使用tbl_summary()函数时卡方检验报错的原因及解决方案

错误拆解与含义 #

1. 卡方检验近似警告
   卡方检验的核心前提是列联表中每个单元格的期望频数≥5，你的Mar变量（婚姻状态）在exposure分组下，存在至少一个单元格的期望频数远小于5，导致卡方分布的近似结果不可靠，因此抛出该警告。

2. s$close()非函数错误
   这个错误大概率是gt包在生成或保存表格时的兼容性/对象异常问题：可能是gt版本过低导致的方法bug，也可能是前面的tbl_summary生成的表格对象存在异常，或者目标保存路径不存在、文件名有问题。

解决步骤 #

处理卡方检验警告 #

针对Mar变量的稀疏单元格问题，有三种可行方案：

• 方案1：改用Fisher精确检验
  在add_p中为Mar单独指定检验方法，替代默认的卡方检验：

  add_p(test = list(all_continuous() ~ "kruskal.test",
                    all_categorical() ~ "chisq.test",
                    Mar ~ "fisher.test"))
  

• 方案2：合并低频数类别
  把样本量极少的类别（比如Widowed、Other）合并，减少稀疏单元格：

  analytical <- analytical %>%
    mutate(Mar = fct_collapse(Mar,
                              "Other/Non-married" = c("Widowed", "Other")))
  

• 方案3：先检查频数分布
  先确认每个单元格的实际频数，再决定处理方式：

  table(analytical$Mar, analytical$exposure)
  

处理$close()非函数错误 #

• 更新gt包
  运行以下命令更新到最新版本：

  install.packages("gt")
  

• 分步运行保存代码
  把表格生成和保存拆分，避免链式调用的潜在异常：

  # 先生成gt对象
  gt_table <- analytical %>%
    tbl_summary(
      include = -id,
      by = exposure,
      statistic = list(all_continuous() ~ "{mean} ({sd})",
                       all_categorical() ~ "{n} ({p}%)"),
      label = list(SexF ~ "Sex",
                   Race ~ "Race",
                   Mar ~ "Marital Status",
                   AGE ~ "Age",
                   PROBLEMUse ~ "Substance Problem Use",
                   EDUCATION ~ "Education Level",
                   EMPLOYMENT ~ "Employment"),
    ) %>%
    add_overall() %>%
    bold_labels() %>%
    add_p(test = list(all_continuous() ~ "kruskal.test",
                      all_categorical() ~ "chisq.test",
                      Mar ~ "fisher.test")) %>%
    bold_p() %>%
    as_gt()
  
  # 确保保存目录存在
  dir.create("~/tables/", recursive = TRUE)
  # 单独保存
  gtsave(gt_table, filename = "~/tables/Table_X.png")
  

• 尝试更换保存格式
  如果png保存仍有问题，可先保存为html再转图片：

  gtsave(gt_table, filename = "~/tables/Table_X.html")
  

内容的提问来源于stack exchange，提问作者Bren