如何在R中对Aids2数据集应用prop.test分析男女hs感染占比

嘿，别慌！我一步步带你完成这个检验，用R语言来操作（毕竟prop.test是R里的标准函数）：

1. 先整理我们需要的数据 #

首先，我们需要两组核心数据：男性中通过hs感染的人数、男性总人数，以及女性中通过hs感染的人数、女性总人数。

针对你给出的98条样本数据 #

我帮你数了一下：

• 男性（sex=M）总共有94人，其中74人是通过hs感染的（T.categ=hs）
• 女性（sex=F）总共有4人，没有通过hs感染的案例（所有女性的感染方式都是id或blood）

针对完整的Aids2数据集（更推荐） #

如果用的是MASS包自带的完整Aids2数据集，或者你有完整数据文件，用代码自动统计更高效：

# 加载MASS包自带的Aids2数据（如果是自己的数据集，用read.csv导入）
library(MASS)
data(Aids2)

# 统计男性组：hs感染数 & 总人数
male_hs_count <- sum(Aids2$sex == "M" & Aids2$T.categ == "hs", na.rm = TRUE)
male_total <- sum(Aids2$sex == "M", na.rm = TRUE)

# 统计女性组：hs感染数 & 总人数
female_hs_count <- sum(Aids2$sex == "F" & Aids2$T.categ == "hs", na.rm = TRUE)
female_total <- sum(Aids2$sex == "F", na.rm = TRUE)

注：加na.rm=TRUE是为了忽略数据中的缺失值，避免统计出错

2. 执行比例差异检验 #

有了统计好的数值，直接调用prop.test()函数就行：

# 传入两组的成功数（hs感染数）和样本量（总人数）
test_result <- prop.test(
  x = c(male_hs_count, female_hs_count),
  n = c(male_total, female_total),
  correct = TRUE  # 连续性修正，小样本下建议保留
)

# 打印完整检验结果
print(test_result)

3. 解读检验结果 #

输出结果里重点看这几个部分：

• p-value：如果p值<0.05，说明男女hs感染比例存在显著差异；如果p值>0.05，则没有足够证据证明差异存在。
• 95 percent confidence interval：这个区间是两组比例差异的置信范围，如果区间不包含0，同样支持“比例有差异”的结论。
• sample estimates：这里会显示男女各自的hs感染比例，能直观看到两组的差异大小。

针对你提供的样本数据的特殊情况 #

你的样本里女性hs感染数是0，prop.test会自动处理这种情况，不过如果想关闭连续性修正，可以把correct=FALSE，但小样本场景下还是建议保留修正。

小提示 #

如果你的数据里有缺失值，记得先用Aids2_clean <- na.omit(Aids2)清理后再统计，避免结果偏差。

内容的提问来源于stack exchange，提问作者Laurentiu