为何tbl_summary的add_p()默认与指定chisq.test得到不同p值？

使用tbl_summary()生成统计表格时，遇到以下困惑：

• 调用add_p()不指定检验方法时，得到一个p值
• 明确指定检验方法为chisq.test时，得到另一个不同的p值
  根据vignette文档说明，add_p()的默认检验方法应为chisq.test，但实际结果存在差异，想知道造成差异的原因及应使用哪种检验方法。

可复现代码 #

数据集 #

df <- structure(list(a = c(1, 2, 1, 1, 2, 1, 2, 1, 1, 1, 2, 2, 1, 1, 
2, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 1, 2, 1, 2, 1, 1, 
1, 1, 2, 1, 1, 2, 2, 1, 1, 1, 1, 1, 1, 2, 1, 2, 2, 1, 2, 1, 2, 
1, 1, 2, 1, 2, 1, 1, 1, 1, 1, 1, 1, 2, 1, 1, 2, 2, 1, 1, 1, 2, 
1, 1, 2, 1, 1, 2, 1, 1, 1, 1, 2, 1, 1, 2, 2, 1, 2, 1, 2, 1, 1, 
1, 2, 1, 2, 2, 1, 2, 1, 1, 1, 2, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 
2, 1, 1, 1, 1, 1, 2, 2, 2, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 
1, 2, 1, 2, 1, 2, 2, 2, 1, 1, 2, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1, 
1, 2, 1, 1, 1, 2, 2, 1, 1, 1, 1, 2, 2, 2, 1, 1, 1, 1, 2, 2, 1, 
2, 1, 2, 2, 1, 2, 2, 1, 1, 2, 1, 2, 1, 1, 2, 2, 1, 1, 2, 1, 2, 
2, 1, 2, 2), b = c("blue", "blue", "blue", "blue", "blue", "blue", 
"red", "blue", "blue", "blue", "blue", "blue", "blue", "blue", 
"blue", "blue", "red", "red", "blue", "blue", "blue", "red", 
"red", "blue", "red", "red", "red", "blue", "red", "blue", "blue", 
"red", "blue", "red", "blue", "blue", "red", "blue", "blue", 
"red", "blue", "blue", "blue", "red", "blue", "blue", "red", 
"red", "blue", "blue", "red", "red", "blue", "red", "red", "blue", 
"blue", "red", "blue", "blue", "blue", "blue", "blue", "red", 
"blue", "red", "red", "red", "red", "red", "blue", "blue", "blue", 
"blue", "red", "red", "blue", "blue", "red", "blue", "blue", 
"blue", "red", "blue", "blue", "red", "red", "red", "blue", "red", 
"blue", "red", "red", "red", "red", "blue", "blue", "red", "red", 
"blue", "red", "blue", "blue", "red", "red", "blue", "red", "blue", 
"blue", "blue", "blue", "red", "blue", "blue", "red", "red", 
"blue", "blue", "blue", "red", "blue", "red", "red", "red", "red", 
"red", "blue", "red", "red", "blue", "red", "red", "red", "red", 
"blue", "blue", "blue", "red", "blue", "red", "red", "red", "blue", 
"red", "red", "red", "red", "blue", "red", "blue", "red", "red", 
"red", "blue", "blue", "blue", "blue", "red", "blue", "blue", 
"blue", "red", "blue", "blue", "blue", "blue", "blue", "blue", 
"blue", "red", "red", "blue", "blue", "blue", "red", "blue", 
"blue", "red", "red", "blue", "blue", "blue", "red", "blue", 
"red", "blue", "blue", "red", "red", "red", "blue", "blue", "blue", 
"red", "blue", "blue", "red", "red", "red", "red", "blue", "red", 
"blue", "blue", "blue", "blue", "blue")), class = c("tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -207L))

默认检验方法代码 #

df %>%
  select(a, b) %>%
  tbl_summary(by= b,
              missing = "always") %>%
  add_p() %>%
  add_overall() %>%
  as_tibble()

指定chisq.test代码 #

df %>%
    select(a, b) %>%
    tbl_summary(by= b,
                missing = "always") %>%
    add_p(list(everything() ~ "chisq.test")) %>%
    add_overall() %>%
    as_tibble()

差异原因分析 #

核心问题在于变量类型的自动识别：

• 你的变量a是dbl（数值型），tbl_summary()默认会将数值型变量识别为连续变量，此时add_p()对两组连续变量的默认检验方法是t检验，而非卡方检验。
• 当你手动指定chisq.test时，add_p()会强制将变量当作分类变量处理，执行卡方检验。由于两种检验的分析逻辑完全不同（t检验比较均值差异，卡方检验比较分布比例差异），因此得到的p值自然不同。

可以通过将a转换为因子类型验证这一点：此时tbl_summary()会将其识别为分类变量，add_p()默认就会使用卡方检验，结果和手动指定chisq.test完全一致：

df %>%
  mutate(a = as.factor(a)) %>%
  select(a, b) %>%
  tbl_summary(by= b, missing = "always") %>%
  add_p() %>%
  add_overall() %>%
  as_tibble()

应使用哪种检验方法 #

需根据变量a的实际含义选择：

• 如果a是分类变量（比如1和2代表不同组别，无数值大小意义）：先将a转换为因子类型，使用卡方检验（此时无需手动指定，add_p()会自动选择）。
• 如果a是连续变量（比如1和2是有顺序的数值，代表程度或计数）：使用默认的t检验；若数据不满足正态分布，可改用非参数检验（如wilcox.test）。

内容的提问来源于stack exchange，提问作者juandmaz