#pp.188-190   クロス集計表から直接に

 

CT <- matrix(c(40,20,10,30), nrow=2,byrow=TRUE)

chisq.test(CT,correct=F)

 

#適合度の検定　pp.191-192   例6.5

chisq.test(c(4,13,12,11,10), p=c(8,15,30,30,17)/100)

​

chisq.test(c(17,12,11,10), p=c(23,30,30,17)/100)

 

​

#参考１　

#ローデータがある場合

x <- read.csv("Table651.csv", header=F)
x
attach(x)

​

#クロス集計表の作成
table(x)

​

CT <- table(x)
chisq.test(CT)

chisq.test(CT,correct=F)

​

#連関係数　ファイ係数（２×２のクロス集計表の場合：第４章参照）

#パッケージpsychを利用するならば

library(psych)

phi(CT)

​

​

#参考２：対応のある場合→マクネマー検定

mcnemar.test(matrix(c(40, 20, 10, 30), 2, 2), correct=FALSE) 

​

#連続性の補正あり

mcnemar.test(matrix(c(40, 20, 10, 30), 2, 2)) 

​

​#正確な確率を求めると

binom.test(c(20, 10)) # 二項検定による正確な有意確率

​

#参考３

#２行２列よりも大きなクロス集計表の検定：連関係数　Cramer's V

## From Agresti(2007) p.39

M <- as.table(rbind(c(762, 327, 468), c(484, 239, 477)))

dimnames(M) <- list(gender = c("F", "M"), party = c("Democrat","Independent", "Republican"))

M

​

(Xsq <- chisq.test(M)) # Prints test summary

​

#パッケージ　confintr をインストール

library(confintr)
cramersv(Xsq)
 

#残差分析　zの大きさ1.96　以上で p< .05 

Xsq$stdres # standardized residuals

​

​