基于R语言的年龄、政党立场与大麻合法化态度统计检验求助

没问题，针对你要分析年龄分组、政党立场与大麻合法化态度之间的关系并获取P值的需求，我整理了几种实用的统计检验方法和对应R代码，帮你完成分析：

这种方法适合从分类变量的关联角度，同时考察三个变量的交互关系：

# 构建三维列联表（年龄分组×政党立场×大麻态度）
tab <- xtabs(~ Agecat1 + PartyIDN + CanLegal, data = Parties)

# 可选：格式化查看列联表，直观了解数据分布
ftable(tab)

# 1. Mantel-Haenszel分层卡方检验（控制一个变量后，检验另外两个变量的关联）
library(DescTools)
ChisqTest(tab, method = "mantelhaen")

# 2. 对数线性模型检验交互作用
# 先拟合包含所有双向交互的全模型
model_full <- loglin(tab, list(c(1,2), c(1,3), c(2,3)))
# 再拟合去掉年龄×政党交互的简化模型
model_no_interaction <- loglin(tab, list(c(1,3), c(2,3)))
# 比较两个模型，判断交互项是否显著
anova(model_no_interaction, model_full)

• Mantel-Haenszel检验的P值：可以告诉你控制年龄（或政党）后，另一变量与大麻态度的关联是否显著；
• 模型比较的P值：若小于0.05，说明年龄和政党的交互作用对大麻态度有显著影响（即不同政党支持者的年龄态度差异存在区别）。

因为CanLegal是二分类变量，逻辑回归能直接量化自变量对态度的影响，P值解读更直观：

# 可选：将二分类因变量转换为0-1编码（方便结果解读）
Parties$CanLegal_bin <- ifelse(Parties$CanLegal == "should be legal, only licenced shops", 1, 0)

# 构建包含交互项的逻辑回归模型
model_logit <- glm(CanLegal_bin ~ Agecat1 * PartyIDN, data = Parties, family = binomial())

# 查看模型结果，提取关键P值
summary(model_logit)

结果解读：

• Agecat1各水平的P值：固定政党立场时，不同年龄组的大麻态度差异是否显著；
• PartyIDN的P值：固定年龄时，保守党与工党支持者的态度差异是否显著；
• Agecat1:PartyIDN交互项的P值：年龄与政党的共同影响是否显著。

如果想先单独验证两两变量的关联，可以用：

# 年龄分组与大麻态度的卡方检验
chisq.test(table(Parties$Agecat1, Parties$CanLegal))

# 政党立场与大麻态度的卡方检验
chisq.test(table(Parties$PartyIDN, Parties$CanLegal))

注意：如果列联表中存在单元格期望频数<5的情况，建议用fisher.test()替代chisq.test()，避免结果偏差。

内容的提问来源于stack exchange，提问作者Kaoru Takeda Manimaran