R语言做卡方检验时，如何删除数据框无效观测并消除列联表0值冗余类别

你对观测行的筛选操作本身已完成剔除效果，列联表仍显示计数为0的冗余类别的本质是：health属于带固定水平的因子（factor）类型，因子自身存储的所有预设取值水平不会随行筛选自动更新，生成列联表时会自动枚举所有原有水平，最终输出无任何观测的空计数列。
另外你之前的筛选代码存在写法疏漏：索引位置没有显式绑定变量所属的数据框，若未提前通过attach()加载数据集，会触发变量找不到的报错；且列索引位置写all()的用法不符合R基础索引规则，实际不会生效。

方案1：筛选后同步清空因子冗余水平（推荐，适配全流程分析） #

筛选观测后调用基础函数droplevels()一键清除数据框中所有无实际观测的因子水平，后续开展卡方检验、画图等操作时都不会再遇到空类别干扰：

# 定义需剔除的无效应答取值
invalid_resp <- c("Refusal", "Don't know", "No answer")
# 第一步：筛除对应取值的观测
ess_data1 <- ess_data[!ess_data$health %in% invalid_resp, ]
# 第二步：清除所有因子的残留空水平
ess_data1 <- droplevels(ess_data1)
# 生成的列联表将仅保留有实际观测的类别
TAB <- table(ess_data1$gender, ess_data1$health)

方案2：生成列联表时直接过滤（适合临时出表，不改动原数据） #

如果不需要调整原数据集结构，可直接在生成列联表的环节排除冗余取值，操作更轻量化：

invalid_resp <- c("Refusal", "Don't know", "No answer")
# 基础table函数写法
TAB <- table(
  gender = ess_data$gender,
  health = ess_data$health[!ess_data$health %in% invalid_resp]
)
# 等价的subset+xtabs写法，可读性更强
TAB <- xtabs(~ gender + health, data = subset(ess_data, !health %in% invalid_resp))

执行上述任意方案后，输出的列联表将完全移除Don't know、No answer、Refusal三类无效应答列，仅保留有实际分析价值的健康状态类别，可直接传入chisq.test()开展卡方检验，不会因空类别触发额外警告。

内容的提问来源于stack exchange，提问作者czarq