如何在R中正确使用Chi-Square卡方检验处理调查交叉表数据

警告原因 #

Chi-squared approximation may be incorrect警告触发的核心原因是卡方检验的适用条件不满足：当交叉表中超过20%的单元格期望频数<5，或者存在期望频数<1的单元格时，卡方分布的近似计算结果偏差会升高，R的chisq.test()函数会自动触发该警告。

最优解决方法 #

按适配优先级排序如下：

• 优先尝试合并相邻分类：你的数据是分类变量以数字形式存储，如果部分相邻分类的业务含义相近（比如Likert量表里的「非常不满意」和「不满意」合并、「非常满意」和「满意」合并），合并后减少交叉表的单元格数量，可直接提升单元格期望频数，大部分情况下可解决警告问题，合并后再运行卡方检验即可。
• 分类不可合并时改用Fisher精确检验：该检验不依赖卡方分布近似，对低期望频数的场景适配性更好，你原有的循环代码可直接替换为：

CHIS <- lapply(df[,-1], function(x) fisher.test(Q5_Q8.1[,1], x))

如果交叉表维度较大（如你示例的6行4列结构），可添加蒙特卡洛模拟参数提升计算速度、得到更稳定的p值：

# B参数为模拟次数，可按需调整为10000获取更高精度
CHIS <- lapply(df[,-1], function(x) fisher.test(Q5_Q8.1[,1], x, simulate.p.value = TRUE, B = 10000))

• 若必须使用卡方检验，可先输出每个检验的期望频数确认偏差程度：通过chisq.test(变量1, 变量2)$expected即可查看所有单元格的期望频数，若只有极少数单元格略低于5，结果偏差通常在可接受范围内，只需在分析报告中说明该情况即可。

额外注意事项 #

因为你的分类变量以数字形式存储，运行检验前建议先把对应列转换为因子类型，避免R将数字识别为连续变量、导致交叉表生成错误：

# cols替换为你需要处理的分类变量列的索引或列名
df[,cols] <- lapply(df[,cols], factor)

内容的提问来源于stack exchange，提问作者Molly