R - test chi kwadrat

Chi-Square testto metoda statystyczna pozwalająca określić, czy dwie zmienne kategorialne mają między sobą istotną korelację. Obie te zmienne powinny pochodzić z tej samej populacji i powinny być kategoryczne, takie jak - Tak / Nie, Mężczyzna / Kobieta, Czerwony / Zielony itp.

Na przykład możemy zbudować zbiór danych z obserwacjami wzorców kupowania lodów przez ludzi i spróbować skorelować płeć osoby ze smakiem lodów, które preferują. Jeśli zostanie znaleziona korelacja, możemy zaplanować odpowiedni zapas smaków, znając liczbę osób odwiedzających.

Składnia

Funkcja używana do wykonywania testu chi-kwadrat to chisq.test().

Podstawowa składnia tworzenia testu chi-kwadrat w R to -

chisq.test(data)

Poniżej znajduje się opis użytych parametrów -

  • data to dane w postaci tabeli zawierającej wartości zliczeń zmiennych w obserwacji.

Przykład

Dane Cars93 zostaną umieszczone w bibliotece „MASS”, która przedstawia sprzedaż różnych modeli samochodów w roku 1993.

library("MASS")
print(str(Cars93))

Kiedy wykonujemy powyższy kod, daje on następujący wynik -

'data.frame':   93 obs. of  27 variables: 
 $ Manufacturer      : Factor w/ 32 levels "Acura","Audi",..: 1 1 2 2 3 4 4 4 4 5 ... 
 $ Model             : Factor w/ 93 levels "100","190E","240",..: 49 56 9 1 6 24 54 74 73 35 ... 
 $ Type              : Factor w/ 6 levels "Compact","Large",..: 4 3 1 3 3 3 2 2 3 2 ... 
 $ Min.Price         : num  12.9 29.2 25.9 30.8 23.7 14.2 19.9 22.6 26.3 33 ... 
 $ Price             : num  15.9 33.9 29.1 37.7 30 15.7 20.8 23.7 26.3 34.7 ... 
 $ Max.Price         : num  18.8 38.7 32.3 44.6 36.2 17.3 21.7 24.9 26.3 36.3 ... 
 $ MPG.city          : int  25 18 20 19 22 22 19 16 19 16 ... 
 $ MPG.highway       : int  31 25 26 26 30 31 28 25 27 25 ... 
 $ AirBags           : Factor w/ 3 levels "Driver & Passenger",..: 3 1 2 1 2 2 2 2 2 2 ... 
 $ DriveTrain        : Factor w/ 3 levels "4WD","Front",..: 2 2 2 2 3 2 2 3 2 2 ... 
 $ Cylinders         : Factor w/ 6 levels "3","4","5","6",..: 2 4 4 4 2 2 4 4 4 5 ... 
 $ EngineSize        : num  1.8 3.2 2.8 2.8 3.5 2.2 3.8 5.7 3.8 4.9 ... 
 $ Horsepower        : int  140 200 172 172 208 110 170 180 170 200 ... 
 $ RPM               : int  6300 5500 5500 5500 5700 5200 4800 4000 4800 4100 ... 
 $ Rev.per.mile      : int  2890 2335 2280 2535 2545 2565 1570 1320 1690 1510 ... 
 $ Man.trans.avail   : Factor w/ 2 levels "No","Yes": 2 2 2 2 2 1 1 1 1 1 ... 
 $ Fuel.tank.capacity: num  13.2 18 16.9 21.1 21.1 16.4 18 23 18.8 18 ... 
 $ Passengers        : int  5 5 5 6 4 6 6 6 5 6 ... 
 $ Length            : int  177 195 180 193 186 189 200 216 198 206 ... 
 $ Wheelbase         : int  102 115 102 106 109 105 111 116 108 114 ... 
 $ Width             : int  68 71 67 70 69 69 74 78 73 73 ... 
 $ Turn.circle       : int  37 38 37 37 39 41 42 45 41 43 ... 
 $ Rear.seat.room    : num  26.5 30 28 31 27 28 30.5 30.5 26.5 35 ... 
 $ Luggage.room      : int  11 15 14 17 13 16 17 21 14 18 ... 
 $ Weight            : int  2705 3560 3375 3405 3640 2880 3470 4105 3495 3620 ... 
 $ Origin            : Factor w/ 2 levels "USA","non-USA": 2 2 2 2 2 1 1 1 1 1 ... 
 $ Make              : Factor w/ 93 levels "Acura Integra",..: 1 2 4 3 5 6 7 9 8 10 ...

Powyższy wynik pokazuje, że zbiór danych zawiera wiele zmiennych czynnikowych, które można uznać za zmienne kategorialne. W naszym modelu rozważymy zmienne „Poduszki powietrzne” i „Typ”. Tutaj staramy się znaleźć jakąkolwiek istotną korelację między typami sprzedawanych samochodów a rodzajem poduszek powietrznych, które ma. Jeśli zaobserwuje się korelację, możemy oszacować, które typy samochodów mogą lepiej sprzedawać się z typami poduszek powietrznych.

# Load the library.
library("MASS")

# Create a data frame from the main data set.
car.data <- data.frame(Cars93$AirBags, Cars93$Type)

# Create a table with the needed variables.
car.data = table(Cars93$AirBags, Cars93$Type) 
print(car.data)

# Perform the Chi-Square test.
print(chisq.test(car.data))

Kiedy wykonujemy powyższy kod, daje on następujący wynik -

Compact Large Midsize Small Sporty Van
  Driver & Passenger       2     4       7     0      3   0
  Driver only              9     7      11     5      8   3
  None                     5     0       4    16      3   6

         Pearson's Chi-squared test

data:  car.data
X-squared = 33.001, df = 10, p-value = 0.0002723

Warning message:
In chisq.test(car.data) : Chi-squared approximation may be incorrect

Wniosek

Wynik pokazuje wartość p mniejszą niż 0,05, co wskazuje na korelację ciągów.