如何在R中基于卡方检验结果绘制Coefplot优化数据可视化？

我来帮你梳理下结合你已完成的卡方检验，用Coefplot做可视化的具体步骤：

1. 把列联表转换成R可识别的格式 #

你给出的表格数据，我们先转成矩阵格式方便后续分析：

# 构建列联表矩阵
X2 <- matrix(c(11,21,18,19,8,
               6,7,14,10,2,
               9,22,19,8,0,
               7,16,10,5,4,
               9,13,10,8,3,
               14,20,10,10,4),
             nrow = 6, byrow = TRUE,
             dimnames = list(c("5_min_blank", "Boldstyle", "Boldstyle_pause", 
                               "Breaststroke", "Breaststroke_pause", "Diving"),
                             c("1", "2", "3", "5", "6")))

2. 执行你已完成的卡方检验 #

你之前运行的代码没问题，这里再贴出来方便对照：

fit.swim <- chisq.test(X2, simulate.p.value = TRUE, B = 10000)

运行后会得到Pearson卡方检验的结果，包含统计量、模拟p值等关键信息。

3. 用Coefplot可视化标准化残差 #

Coefplot本身常用于回归系数展示，但对于列联表的卡方检验，我们可以通过可视化标准化残差，直观看到每个单元格的观测值与预期值的偏离程度——这也是卡方检验里判断差异显著性的核心指标。

步骤3.1 安装并加载coefplot包 #

如果还没安装这个包，先执行安装命令：

install.packages("coefplot")
library(coefplot)

步骤3.2 整理标准化残差数据 #

我们需要把卡方检验输出的标准化残差整理成Coefplot能识别的格式：

# 提取标准化残差
std_res <- as.vector(fit.swim$stdres)
# 生成每个单元格的标签（声音类型+类别）
cell_labels <- expand.grid(rownames(X2), colnames(X2))
cell_labels <- paste(cell_labels$Var1, cell_labels$Var2, sep = "_")
# 转换成数据框
res_data <- data.frame(Variable = cell_labels, Value = std_res)

步骤3.3 绘制Coefplot #

这里加了一些参数让图更清晰：

coefplot(res_data, 
         title = "声音类型-类别组合的标准化残差可视化",
         xlab = "标准化残差值",
         ylab = "声音类型-类别组合",
         pointSize = 3,  # 调整点的大小
         lineSize = 1,   # 调整置信区间线的粗细
         verticalLine = 0)  # 添加0基准线，方便对比正负偏离

小提示 #

• 标准化残差的绝对值如果大于2，一般认为该单元格的观测值与预期值存在显著差异，在图里一眼就能看出来
• 正的残差表示该单元格的观测数比预期多，负的则表示观测数比预期少

内容的提问来源于stack exchange，提问作者Jessi