如何高效完成多结局（≥10个）与多分组变量的卡方检验？

先明确你的数据结构：给定的数据框中，sex和married是分组变量，其余列为结局变量；实际场景中存在更多分组与结局变量，手动逐个调用卡方检验效率极低，以下是几种批量处理的实现方案：

先回顾你的原始数据与初始函数：

data <- data.frame(
  sex = factor(c("M", "F", "M")),
  ageid = factor(c(8, 6, 7)),
  married = factor(c(2, 1, 2)),
  cagv_typ = factor(c("non-primary", "primary", "non-primary")),
  sq5_1 = factor(c(1, 1, 1)),
  sq5_2 = factor(c(0, 1, 0))
)

# 你的初始卡方检验函数
chisq_test <- function(data, var1, var2) {
  contingency_table <- table(data[[var1]], data[[var2]])
  test_result <- chisq.test(contingency_table)
  return(test_result)
}

方法1：基础R嵌套循环（无需额外包） #

先定义分组与结局变量集合，通过嵌套循环遍历所有变量组合，自动完成检验并保存结果：

# 定义分组变量和结局变量
group_vars <- c("sex", "married")
outcome_vars <- setdiff(names(data), group_vars) # 自动筛选非分组变量作为结局

# 创建空列表存储结果
chisq_results <- list()

# 遍历所有分组-结局变量组合
for (group in group_vars) {
  for (outcome in outcome_vars) {
    contingency_tab <- table(data[[group]], data[[outcome]])
    test_res <- chisq.test(contingency_tab)
    # 用"分组变量_vs_结局变量"命名结果，方便后续查看
    res_name <- paste0(group, "_vs_", outcome)
    chisq_results[[res_name]] <- test_res
  }
}

# 示例：查看sex与cagv_typ的检验结果
chisq_results[["sex_vs_cagv_typ"]]

方法2：tidyverse迭代实现（推荐，结果更易读） #

利用purrr的迭代函数和tidyr的组合功能，批量执行检验的同时将结果整理为结构化数据框，方便后续分析与导出：

library(tidyverse)

# 生成所有分组-结局变量的组合
var_pairs <- crossing(group_var = group_vars, outcome_var = outcome_vars)

# 批量执行检验并提取关键统计量
tidy_chisq_results <- var_pairs %>%
  mutate(
    # 对每一组变量执行卡方检验
    test_output = map2(group_var, outcome_var, ~{
      tab <- table(data[[.x]], data[[.y]])
      chisq.test(tab)
    }),
    # 提取卡方值、自由度、p值到单独列
    chisq_value = map_dbl(test_output, ~.$statistic),
    df = map_dbl(test_output, ~.$parameter),
    p_value = map_dbl(test_output, ~.$p.value)
  ) %>%
  select(-test_output) # 移除原始检验结果对象，保留简洁统计量

# 查看整理后的结果
print(tidy_chisq_results)

进阶版：自动适配Fisher精确检验 #

卡方检验对列联表期望频数有要求，若超过20%的单元格期望频数<5，结果会失真，此时建议使用Fisher精确检验。以下是自动判断并切换检验方法的批量实现：

# 定义自动选择检验方法的函数
smart_cat_test <- function(data, group_var, outcome_var) {
  tab <- table(data[[group_var]], data[[outcome_var]])
  expected_freq <- chisq.test(tab)$expected
  
  # 判断是否需要用Fisher检验
  if (sum(expected_freq < 5) / length(expected_freq) > 0.2) {
    test_res <- fisher.test(tab)
    test_type <- "Fisher精确检验"
    df <- NA # Fisher检验无自由度
    stat_name <- "odds_ratio"
    stat_value <- test_res$estimate
  } else {
    test_res <- chisq.test(tab)
    test_type <- "卡方检验"
    df <- test_res$parameter
    stat_name <- "chisq_value"
    stat_value <- test_res$statistic
  }
  
  # 返回整理后的结果
  tibble(
    test_type = test_type,
    statistic_name = stat_name,
    statistic_value = stat_value,
    df = df,
    p_value = test_res$p.value
  )
}

# 批量执行并整理结果
smart_test_results <- var_pairs %>%
  mutate(
    test_result = map2(group_var, outcome_var, smart_cat_test, data = data)
  ) %>%
  unnest(test_result)

print(smart_test_results)

内容的提问来源于stack exchange，提问作者N Kevin