r - R Chi平方事后检验

Question

我是R（和一般的统计人员）的新手，所以对于可能是一个非常补救的问题，我们事先表示歉意，但我将不胜感激！

我正在尝试评估在给定车道上发起一场赛车竞赛是否具有统计学上的优势。

我的样本量很小，不一定是正态分布的，因此我选择使用卡方检验来检查预期胜利与观察到胜利之间的显着差异。

#create lanes var
lane_num <- c(1:10)

#num wins per lane
num_wins <- c(8, 7, 10, 7, 6, 3, 6, 4, 1, 0)

#create df
df <- as.data.frame(cbind(lane_num, num_wins))

#convert lanes_num factor
df$lane_num <- as.factor(df$lane_num)

#check str
str(df)

#run chisq
chi_res <- chisq.test(df$num_wins)

#check results
chi_res

#check for sig diff between lanes
chisq.post.hoc(df) #this is where i'm having issues

chisq.test的结果给出以下结果，表明观察到的预期v之间存在显着差异；

    Chi-squared test for given probabilities

data:  df$num_wins
X-squared = 17.231, df = 9, p-value = 0.04522

我要努力解决的问题是，要在车道之间进行事后测试，以准确了解从哪个车道开始更有利。

只需运行：

chisq.post.hoc(df)

返回以下错误；

Error in test(tbl[prs[, i], ], ...) : 
all entries of 'x' must be nonnegative and finite

正如我所说，我是R和stats的新手，所以提供的关于chisq.post.hoc的文档对我而言并没有多大意义-另外，似乎不再支持该软件包，因此我不得不下载一个存档版本。我尝试过各种方法，但是都会产生错误。例如;

chisq.post.hoc(df$num_wins, control = "bonferroni")
> Error in 1:nrow(tbl) : argument of length 0

我真的很乐意对此进行指导，或者对我可以使用的替代事后测试以及在运行之前需要如何构建数据的方式提供任何建议。

提前致谢！

Answer 1

这是因为您不应使用data.frame，而应使用table。我无法安装fifer，因为它不再受支持，因此这是RVAideMemoire的解决方案：

race <- matrix(c(8, 7, 10, 7, 6, 3, 6, 4, 1, 0),ncol=10)
colnames(race) <- c(1:10)
race<-as.table(race)
race

#run chisq
chi_res <- chisq.test(race)

#check results
chi_res
library(RVAideMemoire)
chisq.multcomp(race, p.method = "none")

输出：

> chi_res

    Chi-squared test for given probabilities

data:  race
X-squared = 17.231, df = 9, p-value = 0.04522

> chisq.multcomp(race, p.method = "none")

    Pairwise comparisons using chi-squared tests 

data:  race 

   0      1      3      4      6      6      7      7      8     
1  0.3173 -      -      -      -      -      -      -      -     
3  0.0833 0.3173 -      -      -      -      -      -      -     
4  0.0455 0.1797 0.7055 -      -      -      -      -      -     
6  0.0143 0.0588 0.3173 0.5271 -      -      -      -      -     
6  0.0143 0.0588 0.3173 0.5271 1.0000 -      -      -      -     
7  0.0082 0.0339 0.2059 0.3657 0.7815 0.7815 -      -      -     
7  0.0082 0.0339 0.2059 0.3657 0.7815 0.7815 1.0000 -      -     
8  0.0047 0.0196 0.1317 0.2482 0.5930 0.5930 0.7963 0.7963 -     
10 0.0016 0.0067 0.0522 0.1088 0.3173 0.3173 0.4669 0.4669 0.6374

P value adjustment method: none