R语言卡方检验|极客教程

R语言卡方检验

卡方检验 是一种统计方法，用于确定两个分类变量之间是否存在显著的相关性。这两个变量应来自同一总体，且应是分类的，例如：是/否、男/女、红/绿等。

例如，我们可以建立一个数据集，观察人们的购买冰淇淋的模式，并试图将一个人的性别与他们喜欢的冰淇淋口味相关联。如果发现相关性，我们可以根据访问的人数来计划适当的库存。

语法

用于执行卡方检验的函数是 chisq.test() 。

在R中创建一个卡方检验的基本语法如下：

chisq.test(data)

以下是所使用参数的描述−

data 是以表格形式呈现的数据，包含观察中变量的计数值。

示例

我们将使用”MASS”库中的Cars93数据，该数据代表了1993年不同车型的销售情况。

library("MASS")
print(str(Cars93))

当我们执行上述代码时，会产生以下结果 –

'data.frame':   93 obs. of  27 variables: 
 Manufacturer      : Factor w/ 32 levels "Acura","Audi",..: 1 1 2 2 3 4 4 4 4 5 ... Model             : Factor w/ 93 levels "100","190E","240",..: 49 56 9 1 6 24 54 74 73 35 ... 
 Type              : Factor w/ 6 levels "Compact","Large",..: 4 3 1 3 3 3 2 2 3 2 ... Min.Price         : num  12.9 29.2 25.9 30.8 23.7 14.2 19.9 22.6 26.3 33 ... 
 Price             : num  15.9 33.9 29.1 37.7 30 15.7 20.8 23.7 26.3 34.7 ... Max.Price         : num  18.8 38.7 32.3 44.6 36.2 17.3 21.7 24.9 26.3 36.3 ... 
 MPG.city          : int  25 18 20 19 22 22 19 16 19 16 ... MPG.highway       : int  31 25 26 26 30 31 28 25 27 25 ... 
 AirBags           : Factor w/ 3 levels "Driver&Passenger",..: 3 1 2 1 2 2 2 2 2 2 ... DriveTrain        : Factor w/ 3 levels "4WD","Front",..: 2 2 2 2 3 2 2 3 2 2 ... 
 Cylinders         : Factor w/ 6 levels "3","4","5","6",..: 2 4 4 4 2 2 4 4 4 5 ... EngineSize        : num  1.8 3.2 2.8 2.8 3.5 2.2 3.8 5.7 3.8 4.9 ... 
 Horsepower        : int  140 200 172 172 208 110 170 180 170 200 ... RPM               : int  6300 5500 5500 5500 5700 5200 4800 4000 4800 4100 ... 
 Rev.per.mile      : int  2890 2335 2280 2535 2545 2565 1570 1320 1690 1510 ... Man.trans.avail   : Factor w/ 2 levels "No","Yes": 2 2 2 2 2 1 1 1 1 1 ... 
 Fuel.tank.capacity: num  13.2 18 16.9 21.1 21.1 16.4 18 23 18.8 18 ... Passengers        : int  5 5 5 6 4 6 6 6 5 6 ... 
 Length            : int  177 195 180 193 186 189 200 216 198 206 ... Wheelbase         : int  102 115 102 106 109 105 111 116 108 114 ... 
 Width             : int  68 71 67 70 69 69 74 78 73 73 ... Turn.circle       : int  37 38 37 37 39 41 42 45 41 43 ... 
 Rear.seat.room    : num  26.5 30 28 31 27 28 30.5 30.5 26.5 35 ... Luggage.room      : int  11 15 14 17 13 16 17 21 14 18 ... 
 Weight            : int  2705 3560 3375 3405 3640 2880 3470 4105 3495 3620 ... Origin            : Factor w/ 2 levels "USA","non-USA": 2 2 2 2 2 1 1 1 1 1 ... 
 $ Make              : Factor w/ 93 levels "Acura Integra",..: 1 2 4 3 5 6 7 9 8 10 ...

上述结果显示数据集有许多因子变量，可以视为分类变量。对于我们的模型，我们会考虑”AirBags”和”Type”这两个变量。在这里，我们的目标是找出销售的汽车类型和其所配备的安全气囊类型之间是否存在显著相关性。如果观察到相关性，我们可以估计哪种类型的汽车可以更好地销售与哪种类型的安全气囊配备。

# Load the library.
library("MASS")

# Create a data frame from the main data set.
car.data <- data.frame(Cars93AirBags, Cars93Type)

# Create a table with the needed variables.
car.data = table(Cars93AirBags, Cars93Type) 
print(car.data)

# Perform the Chi-Square test.
print(chisq.test(car.data))

当我们执行上面的代码时，它会产生以下结果 –

Compact Large Midsize Small Sporty Van
  Driver & Passenger       2     4       7     0      3   0
  Driver only              9     7      11     5      8   3
  None                     5     0       4    16      3   6

         Pearson's Chi-squared test

data:  car.data
X-squared = 33.001, df = 10, p-value = 0.0002723

Warning message:
In chisq.test(car.data) : Chi-squared approximation may be incorrect