如何计算 r 中卡方统计量的 p 值
每次执行卡方检验时,您都会获得卡方检验统计量。然后,您可以找到与该检验统计量对应的 p 值,以确定检验结果是否具有统计显着性。
要查找与 R 中的卡方检验统计量相对应的 p 值,您可以使用pchisq() 函数,该函数使用以下语法:
pchisq(q, df, lower.tail = TRUE)
金子:
- q:卡方检验统计量
- df:自由度
- lower.tail:如果为 TRUE,则返回卡方分布中q的左概率。如果为 FALSE,则返回卡方分布中q右侧的概率。默认值为 TRUE。
以下示例展示了如何在实践中使用此功能。
示例 1:卡方拟合优度检验
一位商店老板说,一周中每天都有相同数量的顾客来到他的商店。为了检验这一假设,一位独立研究人员记录了给定一周内进入商店的顾客数量,并发现以下结果:
- 周一: 50 位顾客
- 周二: 60 位顾客
- 周三: 40 位顾客
- 周四: 47 位顾客
- 周五: 53 位顾客
进行卡方拟合优度检验后,研究人员发现以下结果:
卡方检验统计量 (X 2 ): 4.36
自由度:(df): 4
为了找到与卡方检验统计量和自由度相关的 p 值,我们可以在 R 中使用以下代码:
#find p-value for the Chi-Square test statistic pchisq(q=4.36, df=4, lower.tail= FALSE ) [1] 0.3594721
p 值为0.359 。由于该 p 值不小于 0.05,因此我们无法拒绝原假设。这意味着我们没有足够的证据表明真实的顾客分布与店主报告的不同。
示例 2:卡方独立性检验
研究人员想知道性别是否与对政党的偏好有关。他们对 500 名选民进行了简单的随机抽样,并询问他们的政党偏好。在执行独立性卡方检验后,他们发现以下结果:
卡方检验统计量 (X 2 ): 0.8642
自由度:(df): 2
为了找到与卡方检验统计量和自由度相关的 p 值,我们可以在 R 中使用以下代码:
#find p-value for the Chi-Square test statistic pchisq(q=0.8642, df=2, lower.tail= FALSE ) [1] 0.6491445
p 值为0.649 。由于该 p 值不小于 0.05,因此我们无法拒绝原假设。这意味着我们没有足够的证据表明性别和政党偏好之间存在关联。
相关: 如何在 R 中执行卡方独立性检验
在此处查找 pchisq() 函数的完整文档。