R语言chisq.test实现前后时期颜色频次差异卡方检验的方法问询
卡方检验实现逻辑与现有代码问题说明
现有代码的核心问题
你当前编写的代码完全跑不出有效的分析结果,核心问题有两个:
- 统计逻辑错位:
chisq.test()的入参需要是包含分类维度的频次列联表,或是独立观测的分类向量,你传入的colors$combined是逐行把所有颜色频次做求和、colors$before/after是逐行对两个时期数值做比值,二者既不包含颜色类别信息,也不匹配卡方检验的数据输入要求,运行结果没有任何可解释性。 - 数据结构理解偏差:从你提供的参考数据结构来看,before、after是两个独立的观测阶段维度,不是和各颜色频次列平级的逐行数值列,你现在的宽表格式需要先按分析目标汇总为符合卡方检验要求的列联表,不能直接拿宽表的逐行运算值做检验输入。
另外你之前疑惑的“是否需要把所有颜色频次加总生成主分析列”,答案非常明确:完全不需要。所有三类分析的核心都是对比两个时期的颜色频次构成差异,加总会直接抹掉颜色类别的区分度,根本没法支撑构成差异的检验——你原来写的逐行把五个颜色加总、再除以两个时期比值的写法,本质是把本来属于“分类构成”的数据揉成了无意义的标量,跑出来的结果没有任何统计解释力。
三类分析需求的对应R实现
默认你参考的宽表结构为:每一行对应一个独立观测样本,列分别为before_yellow、before_blue、before_red、before_orange、before_purple、after_yellow、after_blue、after_red、after_orange、after_purple,和你提供的截图结构一致。
需求1:检验before与after时期所有颜色的频次是否存在显著差异
本质是做两阶段的颜色分布独立性卡方检验,原假设为两个时期的颜色频次构成没有差异。
实现代码:
# 汇总两个时期各颜色的总观测频次 before_total <- c( yellow = sum(colors$before_yellow), blue = sum(colors$before_blue), red = sum(colors$before_red), orange = sum(colors$before_orange), purple = sum(colors$before_purple) ) after_total <- c( yellow = sum(colors$after_yellow), blue = sum(colors$after_blue), red = sum(colors$after_red), orange = sum(colors$after_orange), purple = sum(colors$after_purple) ) # 构造2行(before/after)×5列(颜色类别)的列联表 color_contingency <- rbind(before_total, after_total) # 运行卡方检验,补充simulate.p.value参数适配小期望频数的场景 chisq.test(color_contingency, simulate.p.value = TRUE)
需求2:检验before时期yellow总频次与after时期blue总频次的显著差异
需要注意:跨时期、跨类别的两个独立计数的比较,不能直接比绝对数值,必须以两个时期的整体观测规模为基准做拟合优度卡方检验,否则会因为两个时期总观测数的基数差得出完全错误的结论。
实现代码:
# 提取两个目标计数 obs_target2 <- c( before_yellow = sum(colors$before_yellow), after_blue = sum(colors$after_blue) ) # 以两个时期的总观测规模为基准,计算两个计数的期望比例 n_before <- sum(before_total) n_after <- sum(after_total) expect_ratio <- c(n_before, n_after) / (n_before + n_after) # 运行卡方拟合优度检验 chisq.test(obs_target2, p = expect_ratio, simulate.p.value = TRUE)
需求3:检验before时期yellow/blue/orange三类的整体频次与after时期对应三类是否存在显著差异
逻辑和需求1一致,仅将纳入分析的颜色范围缩小为三类目标颜色即可。
实现代码:
# 提取三个目标颜色的两组总频次 before_target3 <- before_total[c("yellow", "blue", "orange")] after_target3 <- after_total[c("yellow", "blue", "orange")] # 构造对应列联表 target_contingency <- rbind(before_target3, after_target3) # 运行卡方检验 chisq.test(target_contingency, simulate.p.value = TRUE)
内容的提问来源于stack exchange,提问作者Donny
相关产品推荐
相关产品推荐

