看过许多统计教程,这篇是我最推荐的
3、对于分析涉及到的变量,形成表格数据我们想研究不同工作岗位的男女比例是否有差异,需要把涉及到的两个变量work和sex生成表格,输入:
4、卡方检验和精确概率法
结果解读:使用chisq.test命令进行卡方检验,结果显示:统计量χ2=20.911,p=0.0001099,在论文中需写成χ2=20.91,p<0.001,说明不同岗位的男女比例有差异,但具体是哪两个岗位有差异,还需进一步两两比较。(注:论文中卡方值一般保留两位小数,p值一般保留三位小数,如果p<0.001,可以直接写成p<0.001)。如果不符合卡方检验条件,需改用精确概率法,其实就算符合卡方检验条件,也可以直接用精确概率法。使用fisher.test命令进行精确概率法,结果显示p=8.359*10-5,论文中需要写成p<0.001,说明不同岗位的男女比例有差异,但具体是哪两个岗位有差异,还需进一步两两比较。5、两两比较
希望今天的文章对你有用,随手点个在看吧。本文由刘老师医学统计(ID:ourdata)原创,转载请注明来源。
你点的每个赞,我都认真当成了喜欢
介 绍
软件操作
mydata "clipboard")#查看数据str(mydata)head(mydata)
mydata$sex$sex,levels=c(0,1),labels=c(mydata$work$work,levels=c(1,2,3,4),labels=c(
#查看数据str(mydata)head(mydata)

tab$work,mydatatab

#卡方检验chisq.test(tab)

#精确概率法fisher.test(tab)

#install.packages("rcompanion")library(rcompanion)#两两比较卡方检验pairwiseNominalIndependence(tab,chisq = TRUE,fisher = FALSE,gtest = FALSE,method = "bonferroni")
#两两比较精确概率法pairwiseNominalIndependence(tab,chisq = FALSE,fisher = TRUE,gtest = FALSE,method = "bonferroni")
知识拓展

转载、投稿、商务合作、统计学习/咨询请在公众号后台,添加作者微信。
