采用Haldane校正后，R语言Fisher精确检验仍返回Inf优势比的原因

我的数据集部分类别存在0计数，导致优势比（OR）为Inf。我尝试使用标准Haldane校正（给表格每个条目加0.5）解决该问题，但R语言的fisher.test仍返回OR=Inf。

手动计算的优势比应为：

(1.5/387.5)/(0.5/500.5) = 3.8748

执行的代码：

rubbish = c(1,387,0,500)
test_df = data.frame(rbind(rubbish[1:2],rubbish[3:4]))
test_df = test_df + 0.5
fisher.test(test_df)

返回结果：

Fisher's Exact Test for Count Data

data:  temp_df
p-value = 0.1917
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.2409358       Inf
sample estimates:
odds ratio 
       Inf

为何表格已无0值，却仍得到OR=Inf？

核心原因：fisher.test只接受整数型的列联表数据。你给表格加0.5后生成了小数，fisher.test会自动对这些小数向下取整，等于你的Haldane校正完全没起作用——取整后表格里还是存在0，所以依然返回OR=Inf。

解决方法有两种：

1. 用epitools包的oddsratio函数（推荐）
   这个函数支持非整数列联表，能直接计算Haldane校正后的OR值：

install.packages("epitools")
library(epitools)

rubbish = c(1,387,0,500)
test_df = matrix(rubbish, nrow=2) # 用矩阵比数据框更适合列联表操作
test_df = test_df + 0.5
oddsratio(test_df, method="wald")

运行后会得到和你手动计算一致的OR值（约3.87）。

2. 调整数据适配fisher.test
   把所有数值放大2倍（抵消0.5校正，转成整数），计算后再手动推导OR：

rubbish = c(1,387,0,500)
# 每个原数加0.5后乘2，等价于原数乘2加1，得到整数矩阵
test_df = matrix(rubbish * 2 + 1, nrow=2)
fisher_result = fisher.test(test_df)
# 手动计算校正后的OR，结果和手动值一致
calculated_or = (test_df[1,1]/test_df[1,2])/(test_df[2,1]/test_df[2,2])

内容的提问来源于stack exchange，提问作者Max