您好,登录后才能下订单哦!
> mytable1 <- xtabs(~ Treatment+Improved,data=Arthritis)
> mytable2 <- xtabs(~ Improved+Sex,data=Arthritis)
> mytable1
Improved
Treatment None Some Marked
Placebo 29 7 7
Treated 13 7 21
> mytable2
Sexa
Improved Female Male
None 25 17
Some 12 2
Marked 22 6
> chisq.test(mytable1)
Pearson's Chi-squared test
data: mytable1
X-squared = 13.055, df = 2, p-value = 0.001463
> chisq.test(mytable2)
Pearson's Chi-squared test
data: mytable2
X-squared = 4.8407, df = 2, p-value = 0.08889
Warning message:
In chisq.test(mytable2) : Chi-squared近似算法有可能不准
在结果中,患者接受的治疗和改善的水平看上去存在着某种关系(p < 0.01)。而患者性别
和改善情况之间却不存在关系(p > 0.05) 。这里的p值表示从总体中抽取的样本行变量与列变
量是相互独立的概率。由于的概率值很小,所以你拒绝了治疗类型和治疗结果相互独立的原假
设。由于的概率不够小,故没有足够的理由说明治疗结果和性别之间是不独立的。
产生警告信息的原因是,表中的6个单元格之一(男性 - 一定程度上的改善)有一个小于5的值,
这可能会使卡方近似无效。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。