R语言pairwise.fisher.test事后检验报x与n长度相同错误的咨询

报错根因 #

fmsb包的pairwise.fisher.test()不直接接收n×2格式的列联表作为输入，它的两个核心参数要求为：

• x：长度等于分组数的向量，每个元素为对应组的成功事件数
• n：长度等于分组数的向量，每个元素为对应组的总样本量（成功数+失败数）
  你之前的代码直接传入了二维数据框作为第一个参数，且n参数取值不符合要求，因此触发长度不匹配的报错。

正确调用代码 #

基于你提供的示例数据，正确调用方式如下：

# 加载依赖包
library(fmsb)
# 构造示例数据（修正原代码中行名赋值的语法错误，需用c()包裹向量）
success <- c(0, 0, 8)
failure <- c(80, 80, 8)
df <- data.frame(success, failure)
rownames(df) <- c("autogamy", "gietonogamy", "outcross")
# 提取符合函数要求的输入参数
x <- df$success # 各组成功数
n <- df$success + df$failure # 各组总样本量
# 执行事后多重比较
pw.test <- pairwise.fisher.test(x = x, n = n, p.adjust.method = "bonferroni")
# 输出检验结果
pw.test

运行后会输出三组两两比较的校正后p值，其中 autogamy与gietonogamy组无显著差异，二者分别和outcross组比较均存在显著差异。

替代方案：手动实现多重比较 #

如果不想依赖fmsb包，可通过手动两两组合计算Fisher检验、再统一校正p值的方式完成分析，代码示例如下：

# 生成所有两两分组组合
group_pairs <- combn(rownames(df), 2, simplify = FALSE)
# 批量计算两两检验的原始p值
p_values <- sapply(group_pairs, function(pair){
  sub_table <- df[pair,]
  fisher.test(sub_table)$p.value
})
# 对p值进行多重检验校正
adjusted_p <- p.adjust(p_values, method = "bonferroni")
# 整理输出结果
result <- data.frame(
  comparison = sapply(group_pairs, paste, collapse = " vs "),
  raw_pvalue = p_values,
  adjusted_pvalue = adjusted_p
)
print(result)

该方法逻辑更直观，也可适配更复杂的自定义检验需求。

内容的提问来源于stack exchange，提问作者mkunz