如何计算 R 中卡方统计量的 P 值

卡方检验是一种用来检验两个分类变量之间是否有显著关联的假设检验方法。在 R 中，通过 chisq.test() 函数可以进行卡方检验。该函数返回卡方统计量和对应的 P 值。

下面是一个例子：

x <- c(20, 30, 10)
y <- c(15, 25, 15)
chisq.test(x, y)

输出结果为：

    Pearson's Chi-squared test

data:  x and y
X-squared = 2.2727, df = 2, p-value = 0.3218

其中，X-squared 表示卡方统计量，df 表示自由度，p-value 表示 P 值。

如果需要从原始数据中计算卡方统计量和 P 值，可以使用 chisq.test() 函数中的 residuals 参数。这个参数可以控制卡方检验返回的结果类型。当 residuals 参数为 FALSE 时，函数返回一个卡方统计量和 P 值的列表，如下所示：

x <- c(20, 30, 10)
y <- c(15, 25, 15)
result <- chisq.test(x, y, residuals = FALSE)
print(result$statistic)  # 输出卡方统计量
print(result$p.value)    # 输出 P 值

输出结果为：

[1] 2.272727
[1] 0.3218

如果需要控制精度，可以使用 format() 函数对 P 值进行格式化输出：

x <- c(20, 30, 10)
y <- c(15, 25, 15)
result <- chisq.test(x, y, residuals = FALSE)
chisq <- result$statistic
p_val <- result$p.value
print(chisq)
print(format(p_val, digits = 3, scientific = FALSE))

输出结果为：

[1] 2.272727
[1] "0.322"

以上就是如何计算 R 中卡方统计量的 P 值的介绍。