.na(df$V1), ]

# 生成观测频数表
obs_counts <- table(df_clean$V1)

# 加载BayesFactor包
library(BayesFactor)

# 执行贝叶斯多项分布检验（默认检验是否符合均匀分布）
bf_result <- multinomBF(obs_counts, priorConcentration = 1)

# 输出贝叶斯因子结果
print(bf_result)

结果说明 #

运行代码后输出的贝叶斯因子（BF）可直接用于判断假设支持强度：

• 若BF > 1，说明数据更支持备择假设（即各类别频数不符合均匀分布）；
• 若BF < 1，说明数据更支持原假设（即各类别频数符合均匀分布）；
• BF的数值代表证据相对强度，比如BF=5表示备择假设的证据是原假设的5倍。

如果需要检验观测频数是否符合自定义理论概率（比如假设Low占60%、High占40%），可修改代码如下：

# 指定自定义理论概率
hyp_prob <- c(0.6, 0.4)
bf_custom <- multinomBF(obs_counts, priorConcentration = 1, nullProbs = hyp_prob)
print(bf_custom)

内容的提问来源于stack exchange，提问作者pdeli