如何在R中检验多选项相对频率的显著性差异？

我开展了一项研究，让参与者基于不同参数在选项A、B、C中选择，例如问题为：“以下哪项最具启发性？”

原始数据 #

处理后数据（含相对频率） #

核心问题 #

如何检验各选项的相对频率是否存在显著性差异？即如何判断选择选项A的频率与选择B或C的频率是否存在显著差异？已尝试t检验、方差分析（ANOVA）、卡方检验和双比例z检验，但似乎都不符合需求。

解决方案 #

1. 整体差异检验：卡方拟合优度检验 #

你的数据是单组样本对3个类别的选择计数，本质是单分类变量的拟合优度问题，应该用卡方拟合优度检验来判断三个选项的选择频率是否与“无差异（每个选项被选概率为1/3）”存在显著差异。

步骤：

• 先统计实际频数：A=3，B=5，C=4，总样本量N=12
• 原假设H₀：三个选项的选择概率相等（均为1/3）；备择假设H₁：至少一个选项的选择概率与1/3不同
• 计算期望频数：每个选项期望频数=12*(1/3)=4
• 卡方统计量：$\chi^2 = \frac{(3-4)^2}{4} + \frac{(5-4)^2}{4} + \frac{(4-4)^2}{4} = 0.5$
• 自由度df=3-1=2，查卡方分布表得p值≈0.779，远大于0.05，说明整体上三个选项的选择频率无显著差异。

2. 两两比较：Fisher精确检验 #

如果要单独比较某两个选项（比如A vs B、A vs C），因为样本量小（N=12），Fisher精确检验比双比例z检验更合适（z检验适合大样本）。

示例：A vs B

构建2x2列联表：

Fisher精确检验的p值≈0.455，大于0.05，说明A和B的选择频率无显著差异。

示例：A vs C

构建2x2列联表：

Fisher精确检验的p值≈1.0，无显著差异。

3. 为什么之前的方法不合适？ #

• t检验/ANOVA：适用于连续型数据，你的数据是分类计数数据，不匹配。
• 双比例z检验：针对独立双样本的比例比较，而你的数据是同一组样本的多分类选择，不属于独立双样本场景。
• 卡方检验（误用类型）：如果之前用了卡方独立性检验而非拟合优度检验，会导致分析逻辑错误。

代码实现（以R为例） #

# 原始数据
inspiration <- c("A", "C", "B", "C", "B", "C", "B", "C", "A", "B", "A", "B")

# 卡方拟合优度检验
freq_table <- table(inspiration)
chisq.test(freq_table, p = c(1/3, 1/3, 1/3))

# Fisher精确检验：A vs B
ab_table <- table(inspiration[inspiration %in% c("A", "B")])
fisher.test(ab_table)

# Fisher精确检验：A vs C
ac_table <- table(inspiration[inspiration %in% c("A", "C")])
fisher.test(ac_table)

内容的提问来源于stack exchange，提问作者jlhey6060