样本量不等时R中Chi-square test执行报错的原因及解决方法

问题根源先理清楚 #

你误会啦！卡方检验完全支持不等样本量，报错的锅不在卡方检验本身，而是你构造表格的方式错了。

table(df1$x, df2$x)这个用法是把两个向量按位置一一配对生成交叉表——相当于每一行是df1和df2对应位置的观测对，这自然要求两个向量长度完全一致。但我们要做的是两组独立样本的分布差异检验，需要的是「每组中Yes/No的频数统计表」，而不是配对观测的交叉表。

几个简易修复方案 #

方案1：分别统计频数再组合成列联表

先单独算出两组的分类频数，再把它们拼成卡方检验需要的列联表：

# 统计每组的Yes/No频数
freq_df1 <- table(df1$x)
freq_df2 <- table(df2$x)

# 组合成2行（Yes/No）2列（df1/df2）的列联表
contingency_table <- cbind(freq_df1, freq_df2)

# 执行卡方检验
chisq.test(contingency_table)

方案2：合并数据集后构造交叉表

把两个数据集合并，给每组加个分组标签，再用table生成正确的列联表：

# 合并数据并添加分组标识
combined <- rbind(
  data.frame(x = df1$x, group = "Group1"),
  data.frame(x = df2$x, group = "Group2")
)

# 生成分类变量×分组的列联表
contingency_table <- table(combined$x, combined$group)

# 卡方检验
chisq.test(contingency_table)

方案3：直接用比例检验（更简洁）

对于两组二分类变量的差异检验，prop.test()其实和卡方检验（自由度为1时）是等价的，而且不需要手动构造表格，一步到位：

# 统计每组的Yes数量和总样本量
yes_counts <- c(sum(df1$x == "Yes"), sum(df2$x == "Yes"))
total_counts <- c(nrow(df1), nrow(df2))

# 执行比例检验
prop.test(yes_counts, total_counts)

内容的提问来源于stack exchange，提问作者Bradley Allf